一种充分利用变量结构的解卷积 混合盲源分离新方法

 针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toeplitz结构和源信号相关矩阵的块内对角化结构的基础上,交替估计代价函数中的三组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现信道的盲均衡和源信号的盲分离.分析了三迭代算法的收敛性能,证明即使存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与其他经典的两步算法相比,提出的一步算法能够更好地估计混迭矩阵并恢复出源信号,有效地解决了卷积混合盲源分离问题.     

混叠敌我识别信号分离算法研究

在敌我识别(IFF)信号侦察中,侦收到的IFF信号存在混叠现象,严重影响了信号分选、解码和模式识别。采用基于盲源分离思想的独立分量分析方法,首次将等变化自适应(EASI)算法应用到混叠敌我识别信号分离中,该算法选择四阶累积量——峭度作为目标函数实现混叠IFF信号的分离,并通过仿真验证了该算法的可行性和有效性。     

新型的求解非线性盲源分离的神经网络算法的综述

本文回顾了一些最新的求解非线性盲源分离问题的神经网络算法.其中,对于多层感知器网络、径向基函数网络、多项式网络尤其关注.为了从非线性混叠信号中分解出唯一的源信号解,需要给神经网络加上一系列的限制.提出了三种结构限制的独立分量分析混合模型,接着讨论了加在源自交叉熵的原始代价函数上的额外的信号约束.     

经时频掩码的欠定混叠信号的盲提取

针对欠定非完全稀疏信号的盲源估计问题,提出了一个新颖的盲提取算法。算法融合非完全稀疏信号的盲提取算法和DUET方法,先利用已估计的混叠矩阵计算源信号的提取矢量和源方向的法矢量,再经线性变换更新混叠信号和混叠矩阵,后采用时频掩码方法恢复源信号。几个语音信号的实验显示算法的性能和实用性。     

一种新的相干信源DOA估计算法: 加权空间平滑协方差矩阵的Toeplitz矩阵拟合

文献[1]提出的最优加权空间平滑技术可以使相干源存在时的信源协方差矩阵恢复为对角阵.由于文献[1]中导出的最优权矩阵是空间信源方位的函数矩阵,本文利用最优加权空间平滑后阵列协方差矩阵的Toeplitz性,构造了一个全新的优化拟合的代价函数,并基于此提出了一种相干源方位估计的新算法.与文献[1]不同,算法的实现不需要方位估计的先验知识和协方差矩阵的去噪预处理.分辨性能的蒙特卡罗仿真实验表明,新算法对空间相干信源的分辨性能优于常规的空间平滑算法和最大似然算法,在小阵列和信源空间间隔较近时,算法的优越性尤为突出.     

一种基于逼近线性空间的盲信号分离方法

文章结合目标函数,给出了一种非线性混叠信号盲分离算法,含噪混合信号之间的关系构造了动态的目标函数状态一空间。该函数的特点是多变量,过程和观测噪声不限于高斯分布,是解决该问题的有效方法,从而把非线性混叠信号盲分离问题转化为参数空间的线性混叠信号盲分离问题。在目标函数空间中,也可应用多次分离对信号进行分离。该算法收敛精度较高,稳定性好。     

一种基于频移滤波器的混合信号盲恢复算法

针对单天线接收的频谱混叠的混合信号盲恢复问题,在频移滤波器结构上,提出了一种基于相关函数误差准则的自适应频移滤波信号盲恢复算法.该算法利用滤波器输出信号和参考信号以 及混合信号与参考信号之间的相关函数误差来调整自适应滤波器输出权值.分析了该算法的稳态性能.仿真结果表明:在信噪比大于-5 dB的条件下,该算法对混合...     

MIMO信道的卷积盲分离新算法

文章针对观测信号数目多于源信号数目的过定混叠情形,基于最小均方误准则,将问题转化为求解一个关于信道参数和源信号的优化问题,通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,再通过对两个表达式的相互逐次替代来寻求源信号,由此给出了“逐次替代“过定卷积混叠盲分离方法.     

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

MIMO信道的卷积盲分离新算法

文章针对观测信号数目多于源信号数目的过定混叠情形,基于最小均方误准则,将问题转化为求解一个关于信道参数和源信号的优化问题,通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,再通过对两个表达式的相互逐次替代来寻求源信号,由此给出了“逐次替代”过定卷积混叠盲分离方法。     

基于时间可预测性的差分搜索盲信号分离算法

针对基于仿生智能优化的盲信号分离算法计算量偏大的问题,提出了一种新的基于差分搜索的盲信号分离算法。采用信号在时间上的可预测性度量作为目标函数,使用差分搜索算法对目标函数进行优化求解。利用去相关消源方法从混合信号中去除每次分离出的源信号成分,通过逐次分离最终实现对所有源信号的成功恢复。仿真实验表明,所提算法可以有效实现对混合信号的盲分离。与其他算法相比,该算法在保证了更高分离精度的同时,具有更低的运算量。     

星载AIS的复值FastICA算法改进

针对星载船舶自动识别系统( AIS )的含噪复值信号盲分离算法分离效果不佳的问题,提出了改进的复值快速独立分量分析算法( FastICA)。该改进算法针对混合信号数目大于源信号数目的超定情况,对含噪混合信号的协方差矩阵进行特征值分解,利用其噪声对应的几个较小特征值估计噪声方差,修正白化矩阵,再应用Huber M估计函数优化该算法的目标函数。实验结果表明,运用该算法信号均方误差( SMSE)变小,信干比( SIR)变大,提高了信号的分离性能;同时,优化后的目标函数使算法具有良好的稳健性。     

基于盲源分离的短波频谱管理监测研究

常规无线电频谱监测中,对同频段频谱相互重叠的混合信号缺乏有效的监测手段,盲源分离能在不需要已知源信号和传播信道的情况下,实现对接收混合信号的分离,得到纯净的源信号,是实现监测这种混合信号的有效方法,所以考虑将盲源分离应用到频谱管理监测中。介绍了盲源分离的基本概念,对短波频谱管理监测的盲源分离算法进行了分析,着重对该技术在电磁频谱管理监测中的应用进行了仿真,为频谱管理监测提供了技术支持。     

带源个数估计的BPSK信号盲分离算法

目前盲分离研究已有算法众多,但有关数字信号或有限字符集的盲分离研究尚不多见,而带源个数估计的此类盲分离算法更鲜有涉及。针对这类问题,该文提出了一种新颖的BPSK数字信号的盲分离算法,首先由接收到的观测信号的特征,在无噪和有噪情况下分别给出了估计源信号的数目算法;然后再利用观测信号之间的关系估计出混叠矩阵,并在算法中给出了证明。通过估计的混叠矩阵即可恢复得到分离信号,此时得到的分离信号与源信号或者顺序发生了交换,或者产生了符号之间的差别,但并不影响盲分离。最后的仿真结果显示了该文提出的算法在估计混叠矩阵以及最后恢复源信号上都是非常成功,也表明了此算法的可行性和优异性能。     

应用萤火虫算法的混沌信号盲源分离

针对现有的独立成分分析法分离混合混沌信号精度不理想的问题,提出了一种新的混沌信号盲分离方法。该方法以求解最优解混矩阵为目标,利用峭度构造目标函数,将混沌信号的盲源分离转化为一个优化问题,并用萤火虫算法求解。同时,通过预白化和正交矩阵的参数化表示降低优化问题的维数,能有效提高分离精度。仿真结果表明,无论是处理混合的混沌映射信号还是混合的混沌流信号,该方法都能快速收敛,并且其分离精度在各项实验中都优于独立成分分析法等现有的盲源分离方法。     

快速NMF盲源分离算法

将秩一非负矩阵分解应用于盲源分离问题,把基于欧式距离的目标函数转化成二次函数的形式;施加稀疏性约束和正交性约束保证信号可分离性;利用二次函数的性质分别推得混合矩阵和源信号的迭代公式,从而得到一种基于秩一分解的快速NMF盲源分离算法（NMF-R1)。分析得到一次迭代更新NMF-R1算法比传统NMF盲源分离算法（NMF-BM)所需乘法次数少约30%,NMF-R1算法无矩阵求逆运算,NMF-BM算法还需2次矩阵求逆运算。图像信号的超定和欠定盲源分离仿真结果表明,NMF-R1算法都能分离出源信号, NMF-BM算法只能分离超定混合信号;NMF-R1算法与NMF-BM算法比,分离性能好、收敛速度快。      

Simultaneous Blind Separation of Instantaneous Mixtures With Arbitrary Rank

This paper presents a gradient-based method for simultaneous blind separation of arbitrarily linearly mixed source signals. We consider the regular case (i.e., the mixing matrix has full column rank) as well as the ill-conditioned case (i.e., the mixing matrix does not have full column rank). We provide one necessary and sufficient condition for the identifiability of simultaneous blind separation. According to our identifiability condition and the existing general identifiability condition, all source signals are separated into two categories: separable single sources and inseparable mixtures of several single sources. A sufficient condition is also derived for the existence of optimal partition of the mixing matrix which leads to a unique maximum set of separations. One sufficient condition is proved to show that each maximum partition of the mixing matrix corresponds to a unique class of separated signals and as a result we can determine the number of maximum partitions from the classes of outputs under different separation matrices. For sub-Gaussian or super-Gaussian source signals, a cost function based on fourth-order cumulants is introduced to simultaneously separate all separable single sources and all inseparable mixtures. By minimizing the cost function, a gradient-based method is developed. Finally, simulation results show the effectiveness of the present method.     

基于二阶矩的雷达信号盲分离

针对雷达接收机在现代战场复杂电磁环境下接收到的混叠信号,提出了一种基于二阶矩的信号盲源分离方法。在混合信号球化过程中,对于具有加性白噪声的模型,构造了一组新的协方差矩阵,在信噪比不是很高的情况下,使其不会影响分离结果。在协方差矩阵对角化过程中,采用自然梯度的方法,避免分离矩阵更新过程中的求逆问题,提高了算法的实时性。仿真实验证明,在信噪比为-10 dB的条件下,对比FastICA算法,所提算法分离精度高,收敛速度快,为进一步的信号识别提供可靠依据。     

基于FastICA的混合音频信号盲分离

独立成分分析（ICA）作为一种有效的盲源分离技术已成为信号处理领域的热点,它以非高斯源信号为研究对象,在统计独立的假设下,对多路观测到的混合信号进行盲信号分离。为了提高算法的收敛速度和稳态精度,介绍了独立成分分析的基本原理,以及利用FastICA算法进行信号分离的理论依据,引入了改进的非线性函数,运用Matlab进行仿真比较3种非线性函数下的分离性能和改进的非线性函数在不同θ下的分离性能,结果表明在综合因素的考虑下,该改进函数在实现混合音频信号盲分离方面比改进前更有效。     

利用二阶统计量的图像盲提取方法

为了从混叠的图像信号中分离源图像,提出一种基于二阶统计量的图像盲抽取方法。首先根据图像信号的非平稳特性构造用于估计分离向量的代价函数;然后通过最小化其函数获得最优分离向量,并实现逐次恢复源图像信号的目的。仿真实验结果表明,本文方法不仅能较好地实现多幅图像的盲分离,还能同时分离服从亚高斯分布的图像信号和超高斯分布的语音信号;与其它传统方法相比较,它具有更优越的估计性能。