基于lq最小化算法的稀疏信号分离

稀疏分解寻求从完备的（过完备）函数（基）集合中得到信号最稀疏的表示,即用尽可能少的基精确地表示原信号,从而获得信号的内在本质特性。通过l1最小化算法可以将稀疏信号表示为过完备集下一组基的线性组合,但得到的解通常并不是最稀疏的,在此提出了利用lq（0〈q≤1）最小化算法对稀疏信号进行分离,通过试验证明了此方法能够更准确的分离出源信号,同时讨论了参数的选取对试验结果的影响。     

光网络中分离路由算法的研究

光网络比传统的包含节点、链路的图论网络更为复杂,使用分离路径能够有效地改善光网络的可靠性.文章提出了一种基于改进蚁群算法的分离路由算法,通过与最短路径优先算法进行仿真比较可知,该算法在多条分离路径的搜索上具有较明显的优势.     

分离M维DFT快速算法

本文提出了一种新的多维信号ＤＦＴ快速算法，该算法是将多维ＤＦＴ转变成多组一维奇频率ＤＦＴ进行运算，那么其运算量主要取决于一维奇频率ＦＦＴ算法，同时，这有很强的结构，可实现同址运算，文中例举了二维信号时，它与多项式算法的比较，结果是实数据时，两者相同，复数据时，本文算法比文献在加法运算量方面略优，文中还给出了三维四维的运算量。     

基于细菌觅食的盲源分离算法研究

细菌觅食算法是一种基于细菌觅食行为的智能优化算法.盲源分离是盲信号处理的重要方面.为了提高盲源分离的有效性,根据盲源分离和细菌觅食算法的基本原理,提出了一种基于细菌觅食行为的盲源分离算法.用MATLAB对提出的这一算法进行仿真,并将其分离结果与传统独立分量分析算法的分离结果相比较.实验结果表明这是一种分离效果优于传统独立分量分析算法的有效分离算法.证明了基于细菌觅食盲源分离算法的可行性和有效性.     

粒子群算法用于盲信号分离的研究

提出一种采用粒子群优化算法进行盲信号分离的新方法,为盲信号分离领域提供一种新的研究思路与方法。该方法采用峰度作为适应度函数,利用粒子群算法对由多个源信号混合而成的信号进行盲信号分离。与自然梯度法盲信号分离相比,粒子群算法精度更高,收敛速度更快,实例仿真成功地对两个图像混合信号进行了盲分离,表明了算法的有效性和优越性。     

基于分离算法实现高铁无线网综合分析方法

为了解决传统的高铁无线网保障方式无法区分高铁用户和公网用户的问题,本文提出了高低速分离算法,将高铁车厢内用户进行剥离,并根据这些用户的指标情况来评估高铁网络质量,使高铁保障方案更加具有针对性;     

基于RobustICA的盲分离干扰抑制算法

针对快速定点(FastICA)盲分离窄带干扰抑制算法对野点敏感和容易陷入鞍点或局部极值点的问题,提出了一种基于独立成分分析(RobustICA)的盲分离窄带干扰抑制算法。该算法采用精确线性搜索与代价函数峭度相结合,对峭度进行全局最优搜索,增强了对野点和局部点的鲁棒性。仿真结果表明,该算法抗强音频窄带干扰性能更优,在信噪比为-14 dB~-11 dB时将分离矩阵成功收敛的概率提高了1个数量级,增强了盲分离窄带干扰抑制算法的可用度。     

一种自适应算法的语音信号盲分离

盲信号处理算法主要有批处理算法和自适应算法两类,本文导出了一种批处理和自适应相结合的快速独立分量分析（Fast Independent Component Analysis, Fast ICA）算法,将该算法应用于语音信号盲分离处理,通过综合实验,从分离前后的波形、频谱图和主要评价参数说明该算法具有良好的信号分离效果。与扩展联合对角化（The Joint Approximative Diagonalization ofEigenmatrix,JADE）算法和自然梯度（Natural Gradient,NG）算法比较, fast ICA算法具有更好的分离效果。      

基于APSO的盲源分离算法在盲图像分离中的应用

利用独立分量分析(ICA)的自适应粒子群(APSO)算法对因传输等过程而引起的多幅灰度图像混叠进行盲分离,针对图像盲分离提出了一种基于改进的APSO的盲源分离算法并将其应用于分离模糊灰度图像。利用峰度和负熵分别作为粒子群算法的第一和第二适应度函数根据其高斯性原理作为独立性判别标准对分离矩阵进行自适应更新。分析比较不同盲分离算法对图像分离的收敛性,仿真结果证明改进的自适应粒子群算法能够很好地分离图像且计算性能指标优越,收敛效果好。     

基于盲信号分离的同频信号的串行分离技术

传统的时域和频域处理等方法很难分离多个频域的混叠信号,文中提出一种利用盲信号分离技术串行分离同频信号的新方法——FastICA盲分离算法。该方法充分利用盲信号分离技术不需要知道信号先验信息的特性,能正确地、一个一个地分离出在频域中混合在一起的信号,且能分离功率相差100万倍的同频信号。在存在比信号功率大得多的高斯白噪声情况下,FastICA盲分离算法具有良好的分离性能。     

盲信号分离

阵列处理和数据分析的一个典型问题是从混合的观测数据向量中恢复不可观测的各个源信号.盲信号分离是解决这一问题的一门新技术,近几年吸引了信号处理学界和神经网络学界众多学者的研究兴趣.本文将以独立分量分析和非线性主分量分析为主要对象,综述盲信号分离技术的理论、方法及应用等方面的发展,并作有关展望.     

结合辅助分离系统的变步长盲源分离算法

 针对盲源分离算法中步长因子的自适应选取问题,本文基于分离性能指标与步长因子的对应关系,提出了一种新的变步长盲源分离算法.该算法通过结合一个受限的辅助分离系统,重新构造系统分离性能指标,并根据该指标参数呈指数趋势下降的变化规律来获取步长因子的自适应更新.平稳和非平稳环境下的仿真实验表明:相对于固定步长和新近的自适应变步长算法,本文提出的算法拥有更快的收敛速度和更小的稳态误差.     

Stereophonic Separation in Transmission

This paper is primarily concerned with the stereophonic separation provided in a transmitted FM stereophonic signal. The equation derived, however, involves only parameters whose values are obtained from oscilloscopic displays of the composite stereophonic signal and is even more applicable to unmodulated composite stereophonic signals. There is a discussion of accuracy limitations imposed by methods and associated test equipment required for practical applications of the equation. It is pointed out that the so-called "pilot phase" [FCC Rules and Regulations 73.322(c)], should have a tolerance associated with it since it is one of the parameters involved in separation. A value of 500 nanoseconds is reasonable.     

盲源信号分离技术

盲源信号分离是一种功能强大的信号处理方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出独立的信号分量。本文简要介绍信号源分离的基本思想、算法、发展历程以及盲分离的应用领域。最后展望了盲信号分离问题研究的发展方向。     

一种频域盲分离算法在语音分离中的应用

频域分离算法将时域计算复杂的解卷积问题变换为频域简单的瞬时分离问题。采用基于自然梯度的迭代函数实现瞬时盲分离,在频域用瞬时盲分离解决时域卷积盲分离问题时,遇到的两个难点就是频点间幅度和排列次序不确定性,为此我们分别采用归一化方法和分阶段分离方法来解决上述两个问题,仿真实验证明了算法的有效性。     

CDMA手机的机卡分离

本文介绍了手机卡分离的现状和意义，详细说明了CDMA手机机卡分离的发展历程及其技术规范，最后预测了它的发展前景。     

An Iterative Spike Separation Technique

A spike separation technique which combines data processing methods with extracellular probing techniques to allow simultaneous observation of multiple neural events is presented. A preparation, the locust ventral cord, allows spike separation. Experimental results and simulation indicate the usefulness of the method for this preparation. A feature of the data processing method allows the experimenter to direct the machine classification by an initial classification. Subsequently, the machine returns an indication of the quality of classification, allowing a reclassification or termination.     

任意信号源的盲分离

在盲信号分离中，常用的方法假设源信号的密度函数已知或由某一类带参数的函数来逼近，一旦假设的密度函数和真实的密度函数不一致或源信号不是同一分布，所用的方法就不能正确地分离出源信号。针对这一问题，本文用高斯混合模型来逼近任意分布的源信号的密度函数，并提出了一种迭代的期望最大化算法。计算机仿真表明，该算法能够有效地分离出真实的源信号。     

盲分离的模糊性

本文系统介绍了在不同混合模型下的盲分离模糊性问题,并详细分析了消除模糊性的方法.指出可以通过施加一些约束条件或组合先验信息到算法中来消除盲分离的模糊性,重点介绍了约束最优化方法和组合先验信息的方法来解决盲分离的模糊性,针对具体的应用给出了几种常用的约束化条件     

Second Order Nonstationary Source Separation

This paper addresses a method of blind source separation that jointly exploits the nonstationarity and temporal structure of sources. The method needs only multiple time-delayed correlation matrices of the observation data, each of which is evaluated at different time-windowed data frame, to estimate the demixing matrix. The method is insensitive to the temporally white noise since it is based on only time-delayed correlation matrices (with non-zero time-lags) and is applicable to the case of either nonstationary sources or temporally correlated sources. We also discuss the extension of some existing methods with the overview of second-order blind source separation methods. Extensive numerical experiments confirm the validity and high performance of the proposed method.