基于频域分解的水声信号宽带盲波束形成

盲波束形成算法可以在不知道阵的流型、信号及干扰方位的情况下,仅根据各阵元接收的数据恢复信号。由于水声信号为宽带信号,为了充分利用宽带信息,提出利用频域分解的方法获得满足窄带条件的信号,并利用窄带盲波束形成JADE（Joint Approximate Diagonalisation of Eigen-matrices）算法进行处理。对宽带盲波束形成算法进行了理论推导和仿真实验。研究结果表明,盲波束形成算法相对于常规波束形成在信号恢复方面有优越性。     

应用JADE盲分离算法分离统计相关源

在一些如故障诊断等复杂的应用系统中，不相关源与相关源往往以相互混合方式同时存在于传感观测中。由于相关源不满足盲源离理论有关源的统计独立性前提假设，因此现有的盲源分离算法如基于矩阵联合对角化的算法等，无法从混有相关源的传感观测中准确分离源信号(不相关源信号和相关源信号)。本文在基于矩阵联合对角化的盲分离算法的基础上，提出通过对其源估计进行修正的相关源分离算法。理论分析和仿真结果表明：修正后的基于矩阵联合对角化的盲分离算法，能有效地分离包含相关源的混合观测信号。     

基于阵元接收信号幅度信息的频域盲分离排序算法

排序模糊性问题是影响频域盲源分离算法分离性能的主要原因之一。对于提出了一种新的解决频域盲源分离排序模糊性问题的算法。该算法通过提取阵元接收信号每个频率点上的幅度衰减信息,采用k—means聚类算法将线性分离算法所得分离信号进行归类,来解决排序模糊性问题。该排序算法对阵列阵元排布方式,阵元间距等没有特殊的要求,并且适用于任意数量混合信号的盲分离系统。仿真实验证实了这种开发阵元接收信号幅度衰减信息的排序算法在绝大多数频率点上有效地解决了排序模糊性问题,是一种计算量相对较小而又简单有效的排序算法。     

基于频域盲解卷的噪声信号分离

由于机械噪声传播过程中存在反射等多种因素影响，大多数情况下混合噪声分离更适合采用卷积模型，为此提出了一种多频点盲解卷算法。有别于传统的频域盲解卷算法，新算法利用有限的少数几个频率点直接从频域模型恢复出时域噪声信号。算法为瞬时混合盲分离。主成分分析一瞬时混合盲分离结构，首先对给定的每一个频率点执行瞬时混合盲解卷算法，获得噪声源的基本估计，然后再经过主成分分析和第二次盲源分离。提高分离性能和增加算法鲁棒性。由于算法不需要对所有频率点执行瞬时混合分离，计算量小，同时也不存在传统频域盲解卷算法排列顺序不确定性的缺点，具有较好的应用价值。仿真实验证实了新算法能有效地分离机械噪声信号。     

基于三阶累积量的稳健盲波束形成方法

盲波束形成的目的就是在不知道阵列流形先验信息的情况下,从阵列输出数据中恢复出源信号.对于独立源信号的盲分离,Cardoso和Souloumiac提出了一种基于四阶累积量的盲波束形成方法(Joint Approximate Diagonalisation of Eigen-matrices,JADE).然而,巨大的计算量...     

机械声源信号的带通滤波盲分离

盲源分离是一个很独特的盲信号分析与处理工具，在机械设备状态监测与故障诊断领域有较好的应用前景。但在实际应用于机械源信号分离中，效果尚不够理想。特别是，当传感观测中存在高斯噪声或调制源时，往往无法获得准确的源波形恢复。本文在分析现有盲源分离算法的基础上，提出一种新的、基于带通滤波的改进盲源分离方法。仿真以及实际的机械声源信号分离实验结果证实了新方法的有效性。     

一种新的被动水声探测盲自适应波束形成器

提出了一种适合拖曳线列阵鱼雷自导系统的新的被动水声探测盲自适应波束形成器。介绍了该方法的设计思路和推导原理,然后通过计算机仿真验证了该方法的收敛性,并在不同信噪比、快拍数条件下与单独使用自适应MVDR波束形成器在角度估计方面做了对比。与单独使用盲源分离算法在源信号估计方面作了比较。最后证明该方法是一种稳健的、对信噪比变化不敏感的适合被动水声探测的新方法。     

基于两个频点的水声信号盲源分离

实际水声环境中声纳接收到的信号是卷积混合信号。文章中将两个频点盲源分离原理应用到水声信号的盲源分离中，从而有效克服信号频域解卷积过程中的排序和幅度不确定性。仿真实验结果表明该方法对水声卷积混合信号具有良好的分离效果?文章中进一步研究了水声信号在不同信噪比条件下，基于两个频点盲源分离方法的分离性能。     

基于盲解卷积的柴油机振动信号分离研究

基于振动信号分析的故障诊断方法依赖于机械状态特征的有效提取,盲源分离能够从复杂的信号中分离出源信号,是一种有效的特征提取手段。建立的多通道盲解卷积模型和机械系统的振动模型表明了两个模型的一致性,理论上证明了盲解卷积用于机械振动信号分离的可行性。利用MBLMS算法进行实测柴油机振动信号的分离实验,成功分离出了活塞撞击、燃烧和进气阀关闭信号,试验结果证明了盲解卷积能够有效分离柴油机振动信号。     

一种基于同伦非线性模型的语音盲分离方法

采用同伦非线性模型对语音信号进行建模,将非线性可预测性作为盲源分离的准则,推导了基于同伦模型的盲源分离算法,成功地实现了语音信号的分离。这种方法是对基于线性预测模型盲源分离算法的推广,它既适用于分离采用线性预测模型建模的信号,也可以分离采用同伦非线性模型建模的信号(如语音)。理论分析和仿真表明,这种方法比基于线性可预测性的盲分离算法具有更广的适用范围,对于语音信号的分离,此种算法具有更快的收敛速度。     

盲波束形成算法仿真及水下试验

盲波束形成技术是针对通信信号的统计性质和确定性性质所构成的一类新的波束形成技术.文中首先对高阶累积量法、基于累积量和特征空间的方法以及最陡下降恒模算法这三种盲波束形成算法进行了详细阐述,然后运用这些算法对单信号源均匀线阵、双信号源均匀线阵、单信号源随机扰动阵和双信号源随机扰动阵四种情况进行仿真.结果表明,三种算法可以进行有效的波束形成,基于累积量和特征空间的方法具有最高的输出信噪比.此外,还通过处理实际水下试验数据验证了这三种算法在实际应用中的有效性.     

Beamspace blind signal separation for speech enhancement

Signal processing methods for speech enhancement are of vital interest for communications equipments. In particular, multichannel algorithms, which perform spatial filtering to separate signals that have overlapping frequency content but different spatial origins, are important for a wide range of applications. Two of the most popular multichannel methods are blind signal separation (BSS) and beamforming. Briefly, (BSS) separates mixed sources by optimizing the statistical independence among the outputs whilst beamforming optimizes the look direction of the desired source(s). However, both methods have separation limitations, in that BSS succumbs to reverberant environments and beamforming is very sensitive to array model mismatch. In this paper, we propose a novel hybrid scheme, called beamspace BSS, which is intended to compensate the aforementioned separation weaknesses by jointly optimizing the spatial selectivity and statistical independence of the sources. We show that beamspace BSS outperforms the separation performance of the conventional sensor space BSS significantly, particularly in reverberant room environments. K.F.C. Yiu is supported by RGC Grant PolyU. 7191/06E and the research committee of the Hong Kong Polytechnic University.     

一种基于累积量的ESPRIT型盲波束形成算法

讨论一种用于非高斯信号源方位估计的盲波束形成算法。假设背景噪声是二阶统计未知的有色(空间相关)高斯噪声,基于“阵元对”模型的ESPRIT方位估计算法可以通过用累积量矩阵取代自相关矩阵完成信号空间的重建。经过这种处理,加性有色高斯噪声可被滤除,因此算法不需要相关噪声矩阵的知识。当加性噪声源是空间相关矩阵未知的有色高斯噪声时,计算机仿真比较了基于累积量的ESPRIT算法与基于二阶统计的ESPRIT算法的性能。     

柴油机振动信号盲分离组合算法

由于机械系统的振动信号能有效反映系统特征,对其进行盲解卷积能提供由混合信号中分离出源信号的可能性,为此提出机械系统振动卷积模型;将多通道盲最小均方差与缩减盲源方法结合提出MBLMS-TDS组合算法,且利用该算法对卷积混合信号进行盲解卷积验证算法的合理性;用该算法对柴油机表面混合振动信号进行分离,获得活塞撞击缸体信号与柴油机燃烧信号。     

基于声压幅度比的多声源分离定位决策研究

利用声压幅度比模型,提出了一种基于声压幅度比的多声源分离定位方法,该方法利用盲信号分离算法实现混合声源信号的分离,根据谱估计的相似度确定接收信号中各声源的分配情况,结合幅度差异因子获得传感器的声源信号分布,再通过单声源的声压幅度比模型确定声源位置,实现多声源定位。由于盲信号分离算法比较成熟,且实际中的声源信号大多为非高斯,因而满足盲信号分离条件。该方法具有实用强、应用性广等特点,对其它分离、定位问题也有借鉴作用。     

噪声环境下水声信号瞬时盲源分离方法研究

噪声环境下大多数盲源分离算法性能大大降低。提出了一种适用于噪声环境的基于子带分解的瞬时盲源分离算法。通过修正白化矩阵和选取合理子带降低盲源分离过程中由噪声产生的不利影响。仿真实验表明,采用基于子带分解的瞬时盲源分离算法能够较好地实现噪声环境下水声混合信号的分离;进一步研究表明,该算法在噪声环境下表现出良好的稳健性。     

基于盲源分离技术的一种信号处理方法研究

文章利用盲源分离技术试图从给定的一组混合观察数据中恢复未知的独立信源。然后使用Matlab中的时频工具箱,根据分离出的信号进行时频分析,提取信号中所包含的特征信息,达到能够识别出期望信号,并能提取其余干扰信号的特征。     

一种利于工程应用的快速反卷积波束形成方法

针对传统的反卷积波束形成算法在处理宽带随机信号时计算量过大的问题,给出了一种利于工程应用的快速反卷积波束形成方法。利用不同频率阵列波束图的相似性,将宽带随机信号划分成非等间距的多个窄带,并在每个窄带取一个频率点的点扩散函数(Point Spread Function, PSF)进行反卷积的近似处理,极大地提高了反卷积波束形成的计算速度。通过在波束功率谱上进行边界扩展,解决了因 Richardson-Lucy(R-L)迭代算法带来的边界模糊问题,进一步提高了计算速度。仿真和海试结果表明,该方法相对于常规波束形成具有更高的分辨力、更高的处理增益和更好的旁瓣抑制能力;相对于传统反卷积波束形成计算速度提升了 50%以上。