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。     

一种非平稳卷积混合信号的时域盲源分离算法

该文将卷积混合盲源分离模型中的向量进行重新规划并对联合近似对角化方法加以推广,提出一种非平稳卷积混合信号的时域盲源分离算法。该算法先将采集到的卷积混合信号进行重排,使之满足重新定义向量后的瞬时混合模型特征,然后考虑到信号的非平稳特性,采用空间白化和联合近似块对角化方法分离出源信号。由于没有使用域变换而是从新的角度将卷积混合问题简化为瞬时混合问题,避免了卷积运算或域映射过程,降低了算法的复杂度。仿真实验验证了该算法的有效性并就参数的变化对信号干扰比的影响进行了分析。     

一种非平稳卷积混合信号的时域盲源分离算法

该文将卷积混合盲源分离模型中的向量进行重新规划并对联合近似对角化方法加以推广,提出一种非平稳卷积混合信号的时域盲源分离算法。该算法先将采集到的卷积混合信号进行重排,使之满足重新定义向量后的瞬时混合模型特征,然后考虑到信号的非平稳特性,采用空间白化和联合近似块对角化方法分离出源信号。由于没有使用域变换而是从新的角度将卷积混合问题简化为瞬时混合问题,避免了卷积运算或域映射过程,降低了算法的复杂度。仿真实验验证了该算法的有效性并就参数的变化对信号干扰比的影响进行了分析。     

基于子空间分解的多通道盲解卷积算法

针对卷积混合信号,提出了一种新的多通道盲解卷积算法,该算法首先利用子空间分解方法,将信号卷积混合模型变换成线性混合模型,然后利用线性混合盲分离算法分离出源信号.该算法相对频域盲解卷积算法来说无需解决线性混合盲分离中存在的幅度和排列顺序的模糊性问题,而且该算法不要求信号独立同分布,只要求各源信号统计独立即可.因此,该算法可以直接在中频对观察信号进行处理.计算机仿真结果表明,该算法不仅能对不同频不同调制方式的通信信号进行盲解卷积,而且对同频同调制的通信信号,该算法同样有效.     

α 稳定分布噪声下基于核方法的非线性信道均衡算法

为了提高α稳定分布噪声下非线性信道均衡器的性能,本文利用核方法处理非线性问题,结合最小平均p范数算法的核心思想,构造了α稳定分布噪声下基于核方法的非线性均衡器,提出并推导了α稳定分布噪声下核最小平均p范数均衡算法。首先,通过核函数将接收信号映射到高维特征空间;然后,在高维特征空间中利用LMP算法对信号进行均衡;最后,将均衡器的输出信号表示为内积形式并利用核函数将其转化到输入空间进行计算。理论分析和仿真实验结果表明,与核最小均方算法和最小平均p范数算法相比,新算法在保证收敛速度的前提下降低了稳态误差,能够更好地对α稳定分布噪声下的非线性信道失真进行补偿。      

基于时频域单源区域的延迟欠定混合非平稳信号盲分离

针对衰减-延迟欠定混合信号的盲分离问题,提出了基于子空间分解的时频域上单源区域检测方法,估计出信号在时频域上的单源区域以及相应的特征向量,然后利用系统聚类法对单源区域对应的特征向量进行聚类分析,估计出源信号数目以及混合矩阵,最后通过改进的基于子空间投影算法完成源信号的恢复.仿真结果表明本文算法提高了混合矩阵和源信号的估...     

核加权RX高光谱图像异常检测算法

提出了一种新的基于混合核函数的加权RX算法,用于高光谱图像异常检测.在将原始高光谱数据非线性映射到高维特征空间以挖掘高光谱图像波段间蕴含的非线性信息后,自适应地赋予特征空间RX算子中采样协方差矩阵各光谱向量相应的权值.权值的大小与光谱向量到质心的距离成反比,从而削减了协方差矩阵中异常数据比重,使加权协方差矩阵更好地表征背景数据分布.最后利用核函数性质将高维特征空间的内积运算转化为低维输入空间的核函数计算,并根据高光谱数据特点线性组合新型光谱核函数和径向基核函数以改善算法性能.为验证算法的有效性,利用真实的高光谱数据进行了仿真实验,结果表明该算法优于特征空间的RX算法,能检测到更多的异常目标.     

基于NPCA的盲源分离算法

主要讨论了基于非线性主分量分析(NPCA)的盲源分离,从理论与实验2个方面详细分析了算法的特性与效果。针对算法中的非线性函数选择的问题,采用了在线统计的方法,即根据不同的输入信号选择不同的非线性函数。从实验结果可以看出,该方法不仅可以很好地解决源信号为亚高斯信号混合的盲源分离问题,而且对源信号为亚高斯和超高斯信号混合的盲源分离问题也取得了很好的效果。     

一种考虑光谱变异性的高光谱图像非线性解混算法

非线性解混可以解释高光谱图像复杂场景中的非线性混合效应,但地物的光谱变异性是其中的一个难点。提出一种考虑光谱变异性的无监督非线性解混算法。通过核函数将原始高光谱图像数据隐式地映射到高维特征空间中,从而在该空间中结合光谱变异性进行线性解混;与此同时,依据实际地物的分布特性,添加丰度和光谱变异系数的局部平滑约束。模拟和真实高光谱数据的实验结果表明,该方法能克服不同非线性混合场景中存在的光谱变异性问题,提高光谱解混的精度。     

基于批处理和核函数的非线性盲源分离算法

针对基于核函数的非线性盲源分离算法性能对核函数及其参数选择依赖性强这一问题,提出采用批处理方法代替聚类和核主成分分析方法来构造低维近似子空间的正交基,以改进基于核函数的非线性盲源分离算法对核函数及其参数变化的稳健性,并对这种改进的非线性盲源分离算法进行了完整的分析.通过仿真实验,对分离信号与源信号求相似度,可以看到提出...     

盲信号分离的现状和展望

盲信号分离是近几年才发展起来，用于解决从混合观测数据中分离源信号的一门新技术，已在许多领域获得了广泛应用。本文介绍了盲分离的主要理论和两大类实现方法——独立分量分析和非线性主分量分析，并在此基础上介绍了实现盲信号分离的不同算法、在非线性混合情况下的算法以及盲信号分离将来的发展方向。     

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。      

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.     

Blind equalization algorithm based on complex support vector regression

A new blind equalization algorithm for complex valued signals was proposed based on the framework of complex support vector regression(CSVR).In the proposed algorithm,the error function of multi-modulus algorithm (MMA) was substituted into CSVR to construct the cost function,and the regression relationship was established by widely linear estimation,and the equalizer coefficients were determined by the iterative re-weighted least square (IRWLS) method.Different from spliting the complex valued signals into real valued signals used in support vector regression,the Wirtinger’s calculus was used in complex support vector regression to analyze the complex signals directly in the complex regenerative kernel Hilbert space.Simulation experiments show that for QPSK modulated signals,compared with the blind equalization algorithm based on support vector regression,the equalization performance of the proposed algorithm is significantly improved in linear channel and nonlinear channel by choosing appropriate kernel function and iterative optimization method.     

A Non-Linear Blind Source Separation Method Based on Perceptron Structure and Conjugate Gradient Algorithm

The linear mixing model has been considered previously in most of the researches which are devoted to the blind source separation (BSS) problem. In practice, a more realistic BSS mixing model should be the non-linear one. In this paper, we propose a non-linear BSS method, in which a two-layer perceptron network is employed as the separating system to separate sources from observed non-linear mixture signals. The learning rules for the parameters of the separating system are derived based on the minimum mutual information criterion with conjugate gradient algorithm. Instead of choosing a proper non-linear functions empirically, the adaptive kernel density estimation is used in order to estimate the probability density functions and their derivatives of the separated signals. As a result, the score function of the perceptron’s outputs can be estimated directly. Simulations show good performance of the proposed non-linear BSS algorithm.     

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。     

Method for eliminating mode mixing of empirical mode decomposition based on the revised blind source separation

Since mode mixing of empirical mode decomposition (EMD) is mainly caused by the intermittence and noise, we propose a novel method to eliminate mode mixing of EMD based on the revised blind source separation. To this aim, an optimal morphological filter is employed to eliminate the noise. As a result, the component of mode mixing caused by noise is suppressed. Furthermore, the de-noised signal is decomposed into different intrinsic mode function (IMF) components through the EMD algorithm. Since it is impossible to apply blind source separation to a single channel signal directly, the IMF component, which has mode mixing is chosen and reconstructed in the phase space. Following that, the equivalent hypothetical signals are obtained. Finally, an improved fixed-point algorithm based on independent component analysis (ICA) is introduced to separate the overlapping components. The analysis of simulation and practical application demonstrates that our proposed method can effectively tackle the mode mixing problem of EMD.     

GMSK混合信号的PSP盲分离算法

针对GMSK混合信号的单通道盲分离问题进行了研究。由于不能直接采用逐幸存路径处理(PSP)算法对GMSK混合信号进行分离,考虑对GMSK信号作线性近似处理,使得GMSK混合信号适用于PSP算法。该算法通过在符号序列和信道参数组成的联合空间进行最大似然估计,保留最优路径,输出符号对,从而获得分离信号。仿真结果表明,使用PSP算法对GMSK混合信号进行分离的误码率性能略优于粒子滤波算法误码率性能,但复杂度远低于粒子滤波算法。