——　第二部分 国家自然科学基金项目成果巡礼　——

　　盲信号处理是上世纪80年代初在信号处理领域诞生的备受学术界关注的新生学科，在许多新兴领域都有着重要的应用（如遥感图像的解译(包括军事目标、环境资源等的探测)、脑电或生物信号的特征提取与分析、复杂环境的信号识别与分离、现代工业故障诊断等）。该学科的关键科学问题是：在先验知识未知的情况下，怎样仅仅从传感器接收到的混叠信号中识别或分离所要的有用信号；其难点问题是：可分离（或可辨识）的基本理论以及相应的分离或辨识方法。

　　华南理工大学何昭水副研究员在国家自然科学基金（批准号：60505005）的资助下，进行了盲信号分离理论的研究，取得了具有一定国际影响的成果。

　　在可分性基本理论方面，项目组针对“Stone猜想”展开了探讨。围绕着盲信号分离的基本理论问题，英国Stone教授试图利用信号的可预测性来展开突破，他应用自己在Nature上发表的关于信号的可预测性研究成果，2001年在Neural Computation上发表了著名的关于信号预测度的Stone猜想,并以此猜想为基础开展了一系列研究工作。项目组成员发现了Stone猜想的错误，通过建立“信号方差比”概念，不仅通过实验发现了“信号方差比”的规律，并从理论上完整的证明了此新规律，从而完满解决了Stone猜想问题。在此新理论的基础上，建立了仅利用传感器所获混叠信号信息的可盲分离充分条件。该发现以及相应成果不仅发表于本学科国际权威刊物Neural Computation，而且被Stone 写入专著Independent Component Analysis: A Tutorial Introduction中。这方面的工作被同行引用63次，其中SCI他引26次。

　　在盲信号分离的优化方法中，聚类方法是一个常用的手段。聚类的精确度直接影响着信号分离的准确性，而在聚类过程中，对聚类数目的确定以及多路概率聚类问题是关键点和难点。从而，关于多路概率聚类的研究逐渐成为盲信号分离领域所关注的热门话题，虽然已有很多有效的聚类算法相继出现，但对于如何确定普通n路聚类（n,2）问题中聚类数目的研究却很少见。项目组成员利用n路代数理论对此问题进行了探讨。通过特征值分解，推导出一个简单有效且便于应用的聚类数目估计算法，不仅从理论上证明了算法的有效性，而且分别对模拟数据和实际数据进行了实验验证。该结果已经在IEEE Trans. on Pattern Analysis and Machine Intelligence以长文的形式发表。

　　此外，项目组成功的将盲分离算法应用于多路回波自适应消除领域中，建立了新的处理框架并申请了国家发明专利。以该项目为基础由科学出版社出版了专著《信号处理的自适应理论与应用》。

　　其研究成果参与获得了2007年度广东省自然科学奖一等奖，2009年度国家自然科学奖二等奖。