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。     

有频偏的星座图恢复和匹配

提出一种调制识别算法。首先利用载波相位跟踪盲分离算法估计载波频偏,以消除其对星座图恢复和匹配的影响。然后通过样本与核的相似性度量的动态聚类来恢复信号星座图,利用准最大似然分类准则,完成重构星座图与预期星座图的匹配。在存在频偏的情况下,仿真表明该算法的有效性。     

基于相位旋转的高阶多路MPSK信号的盲分离

本文针对高阶多路混合MPSK信号的盲分离问题,分析了MPSK接收信号的特性,给出了源信号个数估计定理,在对观测信号进行删余预处理后,利用改进的混合聚类算法估计出源信号数目,然后提出了一种相位旋转算法,消除接收信号中的公共因子,去除相位角不趋于零的元素,将高阶多路MPSK信号盲分离转化为BPSK信号盲分离,利用BPSK盲分离算法即可实现多路MPSK信号的盲分离.仿真结果验证了该算法的有效性.     

一种任意信号源盲分离的高效算法

提出了信号源盲分离的DBBSS算法.利用随机变量概率密度函数非参数估计的核函数法,对混合信号的概率密度函数及其导数进行估计,并由此估计信号的评价函数(score function).解决了现有信号源盲分离算法中,普遍存在的非线性函数只能凭经验选取,以及混合信号同时包含超高斯信号和亚高斯信号时,算法失效的问题.该方法非常简单,可以直接应用于所有以非线性函数代替评价函数的信号源盲分离算法.仿真结果验证了算法的有效性.     

基于Fast-ICA同、异步系统短码CDMA信号扩频序列与信息序列盲估计

本文通过分析短码CDMA信号特性,将接收信号以间隔2倍扩频周期、重叠1倍扩频周期的时间窗进行分割,建模CDMA系统与线性混合的盲源分离模型一致,使建立的CDMA模型同时适用于同、异步系统.利用盲源分离方法,实现了同步系统、异步系统失步时间未知和已知条件下,各用户等功率或非等功率时,扩频序列与信息序列的盲估计.理论分析和...     

一种频率域的盲源分离算法

提出了一种频率域基于第二特征函数的窄带信号盲分离算法，理论上证明了本方法能够从有噪观察数据中得到无噪混合矩阵估计。仿真结果表明本方法信号分离性能优于时域方法。在高信噪比时，本方法的分离信号绝对误差和比时域方法低9．5dB。     

基于盲源分离的共形阵列二维DOA估计

本文给出了一种基于特征矩阵联合近似对角化（JADE, Joint Approximate Diagonalization of Eigen-matrices）的共形阵列信号DOA估计算法。该算法首先对接收数据进行白化处理,利用白化后的数据构造四阶累计量矩阵,通过对特征矩阵联合近似对角化获得流形矢量矩阵的估计,从而实现信号的DOA估计。算法对阵列形状限制小,无需谱峰搜索。以圆台共形阵列为例,通过仿真实验验证了算法的有效性。