一种强干扰下超弱水声信号自适应盲分离的快速算法

许多盲源分离算法对超弱信号收敛速度变慢甚至失效。文章提出一种算法 ,用FASTICA算法所得的分离矩阵作为一种基于输出去相关自适应盲分离算法的初始值 ,算法的收敛速度得到明显改善。算法的学习速率通过一种自适应算法选取 ,从而降低了算法收敛速度对学习步长的依赖。仿真结果表明 ,文中提出的算法对超弱信号特别有效 ,算法收敛速度大大增强。该算法可以用于分离强干扰下的弱水声信号     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。     

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。     

基于多个时间点联合解相关的卷积盲源分离

实际信号的混合均为卷积混合,且信号是非平稳的。盲源分离的目标就是找到一组分离滤波器,使得源信号的估计信号互相统计独立。结合信号的非平稳性,利用二阶解相关原理,文章阐明了一种在频域实现卷积混合的盲源分离算法,并且考虑了噪声对分离性能的影响。为了避免频点排列次序的不确定性,利用了多阶段盲源分离思想。利用该算法,对两路混合的实录水声信号进行盲分离,得到了两路源信号的估计信号,通过对估计信号的分析,利用信噪比提高率这一标准,验证了该算法的有效性。该算法收敛速度快,精度高,可用于浅海环境下实录水声混合信号的盲分离。     

水声通信中变步长神经网络盲均衡算法研究

在水声通信领域多途引起的码间干拢可以用均衡消减。盲均衡不需要训练序列,这将有效的节省通信带宽,提高通信效率及通信性能。实际中的通信信道不可能是完全线性的,神经网络作为一种非线性动态系统,具有大规模并行处理及高度的鲁棒性特征,将其应用于水声信道盲均衡切实可行。文中对变步长BP算法的前馈神经网络进行了理论和算法分析,并通过计算机对其实现水声信道盲均衡进行了仿真。仿真结果表明采用变步长BP算法比采用传统BP算法的神经网络盲均衡器收敛速度快,均衡性能明显提高。     

柴油机振动信号的四阶盲识别分析研究

针对柴油机振动信号特征参数的识别提取比较困难,本文运用四阶盲识别的方法分析研究柴油机的振动信号。把基于FOBI(四阶盲识别)算法的盲源分离方法引入到柴油机振动信号的处理中,建立仿真模型对该算法进行验证,并对一组采用北京东方所振动测试仪器在柴油机上实测的振动信号进行分离实验,分离结果表明不同特征的振动信号可以被分离,且最大限度地保留了源振动信号的信息,该算法可以作为柴油机振动信号的预处理方法。     

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。     

用于水声目标识别的自适应遗传样本选择算法

针对训练样本集中含有噪声样本、冗余样本以及无关样本,导致分类系统分类性能下降、不稳定的水声目标识别问题,提出了一种新的自适应遗传样本选择算法(Adaptive Genetic Instance Selection Algorithm, AGISA)。算法先随机生成初始种群,接着利用设计的遗传算子(跨代选择、自适应交叉和简化最近邻变异)指导种群进化,每代中对分类贡献大且选择样本数目少的个体适应度值高。提取了实测3类水声目标的多域特征,进行样本选择和分类识别仿真实验,结果表明：AGISA可以选出有效样本子集,在样本维数下降约73%的情况下,支持向量机分类器的正确分类率能提高约2.5%;并且AGISA具有较好的收敛性、稳定性,所得优化样本子集具有较好泛化能力且能明显减少分类的时间。     

基于盲源分离的P300脑电信号特征提取方法的研究

P300脑电信号被广泛应用于脑认知、脑机接口,该信号强度弱,容易受到环境及眼动伪迹、心电、肌电和自发脑电信号的干扰,淹没在采集脑电信号中。为了将P300与各种干扰快速高效地分离开来,通过分析P300在时域、频域和头皮空间域的特征,提出了以相干平均和小波变换与盲源分离相结合的算法,从时频域和空域对P300进行特征提取,针对多导联脑电信号盲源分离后选取P300成分对应分量的问题,提出了一种新的方法,并且通过实验比较了Informax、FastICA和AMUSE等3种盲源分离算法在P300特征提取中的性能。实验结果表明,从时频空域对P300特征提取的性能较仅从时频域进行特征提取有明显提高。     

基于相空间重构的浮标搜潜信号盲源分离算法研究

航空反潜是目前最主要的反潜手段之一,相比水面和水下探测手段具有无可比拟的优势.反潜机搭载的被动全向声纳浮标是在大面积海域实现对潜被动探测最主要的搜潜装备.针对单枚被动声纳浮标接收到多个水声目标信号的情况,提出了基于相空间重构的浮标搜潜信号盲源分离算法,该算法首先通过相空间重构和奇异值分解,构造了源信号不同线性叠加的虚拟观测信号,然后与原混合信号作为两路观测信号进行盲源分离.在分离出一个源信号后,重复上述步骤进行盲源分离运算直至分离出全部源信号,最后利用该方法进行盲源分离仿真试验,结果表明该方法对于浮标搜潜信息的盲源分离性能较好.     

主动声纳直达波干扰抑制的盲分离算法

针对舰艇编队作战中主动声纳之间存在的强直达波干扰,提出了一种基于信号统计二阶矩的直达波干扰抑制算法,实现了强干扰背景下的微弱目标回波检测。这种方法将盲分离理论和匹配相关技术相结合,首先对接收数据进行直达波干扰抑制,再利用已知发射信号副本进行匹配相关,最后提取目标回波信号。相比其它强干扰抑制算法,特别是高阶累计量法,该算法具有计算复杂度低的优点。通过数值仿真实验表明：该算法能够对直达波干扰进行有效抑制,对目标回波的检测性能优于直接匹配相关方法。     

自适应非线性BSS及其在齿轮故障诊断中的应用

基于核函数的非线性盲信号处理（BSS）在信号处理中有着广泛的应用,但传统的非线性盲信号处理的学习速率是固定的,如果学习速率选择的不合适,则算法难以收敛或者不能收敛。针对这一不足,结合模拟退火的思想,提出了一种基于核函数的自适应非线性盲信号处理算法。仿真和实验结果表明,该方法改善了原有算法的收敛性能,分离效果良好,算法具有更好的消噪和信号特征提取能力。     

基于核形态成分分析的齿轮箱复合故障诊断研究

形态成分分析（MCA）是最新提出的一种基于稀疏表示的信号和图像分解(分离)方法,该方法的主要思想是利用信号组成成分的形态差异性（可以由不同的字典稀疏表示）进行分离。结合核函数把基于MCA的线性盲分离方法拓展到非线性混叠情况,给出了一种非线性混叠信号盲分离算法。该算法通过非线性映射将混叠信号投影到高维特征空间,将样本空间的非线性混叠问题转化成高维特征空间的线性混叠问题,然后应用MCA算法对高维特征空间中的混叠信号进行分离。通过对齿轮齿根裂纹、轴承内圈、外圈复合故障的实验信号的分析,表明该方法能有效地分离出齿轮箱的复合故障。     

基于二阶盲辨识的双跨转子故障信号分离研究

将盲分离理论应用于消噪处理,其关键是分离噪声,因此在分离噪声时不损失有效信号,为消噪处理提供了一种新方法。提出了一种基于二阶盲辨识的去除干扰的自提取方法,在原有的自提取算法中引入了梯度变化率的概念,有效降低了噪声。通过仿真和对实际转子振动数据的处理表明,这种算法有效地遏制了噪声,提高采样数据的准确性。     

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。     

双/单通道传导电磁干扰噪声盲源分离研究

传导电磁干扰差共模噪声分离中,硬件分离网络结构复杂、成本较高,传统软件分离受环境噪声影响明显,测量同步性差。针对上述局限,提出一种基于盲源分离理论的传导电磁干扰噪声差共模分离策略。首先,利用快速独立分量分析对L线、N线噪声实施双通道盲源分离,实验证明其比射频电流叠加法信噪比范围更宽,适用性更强;其次,单通道盲源分离采用连续小波变换实施虚拟通道扩展以克服同步测量误差,同时改进快速独立分量分析目标函数以提升收敛性能。实验证明,其分离性能取决于小波函数的选取而非扩展通道数量,性能相比双通道盲源分离有一定降低,但节省经济成本,具有较好应用前景。