 谢胜利教授一直从事智能信息处理理论与应用的研究工作，在国家杰出青年科学基金资助的4年中，主要针对盲信号处理的基本理论、相应算法以及应用展开深入研究，获得了以下突出成果：
（1）建立了盲信号可分离的充分必要条件。盲信号分离的基本理论（即什么情况下混叠信号能分，什么情况下不能分？在能分的情况下，能分离出多少个源信号？）是该领域的难点问题之一，利用距阵论的分析方法，在只依赖系统混叠矩阵信息的基础上，建立了盲信号可分（或可提取）的充分必要条件，并给出了可分离（提取）的个数估计。从理论上第一次说明了不是任意混叠的盲信号都是可分离（提取）的。并通过建立的神经网络模型给出了一些相应的盲分离算法。
（2）修正并证明了盲信号分离中的Stone猜想。美国信号处理专家Stone在国际上提出了盲信号分离领域中的Stone猜想：“混叠信号的预测度小于或等于独立源信号的预测度”，并应用这个猜想分别对瞬时混叠、卷积混叠、非线性混叠等情形建立了一系列相应理论和与之对应的盲分离算法。谢胜利通过大量的仿真实验，在几种不同的情况下，成功地构造了反例指出Stone猜想的错误。他们不仅对Stone猜想进行了修正，而且对修正后的猜想在数学上进行了严格的理论证明，为盲信号分离的基本理论建立奠定了相应的理论基础。
（3）完善了盲信号分离的自适应理论。针对Lee和Lewicki为了克服欠定混叠盲分离的主流方法（K-均值聚类法）所存在的缺陷，而提出的基于超完备基表示的自适应方法没有严格理论基础的问题，谢胜利首先在数学上建立了一个新的矩阵形式的梯度公式，然后从理论上导出了一个具有严格理论基础的自然梯度，并由此给出了基于稀疏元分析的欠定混叠的新自适应盲分离算法。从而完善了Lee-Lewicki所提出的自适应理论。
（4）建立了信号稀疏表示与度量的方法。信号的稀疏表示与度量是欠定盲信号分离中的难点问题，谢胜利针对广义Gaussian信号类，通过分析信号的等概率密度线，发现了描述信号稀疏度的特征量，而且找到了特征量的边界值，以及特征量逐渐离开边界值时信号稀疏度的变化关系。对于给定的广义Gaussian信号，首次建立了对稀疏度的估计公式，以及所分离信号和源信号的L1-误差与信号稀疏度的关系。
4年来，在盲信号分离方面谢胜利教授在IEEE Trans.、Neural
Computation、中国科学等国内外权威刊物上发表论文20多篇，被国内外同行引用超过100次。分别获得教育部2005年自然科学一等奖和广东省2007年自然科学一等奖。
谢胜利教授带领一支有活力和朝气的年轻团队。该团队于2007年获得教育部创新团队项目。在基础研究方面，谢胜利教授于2005年获得了国家973前期研究专项，于2006年获得国家自然科学基金重点项目的资助。
谢胜利教授不仅注重基础理论的研究，而且也注重实际应用研究，例如谢胜利教授与中电集团电子第七研究所合作，将盲信号分离的技术应用于通信抗干扰中，并于2006年获得总装备部国防创新项目支持；与TCL有限公司合作于2007年获得粤港重大领域关键技术突破招标项目：数字家庭高速媒体信息互连互通智能网关。
|
