基于非高斯性和广义复杂度寻踪的盲源分离算法

现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性.在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号.当源信号具有非高斯性和非线性预测特性时,提出了基于非高斯性和广义复杂度寻踪的目标函数,最小化该目标函数,提出了一个梯度下降的盲源分离算法.计算机仿真表明了提出算法的有效性,和现有的盲源分离算法相比,提出算法具有更好的信号分离性能.     

联合非高斯性和非线性自相关的有噪盲源分离算法

现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性。在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号。现有的盲源分离算法往往不考虑噪声的影响,但在实际应用中,噪声的影响是不可避免的。当源信号具有非高斯性和非线性自相关特性时,提出了联合非高斯性和非线性自相关特性的有噪盲源分离算法。计算机仿真表明了提出算法的有效性,和现有的基于非高斯性和非线性自相关特性的有噪盲源分离算法相比,提出算法具有更好的信号分离性能。      

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。     

基于奇异值阈值和DSS的雷达信号盲分离方法

针对含噪阵列接收模型中盲源分离问题,提出了一种基于奇异值阈值Stein无偏风险估计(SURESVT)和去噪源分离DSS的含噪雷达信号盲分离算法,即SURE-DSS算法。该算法首先采用SURESVT算法替换DSS算法中的奇异值分解,求出观测数据在Stein无偏风险估计原则下的奇异值最优阈值,然后对观测数据的奇异值进行紧缩操作,达到提高信噪比的目的,同时完成观测数据的白化,最后对白化后数据进行盲分离。仿真结果表明,该算法能够在含噪阵列接收模型下对雷达信号进行有效分离。     

基于小波变换的自适应语音盲分离新算法

提出用小波变换和两步自适应盲分离算法相结合的方法来进行语音分离.首先,利用小波变换分别对各含噪混叠语音进行消噪;然后,利用代价函数的极值点特性分别获得混合信号和白化信号的特征向量矩阵,实现自适应盲分离过程;最后,进一步对分离信号进行矢量归一和再消噪处理,得到各个语音源信号的最终估计.实验结果表明此方法取得了很好的分离效果.     

基于最大比合并的超定盲源分离

主要研究了超定盲源分离问题,即观测信号个数大于源信号个数情况下的盲源分离.首先给出一种将超定分离转化为多组适定分离的方法,接着通过分析广义Rayleigh商问题最优解和基于四阶累积量代价函数收敛解之间的关系,提出了一种基于最大比合并(MRC)的盲源分离算法(MRC-FastICA).该算法利用多组FastICA来获得同一源信号的多个估计信号,然后利用MRC得到最终的分离信号.理论分析和实验结果表明该算法能够获得分集增益,比传统算法有更好的信干噪比(SINR)性能.     

一种有效的语音信号盲分离方法

利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,估计出源语音信号,实现对混叠信号的盲分离.通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离.     

基于相位旋转的高阶多路MPSK信号的盲分离

本文针对高阶多路混合MPSK信号的盲分离问题,分析了MPSK接收信号的特性,给出了源信号个数估计定理,在对观测信号进行删余预处理后,利用改进的混合聚类算法估计出源信号数目,然后提出了一种相位旋转算法,消除接收信号中的公共因子,去除相位角不趋于零的元素,将高阶多路MPSK信号盲分离转化为BPSK信号盲分离,利用BPSK盲分离算法即可实现多路MPSK信号的盲分离.仿真结果验证了该算法的有效性.     

一种基于时频分析的语音卷积信号盲分离算法

本文根据语音信号在实际环境下传播存在多径效应而造成反射信号之间产生时延差异的特点,提出了一种新的基于卷积混合矩阵模型的盲分离算法.该算法利用语音信号频谱中普遍存在的稀疏特性,通过对两路接收信号语谱图的对比分析估计出模型中时延参数和幅度系数的待定值;更进一步,从极大似然估计的思想出发,构造了一种基于时延参数和幅度系数的可信度函数,提出了通过寻找上述可信度函数的峰值以准确确定混合矩阵参数的方法.与现有的基于独立性假设的盲分离算法不同,本算法利用了语音信号频谱中普遍存在的稀疏特性,适用于求解大多数场合下的盲源分离问题.由于本算法本质上是一种非迭代的算法,且不存在发散的问题,故具有快速、稳定的特点.仿真实验和实际环境下所得到的实验结果表明,该算法能在各种信噪比的条件下准确地估计出由环境所确定的时延和幅度参数,并据此成功地分离出源语音信号,是一种面向真实环境下语音盲分离应用的有效算法.     

Kalman滤波下的多信号单通道盲源分离

窄带物联网环境中,接收机收到的信号通常为多路混合信号,对单通道接收来说,利用常规盲源分离方法很难实现混合信号的分离和源信号提取。针对这一问题,本文提出了一种利用Kalman滤波算法进行信号估计,解决单通道盲源分离的方法。该方法利用信号间的时序结构,通过Kalman滤波算法对多信号混合中的源信号不断估计并迭代更新,最终得到分离信号。仿真实验结果表明,该方法能有效估计并分离出源信号。      

一种任意信号源盲分离的高效算法

提出了信号源盲分离的DBBSS算法.利用随机变量概率密度函数非参数估计的核函数法,对混合信号的概率密度函数及其导数进行估计,并由此估计信号的评价函数(score function).解决了现有信号源盲分离算法中,普遍存在的非线性函数只能凭经验选取,以及混合信号同时包含超高斯信号和亚高斯信号时,算法失效的问题.该方法非常简单,可以直接应用于所有以非线性函数代替评价函数的信号源盲分离算法.仿真结果验证了算法的有效性.     

源信号数目大于观察信号数目情况下的盲源分离

独立分量分析(ICA)作为一种有效的盲源分离技术(BSS）是信号处理领域的热点。传统的独立分量分析都要求观察信号数目大于或者等于源信号数目，然而对于脑电图(EEG)等的一些信号处理中存在的源信号数目大于观察信号数目的情况，传统的独立分量分析算法不能有效分离。该文针对源信号数目大于观察信号数目的情况，在传统的独立分量分析技术的基础上，给出了一个新的学习算法，并将新算法与传统的独立分量算法进行了比较。实验仿真结果证明该算法在给定2个混合信号的情况下能够较好地分离3个未知语音信号源，成功实现了源信号数目大于观察信号数目情况下的盲源分离。     

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。     

An NMF algorithm for blind separation of convolutive mixed source signals with least correlation constrains

Most of the existing algorithms for blind sources separation have a limitation that sources are statistically independent. However, in many practical applications, the source signals are non- negative and mutual statistically dependent signals. When the observations are nonnegative linear combinations of nonnegative sources, the correlation coefficients of the observations are larger than these of source signals. In this letter, a novel Nonnegative Matrix Factorization (NMF) algorithm with least correlated ...     

Application of underdetermined blind source separation in ultra-wideband communication signals

Aiming to the estimation of source numbers, mixing matrix and separation of mixing signals under underdetermined case, the article puts forward a method of underdetermined blind source separation （UBSS） with an application in ultra-wideband （UWB） communication signals. The method is based on the sparse characteristic of UWB communication signals in the time domain. Firstly, finding the single source area by calculating the ratio of observed sampling points. Then an algorithm called hough-windowed method was introduced to estimate the number of sources and mixing matrix. Finally the separation of mixing signals using a method based on amended subspace projection. The simulation results indicate that the proposed method can separate UWB communication signals successfully, estimate the mixing matrix with higher accuracy and separate the mixing signals with higher gain compared with other conventional algorithms. At the same time, the method reflects the higher stability and the better noise immunity.     

基于源信号数目估计的欠定盲分离

该文利用欠定盲分离下稀疏源信号的特点,估计源信号的数目且恢复源信号。通常在用两步法来解决欠定盲分离时,首先利用K-均值算法对观测信号聚类估计出混叠矩阵,最后利用最短路径法来恢复源信号,但是在以往的算法中,第1步估计混叠矩阵时,通常假设源信号数目是已知的,从而进行K-均值聚类,而事实上源信号数目根本无法知道,因此对源信号数目的估计对两步法有很重要的影响。因此本文提出了一种新的两步法算法,其中第1步利用稀疏源信号反映在观测信号中的特征来准确地估计出稀疏源信号的数目,且能得到混叠矩阵,从而恢复源信号。最后的仿真结果,以及与通常的K-均值聚类算法对比的仿真结果说明了此算法的可行性和优异的性能。     

基于ICA的混叠声目标的分离和评价

本文提出一种基于独立分量分析战场混叠振动目标盲分离方法,并且采用相关系数来评价分离信号与源信号的对应关系.实验表明,分离声信号从波形上看很好地保持了原始信号的波形,采用相关系数评价标准能较准确地确定分离信号和源信号的次序,该方法在混叠声目标分离中具有可行性.     

基于凸优化的抗旋转图像盲源分离算法研究

盲源分离是指在没有源信号任何先验知识的情况下,只根据多个观测信号实现对源信号的恢复。本文在CAMNS算法的基础上提出了一种抗旋转的图像盲源分离新算法,该算法首先对观测图像进行预处理,提取图像旋转不变因子,然后利用图像空间局部显著性的假设将旋转后的图像盲源分离转化为可解的凸优化问题,进而求出分离矩阵,最后反解混合方程组确定源图像。实验结果表明:新算法有效地消除了旋转对盲源分离的影响,算法性能指标较ICA算法、NMF算法和CAMNS算法提高了近80%以上。      

Wideband Blind Source Separation Algorithm Based on Beamforming

As the problem of array mixing model of wideband signals cannot be solved by conventional blind source separation algorithms, an improved algorithm based on beamforming is proposed in this paper. First, the received signals are transformed into time–frequency domain, and the delays of source signals are estimated. Then, the received signals are compensated with the estimated delay in frequency domain. Finally, the desired signal is acquired by using Frost wideband beamforming algorithm. Due to adopting the new methods of single source point extraction and delay estimation, the complexity of the proposed algorithm is reduced. Pre-steering delay is used in frequency domain to eliminate the compensation error when the delay is not an integer multiple of the sampling interval, which improves the separation performance significantly. The simulation results show that the proposed algorithm can adequately solve the problem of delay mismatch and achieve wideband blind source separation effectively. The existing algorithms are mostly fail for frequency hopping signals when there are numerous overlapping time–frequency points. In this case, the proposed algorithm still has good separation performance.

     

一种自适应盲分离跳频信号的方法

在跳频扩频通信系统中,由于多个跳频信号在时域重叠,频域跳变,使得非合作接收条件下跳频信号的分离成为通信侦察和对抗中的一个难点问题.本文基于各源信号统计独立这一特性,采用独立分量分析的思想和技术,提出一种适合于跳频信号盲分离的自适应方法,并且针对不同频点上分离信号中出现的次序模糊问题,给出了一种跳频时刻估计算法和信号拼接的算法.理论分析和仿真实验表明,本文提出的方法能够有效地分离出多个跳频信号.