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。     

基于快速沃尔什-哈达玛变换的OVSF码盲识别算法

在深入研究可变长扩频因子（Orthogonal variable spreading factor,OVSF）码递归构造原理、码树结构模型、数学理论基础以及分配原则的基础上,针对宽带码分多址（Wideband code division multiple access,WCDMA）信号非合作接收情况,提出了一种基于快速沃尔什-哈达玛变换的OVSF码盲识别算法。该算法利用OVSF码的继承关系、正交特性以及数据的循环移位,并结合快速沃尔什-哈达玛变换,消除了数据解扩模糊性,降低了计算复杂度。理论分析和实验结果表明：本文算法在非合作和无先验信息以及低信噪比情况下,可对WCDMA系统下行信道中的多个OVSF码进行快速解扩与盲识别,具有很好的可靠性、有效性和实用性。实测中,本文算法8.2 ms可完成3帧数据内20个OVSF扩频码的同时识别,识别准确率在95%以上,具有很高的工程应用价值。     

小波盲源分离算法的仿真及FPGA实现

提出了一种基于小波变换的盲源分离方法,在理论分析和仿真结果的基础上,给出了FPGA的实现方案.针对传统盲分离算法对源信号统计特征敏感的弱点,该方法在小波变换域实施盲分离算法.同时,在分离过程中引入了空域相关滤波,使本文方法具有抗噪特征.将该方案应用于多接收天线系统中的多跳频信号的分离应用中,仿真结果证明了该方案的可行性和有效性.     

一种基于后非线性盲分离的图像解混技术研究

文中将一种后非线性盲分离算法应用于图像解混,该算法不需要额外的附加源信号信息,实现了非线性混合图像的全盲分离.首先,对后非线性混合模型进行微分变换,形成如同线性瞬时混合模型的形式,经论证源信号的微分形式仍保留了源信号的统计特性,达到简化的目的;其次,依据信号的相关特性来建立相应的目标函数及其递推方式,实现盲信号分离目的;最后,通过仿真试验来验证文中算法的有效性、可行性.实验证明,所采用的算法计算量小、收敛速度快、分离指标高,实现了混合图像的全盲分离,扩大了盲分离算法在图像解混技术中的应用范围及影响.     

基于前馈网络的盲分离算法

本文基于盲定位(Blinlind Surce Localization,BSL)指导盲分离(Blind Source Separatton,BSS)的思想,提出了一种用无限冲激响应(IIR)滤波器来构造前馈分离网络的盲分离算法.该算法不仅解决了传统盲分离算法不能估计信号源数目和不能确定分离输出信号与源信号之间的对应关系的问题,还能在实施信号分离处理之前判断所构造前馈分离网络的稳定性.对语音信号的仿真实验验证了该算法的有效性.     

基于Givens变换和二阶振荡W-C-PSO优化的盲源分离算法

针对智能算法在实现盲源分离时容易陷入局部最优且收敛速度缓慢的问题,提出一种基于Givens变换和二阶振荡粒子群优化的盲源分离算法。该算法首先将惯性权重与学习因子两个参数构造函数关系,使之共同调节算法迭代来提高算法的整体性与全局搜索能力;再引入二阶振荡环节增加种群的多样性,这样算法不易陷入局部最优;此外,采用Givens变换将分离矩阵转换成旋转角度表示形式来降低算法的复杂度。仿真表明,该算法能有效实现机械振动信号和语音信号的盲分离,并且相比其他算法具有更快的收敛速度和更好的分离性能。     

利用粒子流滤波的单通道BPSK信号盲分离算法

由于粒子滤波本身的"粒子贫化"问题,导致基于传统粒子滤波的单通道信号盲分离算法分离性能恶化以及计算量较大,本文提出了一种基于粒子流滤波的单通道BPSK信号盲分离新算法。根据由两路BPSK信号混合的单通道信号,构造了测量方程和状态方程。然后,通过将状态空间中服从先验分布的粒子移动到其对应的后验分布上,实现了粒子更新,其不同于粒子滤波采用重采样来更新粒子,避免了"粒子贫化"现象发生。最后,采用一种基于弱解形式的粒子流滤波器实现BPSK信号的盲分离。计算机仿真结果表明,与粒子滤波算法相比本文算法具有更低的误码率和计算复杂度。     

一种采用径向基神经网络的盲源分离算法

针对传统盲源分离算法的计算复杂问题,提出一种基于径向基(RBF)神经网络盲源分离算法,用K均值聚类算法对中心值和宽度值进行确定,用最大熵为代价函数来确定权值,所用的代价函数保证了网络的输出尽可能独立,使信号能正确地分离.仿真中,用于对线性混合信号进行盲源分离,并与最大熵(ME)算法进行比较.结果表明,盲源分离算法能减少分离时间和提高分离效率,并且能大大降低计算量,比ME算法更好.     

一种新的卷积混合信号的盲分离算法

研究了一种新的线性卷积混合信号的盲分离算法。该算法通过计算预白化观测数据的零时延和多时延自相关协方差矩阵,获得了多时延处理的二阶解相关统计信息。利用得到的二阶统计信息构建了两个对称正定矩阵,通过使用Cholesky分解和奇异值分解等一系列变换,得出了惟一存在的矩阵。理论分析表明,该矩阵可以使两个正定矩阵同时精确对角化。计算机仿真表明,该算法与已有算法相比,运算时间短,盲分离性能更优。     

一种盲源分离的优先进化自适应遗传算法

盲分离技术与独立分量分析(ICA)由于不需要知道信号的先验信息而得到广泛应用.ICA是信号处理的一种新技术.其基本目标是寻找线性变换矩阵,将观测的多维混合信号进行变换,变换后的输出信号各分量之间尽可能统计独立.将改进的遗传算法(GA)与ICA相结合,提出基于优先进化自适应GA的盲源分离算法,并与传统的遗传算法进行了比较,证实了其具有更好的收敛性和稳态性能.对3段声音信号进行了仿真,仿真结果证明了算法的有效性.     

Bi-iterative least squares algorithms for blind channel identification and equalization with second-order statistics

We present an adaptive algorithm for blind identification and equalization of single-input multiple-output (SIMO) FIR channels with second-order statistics. We first reformulate the blind channel identification problem into a low-rank matrix approximation solution based on the QR decomposition of the received data matrix. Then, a fast recursive algorithm is developed based on the bi-iterative least squares (Bi-LS) subspace tracking method. The new algorithm requires only a computational complexity of O(md2)...     

基于特征值分解的循环平稳离散时间信号的盲分离

盲分离的目的是从观测到的混叠信号中恢复出各个未知的源信号,现今的很多方法都是利用了信号时域表示的某些统计特性来解决这个问题。从信号频域分析的角度提出了一种利用信号的循环平稳特性来处理离散时间信号的频域盲分离方法。该方法构造两个二阶统计矩阵的乘积,并对该乘积矩阵进行特征值分解,从而实现源信号的分离;同时,还对特征值分解的条件进行了分析。该方法在低维信号的情况下可以取得相当满意的分离效果,仿真结果表明该方法具有良好的性能。     

基于输出解相关的分数间隔直接盲均衡算法

提出一种基于输出解相关的分数间隔直接盲均衡算法.该算法基于过采样接收信号或多传感器接收信号产生的分数间隔单输入多输出线性信道模型,利用均衡器输出的解相关特性和二阶统计量来直接估计均衡器,不需要预先估计信道冲激响应,可直接估计任意延迟的均衡器系数.该算法与传统的基于二阶矩的两步均衡算法相比,计算简单,精度高.仿真结果表明,该算法具有很好的均衡效果.     

小波变换结合盲源分离的EEG情感识别

由于脑电信号独立源数目的不确定性以及其他噪声的干扰,使得采集的脑电信号各导信号之间产生串扰、源信号难以估计以及噪声混杂等问题,严重影响了对脑电信号的分析研究。将小波变换与盲源分离算法相结合,并对盲源分离算法中维格纳分布存在的交叉项干扰现象进行重排处理。主要思路是首先将每一导信号进行小波变换,提取出特征波β波,然后对这些β波信号进行基于重排光滑伪维格纳分布的盲源分离,分离出关联性极大的β波成分。实验结果表明,所用方法分离出了各导信号中关联性大的脑电信号成分,并在一定程度上解决了源信号难以估计等问题,使识别结果有明显的提升。     

二、四阶组合时延统计量多乐器盲分离

为改善有噪条件下多轨复调音乐乐器分离算法性能,引入了度量乐器时间序列能量非平稳性的四阶累积量,提出了一种二、四阶组合时延统计量复调音乐乐器盲分离算法。首先根据四阶累积量函数,得到使全局混合矩阵与加性噪声正交的线性变换。对经线性变换预处理后的多轨音乐数据利用二、四阶组合时延统计量,估计出混合矩阵和源乐器信号。仿真实验证明,这种组合时延统计量乐器分离法较二阶统计量算法能够更精确地分离出复调音乐中的源乐器,尤其适于低信噪比情况。     

PCA与ICA相结合的语音信号盲分离

针对ICA用于语音信号盲分离时,由于数据量过大、迭代次数过多引起的收敛速度慢的问题,采用一种PCA和ICA相结合的盲分离算法PCA-ICA。通过PCA对混合语音信号进行白化处理,消除了原始各道数据间的二阶相关性。在仿真实验中,采用相似系数矩阵作为评价混合语音信号分离效果的标准,结果表明PCA-ICA算法与ICA算法相比,在达到几乎相同的相似系数矩阵的情况下,迭代次数减少了90%,从而分离速度提高了3倍,有效地解决了ICA分离算法收敛速度慢的问题。     

一种基于噪声功率的信道有效阶数盲估计算法

基于二阶统计量的盲均衡算法大多要求估计信道阶数。根据噪声功率随信道阶数的变化特点,提出一种新的阶数估计算法。实验表明,与传统算法相比,该算法不仅复杂度低,在低信噪比和小样本个数情况下估计性能良好,且不依赖于具体的盲信道估计算法,具有较强的适用性。     

估计盲信源分离混合矩阵的通用方法

混合矩阵的估计是解决盲信源分离问题的关键一步,但现有研究中缺乏一种同时适用于适定、超定及欠定情况下混合矩阵估计的通用方法。根据张量标准分解的因子矩阵和盲信源分离混合矩阵的估计均存在幅值和排列顺序的不确定性这一性质,将混合矩阵的估计转化为观测信号统计量所组成张量的标准分解问题,标准分解采用循环最小化方法,通过交替最小二乘算法实现。理论分析和仿真实验表明,所提方法可有效解决适定、超定和欠定混合矩阵的估计,是一种估计盲信源分离混合矩阵的通用方法。     

利用二阶统计量的多跳频信号的盲分离方法

为了分选混叠的多个跳频信号的网台,提出一种基于二阶统计量的多跳频信号的盲分离方法,该方法首先根据跳频信号的非平稳和非白化特性构造用于估计分离矩阵的代价函数,然后采用梯度下降法的更新规则进行优化,从而获得最优分离矩阵。仿真结果表明,该方法能较好地实现多跳频信号的离线和在线盲分离,且比其他方法具有更好的噪声抑制能力。