基于最大信噪比的盲源分离算法

提出一种新的低计算复杂度的瞬时线性混叠信号的盲分离算法,该算法利用统计独立信号完全分离时信噪比量大作为分离准则。源信号用估计信号的滑动平均代替,把源信号和噪声信号协方差矩阵的函数表示成广义特征值问题,通过广义特征值问题求解分离矩阵不需要任何迭代运算。和典型的信息理论方法相比,该算法的优点是具有非常低的计算复杂度。计算机模拟实验证明,该算法能够分离线性混合的超高斯和亚高斯源信号,并且可以有效地分离语音信号。     

几种盲源分离算法的比较

文章研究了基于高阶统计量的FastlCA算法、基于信息理论的Infomax算法和基于四阶统计量的JADE算法等几种典型盲源分离算法在噪声环境下的分离性能.比较结果显示各种算法分离噪声信号的性能是不同的.对于某些混有一定噪声的特定信号,某些算法的分离性能要优于其他信号.研究结果还表明,基于信噪比和信号的特性来选择盲源分离算法能够给出令人满意的分离效果.     

基于C MEX S函数的盲源分离仿真研究

在分析基于最大信噪比盲源分离算法数学模型的基础上,利用C语言编写S函数,并提出了基于最大信噪比盲源分离系统仿真建模的方法.在Matlab/Simulink中,构造C MEX S函数的简化结构,建立独立功能的模块(如中心化模块、白化处理模块、基于最大信噪比分离模块及后处理的排序模块等),再对各个功能模块进行有机的结合,从而搭建基于最大信噪比盲源分离系统仿真模型,为提高复杂系统模型的仿真速度,以及与仪器仪表结合的设计与调试提供了新的思路.仿真结果证明了采用C MEX S函数方式搭建模型的快速性与有效性.     

基于小波变换的全局最优独立分量分离算法

提出一种利用小波变换的低频系数作为滑动因子的盲源分离算法,通过建立以分母作为预测误差的信噪比目标函数,优化过程导致广义特征值求解,广义特征值构成的特征向量就是要求的分离矩阵,求解过程无需迭代。通过实验证明:计算量小,分离精度高,相似系数分别到达了1和0.9998,同时,可根据需要灵活选择小波基。     

基于PID神经网络的后非线性盲源分离算法

PID神经网络是一种新型的前向神经元网络,它的隐层单元包含比例（P）、积分（1）、微分（D）元,各层神经元个数、连接方式、连接权初值均按PID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法,用最大熵值方法推导了PID神经网络算法的后非线性分离学习公式,该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时,用单个PI神经网络分离;对输入3个混叠信号时,用单个PID神经网络分离;对输入更多的混叠信号时,可采用多个独立的PID神经网络来分离。仿真结果验证了单个PID神经网络算法,能分离线性或后非线性混叠信号。     

一种基于信噪比加权共识的合作频谱感知算法

以基于平均共识的分布式合作频谱感知算法为基础,提出了一种基于信噪比加权共识的合作频谱感知算法.该算法在平均共识收敛过程中引入能够反映用户的平均信噪比的权重,并以平均共识收敛值为参考确定相应的权重.在不需要信噪比信息的条件下,算法实现了认知Ad Hoc网络中基于信噪比的频谱感知信息加权共识.分析和仿真表明,在用户具有不同的平均信噪比的情况下,该算法克服了基于平均共识的分布式合作频谱感知算法无法体现用户信噪比差异的缺陷,提高了频谱感知的性能.     

一种低信噪比下的特征向量类信源数估计算法

经典的特征值类信源数估计算法在低信噪比、少快拍数条件下的估计性能急剧下降,针对该问题,提出了一种新的信源数估计算法。该算法利用采样协方差矩阵的特征向量对信噪比不敏感的特性来构造判决变量,根据改进的预测描述长度（PDL）准则来实现对信源数的有效估计,理论分析和仿真实验证明了所提算法的有效性。     

基于特征向量盲分离的多频微弱信号检测方法

研究了低信噪比条件下混合信号的盲分离,针对实际探测的微弱信号常常是多个频率微弱信号共存的情形, 进行了利用特征向量盲分离检测多个频率周期性微弱信号的研究, 以便把利用特征向量盲分离的微弱信号检测应用于信号处理中微弱信号的提取.该方法首先建立混合信号阵元接收模型,利用多路传感器信号盲分离提取有用信号,达到微弱信号检测的目的.仿真和实测数据试验结果表明,此方法可检测出湮没在强噪声环境中的微弱信号的幅度和频率,在-30dB极低信噪比下恢复出了多个弱信号,具有很高的可靠性.     

基于FastICA算法的盲源分离

近年来,ICA(Independent Component Analysis,独立成分分析)已成为处理BSS(Blind Source Separation,盲源分离)问题的主要手段,同时也受到人们越来越多的关注,为此讨论ICA的原理及其优越性.首先介绍ICA,然后引入FastICA算法的推导过程,最后通过MATLAB仿真将其与梯度算法、PCA(Principal Component Analysis,主成分分析)算法所得的仿真结果进行对比分析.通过算法验证,经FastICA处理得到的分离信号与源信号相关系数的绝对值不小于0.99,与其他两种算法比较可以明显地得到FastICA是一种更为有效的盲源分离方法.     

基于盲源分离的地震资料去噪技术

研究地震数据准确采集问题,针对地震噪声淹没在强机器噪声中,对有效地震信号的提取传统方法已经不再适用.在进行地震勘探数据采集时,经常会受到机械设备的强噪声干扰.为有效分离信号找出新技术,提出盲源分离(BSS)技术,可以在统计独立的意义下对混合信号进行分离.用BSS的原理和算法,结合地震数据的信噪模型分析,重点利用BSS来消除机器噪声.仿真结果表明,BSS在消除机器噪声的同时,能够很好的保护有效地震信号,可以大大提高资料的信噪比,为应用提供了参考.     

一种新的卫星测控副载波信号分离方法

研究卫星测控信号优化问题,针对测控侦察中卫星测控副载波信号分离识别耗时长的问题,为了满足测控侦察实时准确信息的要求,提出一种基于最大信噪比的副载波分离算法,根据独立信号分离效果越好时信噪比越大的特点,建立信噪比目标函数,利用估计信号的滑动平均代替源信号,通过广义特征值求解实现对目标函数的优化,求出的广义特征值所构成的特征向量矩阵即为目标函数的最优解,优化过程不需要任何迭代.MATALAB仿真结果表明,与FastICA算法相比,运算复杂度低,分离效果较好,能够较好地分离卫星测控副载波信号,满足测控侦察的要求.     

基于盲源分离和噪声抑制的语音信号识别

为了更准确地在噪声环境中对不同语音信号进行识别,提出了一种用于普适语音环境下的自优化语音活动检测(VAD)算法,该算法运用个性化语音命令自动识别系统的语音信号,并能够有效地从多个发声者的混合语音中分离出个体发声者的声音,通过跟踪语音功率谱的较高幅度部分和自适应地抑制噪声来检测发声者的语音信号;设计并实现了一种处理多个发声者任务的自动语音识别(ASR),免去了对干净的语音变化进行先验估计,直接利用噪声本身产生语音/非语音判决的阈值以完成自优化过程;使用语音数据库NOIZEUS进行了评价测试,实验结果表明,所提出的盲源分离和噪声抑制方法不需要任何额外的计算过程,有效地减少了计算负担。     

应用信号变化度的线性混合信号盲分离算法

论文首先给出了信号变化度的概念,并证明了信号变化度的一个性质:互相独立的一组源信号的线性混合信号的变化度介于源信号中的最小变化度和最大变化度之间。然后,利用矩阵广义特征值理论,给出了一种基于线性混合信号盲分离算法。该算法计算简单,具有闭解形式;并能分离源信号中既有亚高斯信号又有超高斯信号的情况。仿真结果表明该算法是有效的,并具有很好的分离性能。     

基于占格率的实时盲信号分离系统设计及实现

以占格率理论为基础,提出搜索分离阵权值的盲分离算法。该算法采用统计估计权值分布的方法。并通过约束权值的搜索范围,有效地去除了伪权值估计带来的干扰,适用于各种瞬时混合信号的分离。通过对该盲分离算法进一步简化与改进,设计了一种适合于语音盲分离的实时处理系统,并且使其在DSP系统上得以实现。计算机仿真与DSP系统的实验证明,该系统搜索准确率高,占用资源少。实时性好．可以快速有效地对混合环境进行实时跟踪。     

基于信噪比的多传感器数据融合方法

针对多个传感器对某一特性指标进行多次测量实验的数据融合问题,提出了一种基于信噪比的多传感器数据融合方法.该方法首先视各传感器的测量值为模糊集合,利用模糊集合中的最大最小贴近度来度量不同传感器测量值之间的相近程度,其次给出了不同时刻各传感器的一致性测度,然后基于信噪比定义了一致可靠性测度,最后利用一致可靠性测度得到传感器数据的融合公式.应用实例验证了该方法的有效性.同时,通过与平均值法和可靠性融合法的比较分析,表明该方法具有较好的稳健性.     

基于信号稀疏特性和核函数的非线性盲信号分离算法

文章结合核函数,把基于信号稀疏特性的线性盲分离方法应用于非线性混叠情况而给出了一种非线性混叠信号盲分离算法。该算法首先将混叠信号映射到高维核特征空间,其次,在核特征空间中构造一组正交基,通过这组正交基将高维核特征空间的信号映射到这组正交基张成的参数空间中,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。最后,在参数空间中,应用基于信号稀疏特性的线性盲分离方法对信号进行分离。该算法收敛精度较高,稳定性好。仿真结果表明该算法是有效的,具有良好的分离性能。     

基于脉冲噪声检测与信号压缩的滤波算法

针对传统滤波算法细节保护能力不强的缺点,提出一种基于脉冲噪声检测与信号压缩的滤波算法。在噪声检测阶段排序检测窗口内的像素点,判定极值附近灰度值落在一定范围内的点为噪声点,并生成噪声模版;在噪声滤除阶段提取滤波窗口内信息点并压缩,进一步排除误检。根据不同噪声密度进行不同滤波,并循环迭代直至整个图像中的所有脉冲噪声点被滤除。实验结果表明,该算法具有较好的噪声滤除和细节保护能力,尤其是在高强度噪声条件下效果更明显。