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。     

噪声中的复信号盲源分离算法

复信号分析是信号处理技术常见的问题之一,在盲信号分离及处理技术中特别是卷积混合问题或频域分析等均需要建立与之相应的复值分析模型。然而在以往的分析中,由于此类问题往往是基于无噪声的约束条件,因此局限了该技术在实际中的应用。针对这一问题,将复值盲源分离问题推广到含噪声的一般环境中。通过分析高斯噪声协方差的一般特征,利用高斯噪声协方差的参数信息,导出了一种在噪声环境下盲源分离的不动点算法,该算法可以在噪声环境中通过观测信号估计与之对应的有效分离矩阵,使得复值信号在噪声环境中混合中仍然能成功分离出源信号。仿真结果表明了所研究方法的可行性与有效性。     

关于房屋建筑施工技术的探讨

随着建筑业快速发展,我国政府对施工企业的要求也越来越高,施工企业的技术高低成为房屋建筑质量好坏的关键.从而想要提高这方面的质量,施工方必须把工程施工技术作为施工中的重中之重.因此,本文章从桩基础施工技术、深基坑支护技术和混凝土工程施工技术三个方面对房屋建筑施工技术进行了阐述.     

基于ICA的异常数据挖掘算法研究

在传统的独立成分分析方法中,没有考虑异常数据值对分离性能的影响。该文提出了一种基于影响函数的检测方法,通过该方法可以发现隐藏在观测数据中的异常成分。利用影响函数对数据进行投影分析,对混入脉冲噪声的观测信号进行盲源分离,从而实现对脉冲噪声的消除。实验仿真结果表明,该方法可以有效且可靠地检测出所观察信号中的异常数据。     

多类型噪声中的独立成分分离算法

该文将一般的噪声独立成分分离算法扩展到多类型噪声混合环境。为了识别观测数据中的多类型噪声成份,利用基于S估计原理的非多项式函数,对观测数据进行投影分析,给出脉冲噪声阈值估计及噪声去除和重构信号方法。此外,结合独立噪声分析算法,提出了一种针对多类型噪声的快速独立成份分离算法。该算法解决了传统噪声ICA在多类型噪声环境,特别是脉冲噪声时的失效性问题,极大地提高了噪声ICA算法的分离性能。仿真分析验证了该方法的有效性。     

光偏振复用正交频分复用系统中基于联合近似特征矩阵对角化-独立分量分析的盲均衡算法

该文提出一种在光偏振复用正交频分复用(PDM-OOFDM)系统中基于联合近似特征矩阵对角化-独立分量分析(JADE-ICA)的盲解偏振复用算法。在传统的偏振复用系统中,恒模算法(CMA)被用于解偏振复用信号。然而,该方法需要多次对CMA滤波器系数更新,CMA收敛时间较长,并且CMA算法解偏振复用可能导致奇异性问题。该文结合对经典ICA算法及其模型的分析,提出将JADE-ICA算法用于PMD-OOFDM系统中进行解偏振复用信号。利用该方法,可以分离在发送端和接收端混有高斯白噪声的偏振信号成分,并且提高了系统中偏振信号的分离性能;同时,避免了传统CMA在解偏振复用中的奇异性问题。仿真结果表明,该文方法可以有效分离PMD-OOFDM系统中的偏振信号。