一种快速的解盲源分离新算法

 针对盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的快速联合对角化算法(FJD).采用乘性迭代机制求解表征联合对角化近似程度的F-范数代价函数.对代价函数的合理近似及巧妙求解,是算法快速有效的核心原因.每步迭代得到的严格对角占优更新矩阵,保证联合对角化器严格可逆,防止收敛到平凡解.算法具有不需要预白化操作,不限定待对角化目标矩阵的正定性,并能处理复值数据等诸多优点,具有极广的适用性.详细的计算复杂度分析说明了算法的高效性及易操作性.仿真结果表明,FJD算法收敛速度快,性能良好,能有效地解决盲源分离问题.     

一种利用结构特点实现复数域联合对角化解盲源分离新算法研究及应用

联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题,且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题,提出了一种基于结构特点的联合对角化（Structural Traits Based Joint Diagonalization,STBJD）算法,既取消了预白化操作解除了对目标矩阵的正定性限制,又允许目标矩阵组为复值,具有极广的适用性.首先,引入矩阵变换,将待联合对角化的复数域目标矩阵组转化为新的具有鲜明结构特点的实对称目标矩阵组.随后,构建联合对角化最小二乘代价函数,引入交替最小二乘迭代算法求解代价函数,并在优化过程中充分挖掘所涉参量的结构特点加以利用.最终,求得混迭矩阵的估计并据此恢复源信号.仿真实验证明与现存的有代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比,STBJD算法具有更高的收敛精度,能有效地解决盲源分离问题.     

一种充分利用变量结构的解卷积 混合盲源分离新方法

 针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toeplitz结构和源信号相关矩阵的块内对角化结构的基础上,交替估计代价函数中的三组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现信道的盲均衡和源信号的盲分离.分析了三迭代算法的收敛性能,证明即使存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与其他经典的两步算法相比,提出的一步算法能够更好地估计混迭矩阵并恢复出源信号,有效地解决了卷积混合盲源分离问题.     

基于四阶累积量张量联合对角化的多数据集联合盲源分离

该文提出一种基于四阶累积量张量联合对角化的联合盲源分离(J-BSS)算法。首先通过计算4阶互累积量将多数据集信号的J-BSS问题转化为4阶张量联合对角化问题。接下来,基于雅可比连续旋转将张量联合对角化这类非线性优化问题,转化为一系列可获取闭式解的简单子优化问题,并通过交替迭代对多数据集混合矩阵进行更新,进而实现J-BSS。实验结果表明,所提算法具有良好的收敛性能,较之现有的同类型BSS及J-BSS算法具有更高的精度。此外,该算法在分离实际胎儿心电信号方面也表现出良好的性能。

     

时域卷积信号的交替最小二乘盲分离算法

该文分析时域卷积接收信号的时延相关矩阵具有的可联合块对角化的三因子乘积结构,通过对其所构成的3维矩阵进行切片分割和重新排列规划,提出基于交替最小二乘的三因子迭代计算方法,实现非正交联合块对角化,直接在时域解决卷积盲分离问题。实验仿真表明,与传统的联合块对角化算法相比,所提算法的收敛性能更好且更稳定,并且不受限于初始参数的选择;分离信号的相异度指标和巴克谱失真测度分别改善达到4.35 dB和0.22。     

利用盲源分离算法实现DOA估计

提出一种基于快速盲源分离算法实现波达方向（DOA）估计的方法。构造了具有对角化结构的相关矩阵组,引入解盲源分离问题的联合对角化代价函数,采用一种快速的复数域乘性迭代算法求解代价函数,得到混迭矩阵逆的估计,进而实现DOA估计。与同类算法相比,该算法具有更广的适用性和更精确的DOA估计性能。仿真实验结果验证了算法的快速收敛性和优越的估计性能。     

多基线数据融合的双基地MIMO雷达角度估计

提出了一种双基地MIMO雷达角度估计方法。在发射端利用ESPRIT算法获取长短基线的旋转不变因子,通过联合对角化提高离开角度(DOD)的估计精度。根据已估计的DOD,采用迭代算法得到接收导向矢量。针对等距线阵和非等距线阵,分别提出了基于范德蒙矩阵特性和解模糊的多基线联合到达角度(DOA)估计方法,避免了两维搜索且角度自动配对。计算机仿真验证了该方法的有效性和优越性。     

基于四阶累积量的稳健的通信信号盲分离算法

该文针对有噪环境中的通信信号盲分离问题,提出了一种在噪声环境下性能良好的盲分离算法,该算法将稳健的白化算法与四阶累积量矩阵的联合对角化相结合。仿真结果表明,该算法分离性能比一般的近似联合对角化(JAD)算法有很大改善,干信比可降低近10dB,而算法的运算量没有太多增加。     

基于时空解析恒模算法的CDMA智能 天线系统盲信号分离

针对恒模算法只能由迭代算法实现和解析恒模算法分辨用户数受限等问题,本文在解析恒模算法基础上,提出空时解析恒模算法(ST-ACMA),并将其应用于CDMA智能天线系统盲信号分离.通过将传统时域或空域的恒模算法扩展到空时域,将求解盲波束权矢量的问题等效成信号子空间盲信号恢复问题,通过多个矩阵的联合对角化处理,闭式得到所有用户信号.数值仿真结果表明,该方法有效地解决了解析恒模算法可分辨用户数受阵元数限制的问题,提高了盲信号分离的性能,有效地克服了多址干扰.     

非正交联合对角化盲分离算法的可辨识性研究

该文从非正交联合对角化的唯一性条件出发,研究了盲分离算法的可辨识性问题。由接收信号的二阶统计量和高阶累积量分别组成的目标矩阵具有可对角化的结构,因此可以用非正交联合对角化的方法解决盲分离问题。指出非正交联合对角化的唯一存在条件是：由对角矩阵中相同位置的对角元素所组成的向量两两线性无关。从该条件出发推导出基于二阶统计量的非正交联合对角化算法实现盲分离的充分必要条件是源信号自相关函数的形状不同,基于高阶累积量的算法实现盲分离的充分必要条件是源信号中没有高斯信号,从而为运用非正交联合对角化解决盲分离问题提供了理论指导。数值仿真试验验证了结论的正确性。