一种峭度依赖的参数自适应盲分离算法

针对超高斯与亚高斯混合信源分离算法上存在的不足,该文提出一种峭度依赖的参数自适应盲分离算法。该算法用加权双高斯模型估计超高斯与亚高斯信源分布,在自然梯度框架下,依据峭度实现模型参数自适应。通过使用混合图像对其进行验证,实验表明该算法不仅可以有效实现超高斯与亚高斯混合信源的分离,而且比已有算法具有更好的分离和收敛性能。     

扩展信息最大化盲源分离算法的研究

盲源分离技术是信号处理和神经网络领域近年来的一个热点研究课题,由于其能够从观测的混合信号中恢复出源信号,而对源信号和混合系统的先验知识要求很少,因此在语音信号处理、无线信号处理、生物医学信号处理、地震信号处理,以及图像增强等方面都具有非常重要的理论意义和实用价值。信息最大化盲源分离算法能够有效地分离语音信号的瞬时混合,但是不能分离超高斯信号(如语音信号)和亚高斯信号(如正弦信号)的混合。基于此,本文讨论了扩展信启、最大化盲源分离算法,通过仿真表明,该算法可以有效的对各种源信号的线性即时混合进行分离,实验证明了该算法的有效性。     

基于遗传算法的超亚高斯混合信号盲分离

针对基于扩展信息最大化算法的盲源分离算法在分离超亚高斯混合信号时依赖于信号的峭度估计且对初始分离矩阵和步长较为敏感的问题,提出了一种基于遗传算法的盲源分离算法。该算法以分离信号之间的互信息作为代价函数,采用非多项式函数的逼近方法解决了互信息求解过程中涉及到的负熵的计算问题,用遗传算法代替梯度寻优算法最小化代价函数。仿真结果表明:在分离超亚高斯混合信号时,该算法计算简单,鲁棒性好,迭代100次时性能指数值达到0.025 5,分离性能优于基于扩展信息最大化算法的盲源分离算法。     

基于等变化自适应源分离算法的滚动轴承故障信号自适应盲提取

针对复杂工况下滚动轴承故障信号盲提取问题,该文提出一种独立分量分析(ICA)中非线性函数自适应选择方法,解决了等变化自适应源分离算法(EASI)在多类振动源共存的情况下无法分离轴承故障信号的问题。此外,为了解决在线盲分离算法稳态误差与收敛速率的平衡问题,提出基于模糊逻辑的自适应迭代步长选择方法,极大地提高了学习算法的收敛速度,且稳态误差更小。轴承故障数据的盲提取仿真结果验证了算法的性能。     

源信号数目未知正交投影自然梯度盲分离算法

分析了源信号数目未知的盲信号分离算法中分离矩阵范数趋于无穷进而导致算法发散的原因。利用正交投影自然梯度方法消去了自然梯度中引起冗余移动的冗余分量,推导出源信号数目未知的正交投影自然梯度算法。新算法具有与自然梯度算法相同的收敛速度,且克服了已有算法不能稳定收敛的缺点。仿真验证了新算法的分离性能和收敛稳定性。     

不同幅度通信信号的盲源分离

自然梯度算法是盲源分离的重要方法。本文利用自然梯度算法研究不同幅度的独立信源线性混合的盲源分离问题。我们比较了各种活动函数并提出一个更好的活动函数。由10个强弱不同的通信信号作为信源进行了模拟实验,结果显示用该活动函数算法收敛得更快些。     

基于NPCA的盲源分离算法

主要讨论了基于非线性主分量分析(NPCA)的盲源分离,从理论与实验2个方面详细分析了算法的特性与效果。针对算法中的非线性函数选择的问题,采用了在线统计的方法,即根据不同的输入信号选择不同的非线性函数。从实验结果可以看出,该方法不仅可以很好地解决源信号为亚高斯信号混合的盲源分离问题,而且对源信号为亚高斯和超高斯信号混合的盲源分离问题也取得了很好的效果。     

基于盲源分离的信号个数估计方法

大多数的信号个数估计方法在较高的信噪比条件下都有较好的性能,但在较低信噪比条件下的性能都有显著的恶化。提出了一种新的信号个数估计方法,该方法不是利用特征值来进行信号个数的估计,而是利用盲源分离技术。计算机仿真表明该方法在较低信噪比下的性能优于MDL算法。     

盲源信号分离方法研究

盲源信号分离是信号处理和神经网络领域的研究热点问题。介绍了盲源信号分离的概念、分类和基本数学模型;探讨了盲源分离中源信号和信道的假设条件,目标函数的建立,代价函数的优化,以及一般盲源分离算法实现步骤。给出了几种常见的目标函数和算法,并分析了它们的特点。     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

基于GRD-Hough变换的多高斯源盲分离算法

盲源分离有一个重要假设:源信号最多只含一个高斯信号。否则,基于统计量的盲分离算法性能会恶化。本文从广义矩形分布出发,通过把时域中的一维信号映射到二维的时-频表示来提供信号的频谱内容随时间变化的信息,并对时频谱进行Hough变换处理,利用不同高斯源的时频分布差异性,避开统计量提出了一种能分离多个高斯源的盲分离算法,扩展了盲源分离的应用领域。     

Audio analysis of statistically instantaneous signals with mixed Gaussian probability distributions

In this article, a novel method is proposed to measure the separation qualities of statistically instantaneous audio signals with mixed Gaussian probability distributions. This study evaluates the impact of the Probability Distribution Function (PDF) of the mixed signals on the outcomes of both sub- and super-Gaussian distributions. Different Gaussian measures are evaluated by using various spectral-distortion measures. It aims to compare the different audio mixtures from both super-Gaussian and sub-Gaussian perspectives. Extensive computer simulation confirms that the separated sources always have super-Gaussian characteristics irrespective of the PDF of the signals or mixtures. The result based on the objective measures demonstrates the effectiveness of source separation in improving the quality of the separated audio sources.     

基于非负矩阵分解算法进行盲信号分离

独立分量分析(ICA)已被广泛运用于线性混合模型的盲源分离问题,但却有两个重要的限制:信源统计独立和信源非高斯分布。然而更有意义的线性混合模型是:观测信号是非负信源的非负线性混合,信源之间可以统计相关且可以为高斯分布。本文针对盲源分离问题,提出了一种运用新近国际上提出的一种非负矩阵分解算法(NMF算法)进行统计相关信源的盲源分离方法,该方法没有信源统计独立和信源非高斯分布的限制,只要信源之间没有一阶原点统计相关,则可很好实现对信源的分离。大量仿真及与传统ICA进行盲源分离的比较,验证了运用NMF进行包括统计相关信源和高斯分布信源的盲源分离的可行性和有效性。     

单通道混合信号盲分离算法

介绍了单通道混合信号的概念及盲源分离的现状,对实时线性混叠盲分离方法展开研究,分类探讨基于变换域滤波、多参数联合估计、符号序列与信道参数联合估计以及多维映射的单通道混合信号盲分离方法,分析比较各类盲源分离方法的处理对象、前提条件和优缺点,并进行了总结.最后通过仿真实验分析了基于粒子滤波与编码辅助的单通道盲分离方法中粒子数目、编码方式、源信号幅度比和频差等对分离算法性能的影响.     

基于Fast-ICA的CDMA信号扩频序列优化盲估计

针对当前基于分段估计非周期长码DS-SS信号扩频序列的方法,本文在分析长码扩频CDMA信号的特点上,提出基于Fast-ICA的盲估计CDMA信号扩频序列的优化分段取值方法,并给出区别于当前分段长度尽量小、以降低信息跳变概率的分段准则.该方法不仅能够适用于同步单、多用户短码DS-SS信号,也适用于单、多用户非周期长码DS-SS信号.同时,文章提出一种接近于实际应用的分段选择,理论分析和仿真结果验证了本文方法的有效性.     

基于延时估计的实时语音盲分离算法

目前盲分离算法相当复杂,对硬件的运算速度要求很高,无法满足实时性要求。根据盲信号分离的原理和特点,提出了一种基于延时估计的实时语音盲分离算法,大大提高了盲解分离的运算速度,主客观评价表明其具有很好的分离效果,证明了算法的有效性。     

盲源分离和盲反卷积

盲信号处理是信号处理领域的热点研究问题,盲源分离和盲反卷积是盲信号处理的重要组成部分近年来取得许多重要进展.本文主要介绍盲源分离和盲反卷积的基本模型、数学原理和研究进展;分析了各种方法的特点并指出了进一步的研究方向.     

基于智能单粒子与信号变化度的盲源分离算法

提出了一种新的基于智能单粒子优化的有序盲源分离算法。采用信号变化度作为分离的目标函数,利用球坐标变换方法对分离向量进行变换,使用智能单粒子优化算法对目标函数进行求解,通过去相关方法从混合信号中去除已分离出的源信号成分,最终实现按照信号变化度降序分离出各源信号。仿真结果表明,本算法能够有效实现对源信号的有序分离,且分离精度很高。