盲信号分离技术研究与算法综述

盲信号分离技术是从接收信号中恢复未知源信号的有效方法,已经成为神经网络和信号处理等领域新的研究热点。首先介绍盲信号分离的发展状况,然后在介绍了盲信号分离的线性瞬时模型、线性卷积模型和非线性模型的基础上,对相应模型求解算法的基本原理、特点进行了阐述,接着还对与盲信号分离紧密相关的盲信号抽取技术进行了综述,最后指出盲信号分离技术的研究方向和广阔的应用前景。     

基于遗传神经网络优化的过程信号盲分离算法

研究一种较新的盲信号神经网络分离(BSS)方法,用于过程信号去噪.由于盲信号分离神经网络存在容易陷入局部极小点、收敛速度慢的缺点,研究采用遗传算法优化盲信号分离神经网络权值的初值,将遗传算法与神经网络(HJNN)结合形成GA-HJNN算法,可迅速得到最佳盲信号分离神经网络的权值矩阵,实现对过程信号的去噪,并通过实验对2种算法进行了比较.     

一种盲信号分离算法的改进研究

盲信号分离在信号处理领域中逐渐变得重要起来,其为混合信号的分离提供一种较好的途径。独立分量分析是盲信号分离中的主流方法之一,其中的快速ICA算法更是具有分离效果好、收敛速度快的特点,具有广泛的应用。本文介绍盲信号分离的基本原理,详细阐述快速ICA算法,并且根据快速ICA算法应用中的局限性做出一些改进,取得较好的效果。     

超定条件下的盲信号提取算法

基于信号峭度理论,提出一种超定条件下的盲信号提取算法。该算法将混合矩阵辨识转化为一系列Givens矩阵辨识,从观察信号中一次提取出一个源信号。对于超定盲信号分离问题,待未知所有独立分量分离出后,余下分量可以看作是一个或多个独立分量的拷贝,是冗余信号。在算法运行结束后,所有源信号分离出,实现超定盲信号分离。该算法计算简单,收敛性好。计算机仿真试验验证了算法的有效性。     

一种改进牛顿法的盲源分离算法

针对盲信号分离中超高斯信号亚高斯信号混叠难以分离的问题,提出一种基于改进牛顿法的盲源分离算法.该方法引入开关准则,利用随机变量的峭度来区分信号的类型,不同的信号选择不同的非线性函数,通过牛顿迭代方法求出分离矩阵,实现同时含有超高斯信号和亚高斯信号的杂系混合信号的盲源分离.仿真实验表明了该方法计算量小,易于实现,对于杂系...     

基于小波域的非平稳卷积混合 语音信号的自适应盲分离

一些卷积混合信号的盲分离算法是迭代性的，不适于实时应用．为此提出一种基于小波域的算法，用于卷积混合信号的自适应盲分离．对基于小波域的算法进行仿真，并与频域盲信号分离算法进行对比，结果表明所提出的算法能提高盲信号分离的性能。     

基于信息熵的混合信号分离

盲信号分离是一种从混合信号中分离出独立信号的有效方法。在源信号和信道均未知的情况下,只需要满足源信号相互独立这一条件即可分离。先通过白化去除混合信号之间的线性相关性,再通过最小化信号的信息熵,消除各信号之间的高阶相关性,从而达到分离的目的。     

基于递归神经网络结构的非平稳信号自适应盲分离

基于递归网络分离结构并利用时间相关的评价函数，针对二输入二输出盲信号分离问题，提出了一种非平稳信号的自适应盲分离算法。该算法计算量小，可根据输出信号能量大小有选择地更新分离系数。并可扩展到多输入多输出盲分离问题。仿真验证对声音等非平稳信号具有良好的分离效果。     

基于约束NMF的欠定盲信号分离算法*

提出一种约束非负矩阵分解方法用于解决欠定盲信号分离问题。非负矩阵分解直接用于求解欠定盲信号分离时,分解结果不唯一,无法正确分离源信号。本文在基本非负矩阵分解算法基础上,对分解得到的混合矩阵施加行列式约束,保证分解结果的唯一性;对分解得到的源信号同时施加稀疏性约束和最小相关约束,实现混合信号的唯一分解,提高源信号分离性能。仿真实验证明了本文算法的有效性。     

一种时域盲信号分离系统的DSP实现

盲信号分离是当前信号处理研究的热点课题之一,在无线数据通信、医学、语音以及地震信号处理等领域有着广阔的应用前景.本文基于一种可用于真实环境中的盲信号分离算法,采用TI公司的浮点DSP芯片(TMS320C6701)EVM板实现了一个语音信号的盲信号分离系统.经现场验证,该系统不仅达到了实时处理的要求,而且对真实房间中的两路语音信号的盲分离得到了较好的效果.     

一种盲信号处理中的时域自适应滤波算法

滤波是信号处理中的重要环节,鉴于盲信号处理本身的特点,传统的滤波技术并不适合直接用于盲源分离之中。然而作为分离前的预处理,滤波技术在独立成分分离算法中是必要的。为此,本文结合稳健的数据非线性投影,首次提出盲信号中的自适应滤波方法,与此同时给出了具有自适应特性的阈值判决。在此基础上构造了盲信号中的自适应滤波算法,解决了利用低通和高通滤波处理盲信号所遇到的问题。仿真结果表明,在不破坏数据统计特性的前提下,该方法能有效滤除数据中的野值成分,避免了野值数据对独立成分分离算法性能的影响,为盲信号分离的预处理开辟了一种新的途径。     

盲分离问题的可分性理论

对盲信号分离的基本理论问题进行了探讨,给出了从混叠信号中分离出源信号的充要 条件,并回答了源信号能提取的数量问题.同时,还给出了基于该理论的盲分离算法,该方法适应 于病态混叠情形下的提取.且就几种不同的情况进行了计算机仿真.仿真结果表明了所提理论的 正确性及相应算法的有效性.     

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。     

一种基于多层神经网络的盲信号分离算法

基于多层神经网络,提出一种盲信号分离算法.该算法不对信号的密度模型做任何假设,通过多层神经网络估计任意信号的概率密度函数,并由此估计信号的评价函数.同其他方法相比,该方法不仅具有更好的分离性能,而且收敛速度较快.该方法可直接应用于所有以非线性函数代替评价函数的盲信号分离算法.实验验证了方法的有效性.     

一种波束域子带盲源分离新方法

针对传统时域盲源分离算法对宽带不适用、计算量较大和对信噪比(SNR)变化敏感这三个问题,提出了一种波束域子带盲源分离(BSS)方法：它以子带分解的方法实现了时域盲源分离算法在宽带情形下的扩展;利用波束转换实现降维运算,大大减少了运算量和提高了算法的稳健性。仿真结果表明,与阵元域盲源分离算法相比,新方法具有低信噪比时较好的源信号波形估计能力。在源数目等先验信息未知的情况下,与Root-Music高分辨算法具有近似的角度估计性能。     

A parametric density model for blind source separation

In this paper, a parametric mixture density model is employed to be the source prior in blind source separation (BSS). A strict lower bound on the source prior is derived by using a variational method, which naturally enables the intractable posterior to be represented as a gaussian form. An expectation-maximization (EM) algorithm in closed form is therefore derived for estimating the mixing matrix and inferring the sources. Simulation results show that the proposed variational expectation-maximization algorithm can perform blind separation of not only speech source of more sources than mixtures, but also binary source of more sources than mixtures.     

Separating mixed multi-component signal with an application in mechanical watch movement

This paper presents a method to combine signal decomposition with blind signal separation for separating one-dimensional mixed multi-component signal of mechanical watch movement. The method consists of three steps. First, a multi-component signal is decomposed into a set of redundant signals, called pseudo multi-channel mixtures, using the continuous wavelet transform (CWT). Then, independent component analysis (ICA) is used to acquire the independent components. Finally, a correlation criterion is applied to automatically select the source components. The new method can effectively separate a multi-component signal into a series of independent components corresponding to different sources. The effectiveness of this method is demonstrated by means of a computer simulation example. And the proposed method is applied for analyzing and diagnosing mechanical watch movements. It is found that the separated source components effectively reveal the insight of the mechanical watch movement, and can be used for fault diagnosis.     

基于最小二乘方的语音信号实时盲分离

研究语音信号盲分离的实时算法.盲信号分离技术在视频会议系统、语音信号预处理以及生物医学信号处理中都得到广泛应用.在本文中,利用最小二乘方原理并结合语音信号非平稳的特点,对混合语音信号进行实时分离.实验结果表明,基于最小二乘方的算法是非常有效的实时盲信号分离算法.