基于四阶累积量和简化粒子群的盲分离算法

针对线性混合盲信号分离问题,本文提出一种基于四阶累积量和简化粒子群优化的盲信号分离新算法。该算法采用信号的四阶累积量作为目标函数,运用简化粒子群优化算法对目标函数进行优化,最终实现对混合信号的盲分离。仿真结果表明,该算法能够有效实现对会议语音混合信号的盲分离,跟其他算法相比,具有更快收敛速度和分离精度。     

后非线性混合盲信号分离的一种新算法

本文提出了一种新的后非线性混合盲信号分离算法.现存算法大多需要额外的附加源信号信息,才能实现信号的分离,使盲分离变成了半盲分离.鉴于此,本文提出了一种不需要任何附加信息的全盲分离算法.首先,通过微分变换将后非线性混合模型变换成形式如同线性瞬时混合模型的形式,并论证了源信号的微分形式保留了源信号的统计特征.这样,就使非线性问题得到大大简化.其次,利用信号的相火特性建立目标函数及递推方式,用LMS算法使目标函数达到最小值,从而实现了盲信号分离的目的.最后,通过计算机仿真试验验证了本文算法的可行性和有效性.与现存算法相比,本文算法计算量小,收敛速度快,实时性好,实现了全盲分离.     

基于APSO的盲源分离算法在盲图像分离中的应用

利用独立分量分析(ICA)的自适应粒子群(APSO)算法对因传输等过程而引起的多幅灰度图像混叠进行盲分离,针对图像盲分离提出了一种基于改进的APSO的盲源分离算法并将其应用于分离模糊灰度图像。利用峰度和负熵分别作为粒子群算法的第一和第二适应度函数根据其高斯性原理作为独立性判别标准对分离矩阵进行自适应更新。分析比较不同盲分离算法对图像分离的收敛性,仿真结果证明改进的自适应粒子群算法能够很好地分离图像且计算性能指标优越,收敛效果好。     

两种图像盲分离算法性能的比较与仿真

关键比值算法利用图像像素灰度值的有界性,建立寻找分离矩阵的关键值的比值函数,并对比值函数的单调性进行分析,得到分离矩阵最佳估计值,进而可以较好地实施混合图像盲分离。与传统的联合对角化算法(JADE)相比,关键比值算法分离速度快、效果好,同时也解决了传统算法不能有效对黑点图像和相关图像分离的问题。仿真实验结果证明关键比值算法是一种综合性能非常高的盲分离算法。     

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。      

时域AMARI的盲去卷积算法研究

利用Bussgang性质作为代价函数，给出了一种基于高阶累积量的盲源分离算法，该算法利用连续修正方法对代函数进行优化，得到源信号的盲分离。针对实际应用。生成3路卷积混合信号进行仿真分离。与源信号相比，分离结果除；列顺序改变、幅值缩放和时间延迟外，其他信息基本得到了保留，从而证明了该算法的有效性。     

基于智能单粒子与信号变化度的盲源分离算法

提出了一种新的基于智能单粒子优化的有序盲源分离算法。采用信号变化度作为分离的目标函数,利用球坐标变换方法对分离向量进行变换,使用智能单粒子优化算法对目标函数进行求解,通过去相关方法从混合信号中去除已分离出的源信号成分,最终实现按照信号变化度降序分离出各源信号。仿真结果表明,本算法能够有效实现对源信号的有序分离,且分离精度很高。     

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。     

基于小波变换的混合图像EASI盲分离算法

利用独立分量分析和小波变换的特性,提出了一种基于小波变换的混合图像盲分离新算法。该方法首先通过小波变换将原始图像稀疏分解,然后采用基于分离度变步长的EASI算法对分解后的系数矩阵进行盲分离,最后根据盲分离确定的分离矩阵将原始图像恢复出来。仿真结果表明,该方法的分离精度高,分离速度快,稳定性强,在混合图像较多的情况下仍具有较好的分离效果。     

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。     

基于区域增长校正的频域盲源分离排序算法

卷积盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序模糊问题。该文提出一种基于区域增长校正的频域盲源分离排序算法。首先对卷积混合信号短时傅里叶变换,在频域的各个频点处建立瞬时模型进行独立分量分析,在此基础上使用分离信号功率比的相关性,对所有频点进行逐点排序置换。其次根据阈值将排序后的结果划分为若干个小区域。最后按区域增长方式进行区域置换与合并,最终得到正确的分离信号。区域增长校正可最大限度地减少频点排序错误扩散现象,从而改善分离效果。在模拟和真实环境中分别进行语音盲源分离实验,结果表明所提算法的有效性。     

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。      

A novel blind source separation method for single-channel signal

The blind separation of single-channel signal is one of the most important aspects in many fields. Our research is carried out to develop a blind separation method of single-channel signal, in which the singular spectrum analysis (SSA) and blind source separation (BSS) techniques are jointly used, i.e. the single-channel signal is firstly changed into pseudo-MIMO (multi-input and multi-output) mode, and then each source signal is separated via a fast BSS algorithm. A signal preprocessing procedure, which is mainly focused on testing the nonstationarity of single-channel signal, is conducted before the operations of mixed signal transform and separation. In this research, the approach of heuristic segmentation of a nonstationary time-series is proposed. Throughout the experiment, the effectiveness of the proposed method is validated with a data set taken from a digital wideband receiver in an outdoor test. Then, a comparison is made between the proposed method and the Hilbert–Huang transform (HHT)-based signal separation method. The advantage of the proposed method is exhibited.     

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。      

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

基于细菌觅食的盲源分离算法研究

细菌觅食算法是一种基于细菌觅食行为的智能优化算法.盲源分离是盲信号处理的重要方面.为了提高盲源分离的有效性,根据盲源分离和细菌觅食算法的基本原理,提出了一种基于细菌觅食行为的盲源分离算法.用MATLAB对提出的这一算法进行仿真,并将其分离结果与传统独立分量分析算法的分离结果相比较.实验结果表明这是一种分离效果优于传统独立分量分析算法的有效分离算法.证明了基于细菌觅食盲源分离算法的可行性和有效性.     

基于波束域预处理的阵列盲信号分离方法

相控阵雷达采用多个阵元进行信号的接收处理,其多通道信号处理可以采用盲信号处理的方法进行目标源信号分离.由于阵元间距导致信号在阵元间产生相位延迟,在进行盲分离的时候一般只能采用卷积混合模型,盲分离过程是较为复杂的多通道反卷积问题.文中对阵列接收信号进行波束域预处理,通过确定的空间波束相位补偿,将阵元域的多时延混合信号变换为瞬时混合信号,从而采用简单的实数分离算法即可完成信号分离,分离信号可用于后置处理.所提方法简单有效,相比常规阵列信号处理方法,可直接适用于宽带信号.仿真实验验证了其有效性.     

基于差分进化的插值置换混叠图像盲分离

针对插值置换混叠图像提出了一套完整的盲分离方案。根据插值图像像素点之间存在的相关性,通过对置换混叠图像分块进行有限差分,检测插值图像与原图像经过有限差分后的值之间的差距,设定适当的阈值,将其分开。为获得最优阈值,用差分进化算法进行优化,获得最优阈值。根据阈值将图像二值化,进而将置换图像分离出来。实验结果表明,该方法比阈值法的鲁棒性强,对经过不同插值方式的置换混叠图像进行盲分离都有较好的效果。