面向高混响环境的欠定卷积盲源分离算法

为了解决高混响环境下欠定卷积混叠信号的分离问题,提出一种新的欠定卷积盲源分离算法。针对高混响环境的影响,设计全局脉冲响应网络削弱混响回声,提高信号质量。基于全局脉冲响应网络建立新的时频域混叠信号数学模型,采用全局脉冲响应矩阵缩短了传统脉冲响应的长度,降低了高混响带来的模型变换近似误差。基于非负矩阵分解理论设计模型参数的实时更新学习规则,将源信号分离问题转换为模型参数优化问题,实现混叠信号的盲源分离。实验结果表明,所提算法可以有效地实现中英文语音、音乐混叠信号的盲源分离,与现有比较流行的盲源分离算法的对比验证了所提算法的优越性。     

动态变化混叠模型下盲源分离中的源数估计

在进行欠定盲分离时,特别是对于源信号数目及混合矩阵动态变化的情况,常规的欠定盲分离及源数估计方法不能对源信号数目的变化时刻做出判断,因此很难实现动态变化的源信号数目实时和准确的估计。针对这个问题,提出了一种动态变化混叠模型下欠定盲源分离中的源数估计方法。首先,建立动态变化混叠情形下盲源分离的数学模型及动态标识矩阵。其次,基于构建的动态标识矩阵统计和判断动态源信号数目的变化情况。最后,通过分段时间内多维观测矢量采样点聚类区间局部峰值统计,实现动态变化混叠模型下盲源分离中的源信号数目的有效估计。仿真结果表明,该方法能有效实现动态变化混叠模型下欠定盲源分离中的源数估计,并且信号估计效果良好。     

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.     

基于盲分离的单通道LFM引信欺骗干扰抑制

针对单通道LFM引信欺骗干扰抑制问题,提出了一种基于时频解耦盲分离(TFD-BSS)的干扰抑制算法。该方法首先通过Stretch变换将时频混叠的LFM信号转化为两差频信号,然后利用自适应滤波技术滤出干扰差频信号,并对其进行二次Stretch变换将干扰差频转化为欺骗信号以构造虚拟通道,从而将欠定盲分离转化为非欠定问题,最后通过延时差量法将干扰滤除。实验仿真表明,回波和干扰延时相差5 ns以上即可取得良好的分离效果。该方法不仅可为引信抗欺骗干扰提供借鉴,也是单通道盲分离算法的理论扩展。     

一种鲁棒的病态混叠信号欠定盲源分离算法

噪声环境下的病态混叠信号具有较强的空间复共线性,因此基于聚类的稀疏分量分析(SCA)方法难以在欠定条件下对其进行有效的分离。针对这一问题,该文首先建立了噪声环境下病态混叠信号欠定盲源分离问题的数学模型,分析了基于线性聚类的SCA方法在解决该问题时的局限性,提出了一种基于SCA和非正交联合对角化(NJD)的分离算法,该方法利用NJD不要求混叠矩阵为酉矩阵的特性,较好地解决了欠定盲源分离中的病态混叠问题。仿真实验表明,该方法在信号分离效果、噪声鲁棒性以及病态混叠鲁棒性上都明显优于基于启发式聚类粒子群优化的(CGPSO)的SCA方法。     

稀疏分量分析在欠定语音信号盲分离中的应用

研究了基于两步法的欠定语音信号盲分离。针对混合信号散点图在原点中心混叠程度过高的缺点,提出了弭灭圆K均值聚类算法,提高了混叠矩阵的估计精度。结合时频分析算法实现了欠定瞬时线性混叠语音信号的盲分离,取得了较好的分离效果。     

带源个数估计的BPSK信号盲分离算法

目前盲分离研究已有算法众多,但有关数字信号或有限字符集的盲分离研究尚不多见,而带源个数估计的此类盲分离算法更鲜有涉及。针对这类问题,该文提出了一种新颖的BPSK数字信号的盲分离算法,首先由接收到的观测信号的特征,在无噪和有噪情况下分别给出了估计源信号的数目算法;然后再利用观测信号之间的关系估计出混叠矩阵,并在算法中给出了证明。通过估计的混叠矩阵即可恢复得到分离信号,此时得到的分离信号与源信号或者顺序发生了交换,或者产生了符号之间的差别,但并不影响盲分离。最后的仿真结果显示了该文提出的算法在估计混叠矩阵以及最后恢复源信号上都是非常成功,也表明了此算法的可行性和优异性能。     

具有延迟的欠定语音盲分离

探讨具有延迟的欠定语音盲分离问题,针对语音信号的部分W-分离正交性,提出一种新的基于混叠矩阵估计的语音盲分离方法.首先对观测信号进行短时傅里叶变换,选定一个信号作为参考信号,构造幅度衰减向量和时间延迟向量,提取单源主导区间的观测信号作为观测样本;然后对观测样本进行聚类,通过估计参考信号的混叠系数来估计混叠矩阵;最后结合...     

基于信道矩阵结构划分的用户信号恢复

多用户MIMO-OFDM信道的色散效果可以看成是一组由频点(FB)观测值组成的瞬时混叠结构。如果一个新的用户加入时,意味着引入新的干扰,信道矩阵结构被扩大。由于扩大的矩阵含有已知和未知2部分信息,由此需要设计一个针对2部分信息的盲结构。选择盲分离方法,利用信号间存在的相关性,推导出新用户的混叠结构参数矩阵,然后在每个FB上分离出不同用户的信号,由于利用了已知信道的信息,盲分离后产生的不确定性被纠正。计算机仿真验证了所提出算法的有效性。     

基于盲源分离算法的混叠电磁信号分离研究

针对装备电磁环境效应研究中存在的干扰源信号混叠的问题,探讨了盲源分离算法在混叠干扰源信号分离中的应用。通常应用盲源算法需以估计得到源信号数目为前提,本文提出直接根据观测信号个数设置初始化分离矩阵维数,然后分离得到与观测信号数目相同的分离信号,再通过分离信号的相关性检测,即实现了源信号的分离,避免了事先估计源信号个数的工作。通过仿真实验验证了方法的可行性。     

混叠敌我识别信号分离算法研究

在敌我识别(IFF)信号侦察中,侦收到的IFF信号存在混叠现象,严重影响了信号分选、解码和模式识别。采用基于盲源分离思想的独立分量分析方法,首次将等变化自适应(EASI)算法应用到混叠敌我识别信号分离中,该算法选择四阶累积量——峭度作为目标函数实现混叠IFF信号的分离,并通过仿真验证了该算法的可行性和有效性。     

基于ICA的混叠声目标的分离和评价

本文提出一种基于独立分量分析战场混叠振动目标盲分离方法,并且采用相关系数来评价分离信号与源信号的对应关系.实验表明,分离声信号从波形上看很好地保持了原始信号的波形,采用相关系数评价标准能较准确地确定分离信号和源信号的次序,该方法在混叠声目标分离中具有可行性.     

基于QR分解的最大负熵盲分离算法

提出了一种新的实时线性混叠信号盲分离算法。该算法先采取白化混叠信号将混叠矩阵转换为正交矩阵,然后基于QR分解理论,并结合源信号相互独立时负熵最大的特点而导出。该方法避免了目前许多学习算法中矩阵逆的计算,从而大大地减少了分离的计算量。理论分析与仿真结果表明该算法不仅具有很好的分离效果,而且也减少了分离时间,其效果均优于Andrzej(1996)和Pham(1999)的相应结果。     

基于旋转变换的最小互信息量盲分离算法

一种新的实时线性混叠信号盲分离算法在本文提出.该算法先采取白化混叠信号将混叠矩阵转换为正交矩阵,然后基于 QR 分解理论,将混叠信号进行一系列初等旋转变换,并结合源信号相互独立时互信息量最小的特点,导出了一种新的自适应盲分离算法.该方法回避了目前基于信息理论方法中(如Torkkola 1996;Pham 1999;Lee 2000以及谭2000等)对"ln|det w|"的复杂计算.我们不仅给出了详细的理论证明,而且也进行了仿真试验,理论分析与仿真结果表明该算法减少了分离时间,并具有很好的分离效果.     

混叠通信信号的盲分离处理

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析。本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离。仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离。     

一种电磁频谱管理盲监测技术

复杂电磁环境下对无线电信号进行监测时,基于时频分析的传统监测方式对频谱混叠信号难以进行识别.针对这一问题,提出了一种电磁频谱管理盲监测技术.在分析研究了盲源分离的理论基础上建立了基于最大信噪比算法的盲监测模型,基于该模型仿真实现了6路频谱混叠无线电信号的分离提取.仿真结果表明:应用所建立的模型能够实现频谱混叠无线电信号的监测分析,判明所监测无线电设备的工作频率、信号形式和带宽等主要特征.     

经时频掩码的欠定混叠信号的盲提取

针对欠定非完全稀疏信号的盲源估计问题,提出了一个新颖的盲提取算法。算法融合非完全稀疏信号的盲提取算法和DUET方法,先利用已估计的混叠矩阵计算源信号的提取矢量和源方向的法矢量,再经线性变换更新混叠信号和混叠矩阵,后采用时频掩码方法恢复源信号。几个语音信号的实验显示算法的性能和实用性。     

一种基于逼近线性空间的盲信号分离方法

文章结合目标函数,给出了一种非线性混叠信号盲分离算法,含噪混合信号之间的关系构造了动态的目标函数状态一空间。该函数的特点是多变量,过程和观测噪声不限于高斯分布,是解决该问题的有效方法,从而把非线性混叠信号盲分离问题转化为参数空间的线性混叠信号盲分离问题。在目标函数空间中,也可应用多次分离对信号进行分离。该算法收敛精度较高,稳定性好。     

语音信号盲分离方法研究

本文采用WVA分布与联合对角化的盲分离算法,估计出源语音信号,实现对混叠信号的盲分离。通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离。     

基于松弛改进快速独立分量分析的同频混叠信号提取算法

针对快速独立分量分析（FastICA）算法提取多个同频混叠信号时的初值选择敏感性和收敛性能差的问题,提出了一种双松弛因子改进的FastICA(DLM-FastICA)算法。先在牛顿迭代法中引入双松弛因子,通过自适应调节分离矩阵的组合系数得到最优权值分离矩阵,从而改善FastICA算法的初值敏感性;再利用改进的FastICA(MFastICA)算法的快速收敛特性提取信号,提高算法的分离精度和收敛速度。仿真结果表明,该算法使得提取信号与源信号的相似系数达到0.9,同时迭代次数较原算法减少近40%,具有更加快速、稳定的提取性能。