一种基于负熵的信赖区域盲分离方法

研究基于瞬时混合信号的盲分离问题。以负熵作为代价函数,提出了一种基于最大化负熵的信赖区域盲源分离方法,该方法保持了牛顿法的快速收敛特性,具有全局收敛性。分别用基于负熵的信赖区域法和牛顿算法对三路随机混合信号实施分离,仿真结果证明该方法且具有和牛顿算法一样的收敛速度,而稳态误差比牛顿算法减小约7dB,因此具有更好的稳态性能。     

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.     

基于快速独立分量分析的多维混合信号盲分离

介绍了一种用于盲信号分离的快速独立分量分析方法(FastICA).该方法以信息论中的负熵作为估计输出分量之间统计独立的目标函数,通过优化该目标函数,得到快速独立分量分析的迭代算法.由于该迭代算法不需计算输出分量的高阶统计量,收敛速度快.通过线性混合时间信号分离和图像信号分离的仿真实验表明Fas-tICA算法可以快速有效地分离这些信号.     

大型风力机主轴承故障信号提取方法

针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出了基于粒子群优化的盲源分离算法.算法根据负熵最大化判据,采用粒子群优化算法对盲源分离过程进行优化,且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.     

基于神经网络的自适应非线性盲源分离ICA算法研究

基于神经网络的非线性盲源分离ICA算法是盲源信号处理的重点。传统的神经网络非线性盲源分离ICA算法的学习速率是固定的,当设定的学习速率较小、误差较大时,迭代参数需要很长时间才能收敛,从而影响盲源分离的效果。根据误差调节的学习速率以及迭代停止标准中不同时刻的误差权重,提出一种基于神经网络的自适应非线性盲源分离ICA算法,该算法可以使得学习速率随着迭代过程中盲源分离的效果而发生变化。仿真结果表明,与传统的神经网络非线性盲源分离ICA算法相比,该算法可以达到理想的盲源分离效果。     

基于负熵极大的独立分量分析方法

独立分量分析（Independent Component Analysis,ICA）是近年来发展起来的一种有效的盲源分离技术（Blind Source Separation,BSS）．本文介绍了独立分量分析的基本理论,用基于最大熵原理的对负熵的估计方法得出了ICA的目标函数,并介绍了基于负熵极大的FastICA算法．MATLAB仿真试验表明：该算法可以较好地分离混合声音信号,具有良好的稳定性,收敛速度较快.     

一种快速在线盲源分离方法

传统的独立分量分析方法大多采用批处理的方式,不能满足时变混合系统中盲源分离的需要.文章通过修改基于负熵的代价函数,导出了一种快速在线盲源分离算法,并采用一种基于函数估计的自适应变步长方法优化了算法的性能.通过真实录制语音信号的仿真试验,说明算法的收敛速度和稳态性能均优于自然梯度变步长算法.     

基于独立分量分析的混叠跳频信号分离算法

为解决混叠跳频信号的分离问题,在深入研究独立分量分析（ICA：Independent Component Analysis）理论基础上,结合跳频通信的特点,提出了基于独立分量分析的混叠跳频信号分离算法,实现了对混叠跳频信号的盲分离。该算法将基于负熵最大化的FastlCA算法应用到混叠跳频信号分离中。通过仿真实验表明,该算法能成功地排除乘性噪声干扰,完成对混叠跳频信号的分离。虽然分离信号的幅度、相位等参数较源信号发生了变化,但并不影响后续工作。这一过程在未知任何先验参数的条件下完成,并取得了较好的分离效果,为跳频通信信号的分离工作提供了新思路。     

基于步长最优化的EASI盲源分离算法

针对通信信号的盲分离问题,在EASI批处理算法的基础上,提出了一种基于步长最优化的EASI盲源分离算法(SO-EASI).该算法基于最速下降法的思想来调整步长,因此该算法不论迭代步长的初始值如何选取,其收敛速度相对固定步长的迭代算法都有很大幅度的提高,计算机仿真验证了该算法对通信信号分离的有效性.结果表明当初始步长为0.02时,其算法的收敛速度比固定步长的EASI算法以及VS-EASI算法的收敛速度提高10倍以上.     

一种低复杂度非对称混合信号盲分离算法

针对符号速率相同的功率非对称混合信号盲分离问题,提出一种低复杂度盲分离算法。该算法仅需确定强信号最佳采样点,进而消除强信号影响,避免了传统算法波形重构过程,并且通过迭代译码结构来改善强弱信号的分离性能,重点研究了混合信号中强信号的消除以及强弱信号的迭代译码结构。仿真实验表明,对采用(2,1,2)卷积码的QPSK混合信号,强弱信号幅度比为0.5时,可以达到最佳分离性能,混合信号经2次迭代译码后,分离性能提升约1d B。     

基于KL散度的增量非负矩阵分解盲源分离算法

利用KL散度衡量增量非负矩阵分解效果,提高非负矩阵分解性能;施加行列式、稀疏性和相关性等约束条件,保证盲源信号分离的唯一性和性能;采用自然梯度下降法并选择合适的学习速率,得到源分离算法,该算法利用前一次分离结果和现在的输入信号矢量,迭代更新分离矩阵。仿真表明,KL-INMF盲源分离算法性能优于基于欧式距离INMF的盲源分离算法。     

基于ICA和神经网络的手写体字符识别系统

探讨独立分量分析在字符识别系统中的应用.在分析图像处理及其特征提取的基础上,提出一种可有效提高字符识别精度、降低误识率的基于独立分量分析和神经网络的手写体字符识别系统.实验表明,提出的字符识别系统与单独基于神经网络的字符识别系统相比,其识别率和适应性优越,适合应用于对字符识别精度要求高的场合.     

回波对消中盲源分离算法的研究与仿真

盲源分离因为可以仅根据接收到的观测信号来估计还原源信号,成为近年来在信号处理领域的研究热点.针对盲源分离中的基于峭度的独立分量分析算法在源信号还原的过程中计算量较大的问题,采用共轭梯度方法对独立分量分析法进行优化,优化后的算法收敛速度更快,稳态误差变小.Matlab仿真实验表明,优化后的独立分量分析算法收敛更快,实际分离效果更好.     

CDMA盲自适应独立分量多用户检测器

为了解决码分多址（CDMA）下行链路中仅需期望用户的扩频码和定时的盲自适应多用户检测的问题,基于独立分量分析（ICA）的理论,采用探查性投影追踪法,结合负熵和修正函数构造出新的代价函数．运用非多项式函数简化了负熵运算,而采用修正函数克服了独立分量分析的不确定性．经过理论推导和仿真验证,该算法计算量小,收敛速度较快,在恶劣的信噪比和多址干扰中具有优异的信干噪比和误比特率性能,因此该检测器抗多址干扰（MAD和远近效应能力强,很有实用价值．同时该算法对用户数敏感性小,在线处理方式也适用于非平稳信道．     

一种小波域盲源分离算法

针对基于相合束广义特征分解时域盲源分离方法受滤波器或时延影响大、性能不稳定的问题,提出了一种基于相合束广义特征分解的小波域盲源分离算法．该算法通过信号小波变换的正交性,增强信号的非高斯性,减小信号的分离难度;利用双正交小波具有线性相位特性且对信号有良好逼近能力的优点,对小波系数进行相合束广义特征分解,得到稳定的分离矩阵．该算法不仅保留了时域算法的优点,而且可以随机选取滤波器,当源信号多于3个时仍可以完全分离出源信号．4个语音信号的盲源分离仿真结果表明了算法的有效性．     

盲分离在缺陷信号处理中的应用

针对钢管二维漏磁检测系统中,轴向缺陷检测装置中探头采集到各路轴向缺陷信号之间的互扰问题,采用基于相对梯度算法的盲分离技术,消除探头中各通道传感器采集信号之间的互扰.仿真结果表明,该方法具有稳定的可靠性和有效性,可以有效消除信号间互扰,提高检测设备探测缺陷能力,具有一定的应用前景.     

白化处理的自然梯度盲源分离统一算法

分析了基于自然梯度的信号白化处理和白化后的盲信号分离,提出了一种基于白化处理的自然梯度盲源分离算法.算法统一了信号的白化和分离,而不需要单独再对信号进行白化预处理,通过采用自然梯度学习规则提高了算法的性能,并理论证明了算法的可分离性、等变化性和分离矩阵的非奇异性.仿真表明,算法能够有效地分离和重构源信号,相比信号未白化的随机梯度算法以及传统的FastICA算法,收敛速度快、分离效果好,更适合盲源分离.