复值信号盲分离算法的研究

针对现有盲源分离算法适用范围受限、收敛速度过慢等问题,提出了一种适用于任意非高斯统计独立的复值信号快速盲分离算法.该算法以复值信号的峭度最大化为目标函数,采用修正的复值拟牛顿迭带算法对目标函数优化.分别用圆对称和非圆对称复值信号以及二者混合信号作为信号源对该算法和现有算法进行仿真对比.实验结果表明,该算法相对现有算法,不但很好地分离出非圆对称复值信号和圆对称复值信号,对于二者混合的信号仍有很好的分离效果,而且具有收敛速度快、不需要步长调节参数、分离误差小等优点.     

基于离散小波变换和复倒谱的音频水印算法

离散小波变换和复倒谱的数字音频盲水印算法首先对原始音频数据进行分段处理并对每个音频数据段进行二级离散小波变换,然后对二级小波近似系数做复倒谱变换并修改复倒谱的统计均值以嵌入水印。为了便于观察,水印选用二值可视图像,并利用混沌技术进行了加密处理,加强其安全性。算法提取水印时不需要原始音频信号,实现了水印的盲检测。仿真实验证明了算法的鲁棒性和不可感知性。     

一种适用于复信号的盲源分离新算法

针对复数字通信信号盲源分离中存在相位模糊的问题,提出了一种新的快速盲分离算法,该算法将只适用于实信号的FastICA盲分离算法推广到复数字通信信号中,同时还可以消除同相和正交分量相互独立的复信号的相位模糊性.该算法不用考虑步长的选择问题,不仅收敛速度快,而且具有与实FastICA算法一样的稳定性.仿真结果表明,该算法既可以分离不同载频的数字通信信号,也可以分离同载频的数字通信信号;既可以分离不同调制方式的数字通信信号,也可以分离相同调制方式的数字通信信号.     

复倒谱域数字音频盲水印算法

提出了一种复倒谱域数字音频盲水印算法.该算法将音频信号分为包含相同采样点的若干段,计算指定段信号的均值,对均值小于0的段的信号取反,对均值大于等于0的段保持不变,然后对所有指定段进行复倒谱变换,将这些段的复倒谱变换系数均值与设定的阈值作比较,结合水印序列的值,通过增加、减少或不改变复倒谱系数的均值来嵌入水印.水印提取为盲提取.实验结果证明该算法具有较强的鲁棒性与不可知觉性,可以抵抗常见信号处理的攻击.     

一种基于盲信号提取的同频干扰抵消算法

为了抵消数字通信中的同频干扰,提出了一种基于单信道盲信号提取算法。不同于现有的盲信号提取盲分离模型,本文的模型除了利用数字信号过采样特性,还充分考虑了载波频率以及信道噪声的影响。并结合调制信号的恒模特性,提出了基于广义峭度的恒模盲信号提取算法。最后通过实验结果证实算法的有效性和稳定性。     

一种基于盲信号提取的同频干扰抵消算法

为了抵消数字通信中的同频干扰,提出了一种基于单信道盲信号提取算法。不同于现有的盲信号提取盲分离模型,本文的模型除了利用数字信号过采样特性,还充分考虑了载波频率以及信道噪声的影响。并结合调制信号的恒模特性,提出了基于广义峭度的恒模盲信号提取算法。最后通过实验结果证实算法的有效性和稳定性。     

基于小波变换的MFSK信号盲解调算法

针对无先验信息的MFSK（M-ary frequency shift keying）信号提出了一种基于小波变换的盲解调算法。该算法基于morlet小波脊线值与MFSK信号符号之间的对应关系,研究了小波脊线提取、符号率估计、符号同步、调制进制M识别、调制码估计等算法,实现了盲信号的解调。仿真结果表明：2FSK信号的盲解调性能比理论值恶化不超过0．1dB;4FSK信号的盲解调性比理论值恶化约1dB。     

基于时频独立分量分析的Wigner-Ville分布交叉项消除法

由于信号混合引起的交叉项严重降低了Wigner-Ville分布的时频分辨率，为此提出一种基于独立分量分析的Wigner-Ville分布交叉干扰项消除法.在无须了解信号混合系数的情况下，通过盲源分离法提取各独立分量信号，给出盲源分离结果不确定的解决方法.建立了包含自项与交叉项的时频分布矩阵，利用时频分布矩阵的联合对角化算法消除独立分量信号之间的交叉干扰项.通过独立分量自项求和重构Wigner-Ville分布，重构的Wigner-Ville分布具有良好的时频分辨率.数值仿真结果验证了算法的有效性.     

AMUSE算法在声波测井数据处理中的应用

传统的声波测井信号处理方法采用滤波器滤除干扰信号,不能有效滤除与测井信号处于同一频段内的干扰信号.本文针对测井信号和干扰信号由相互独立的信号源产生,并被声波测井仪器的多个接收器接收这一特点,采用一种独立变量分析方法,AMUSE算法对接收器的获取信号进行分解,提取测井信号的波形信息.并利用测井信号的能量远大于干扰信号的能量这一特点,对AMUSE算法进行改进,利用接收器获取信号的能量信息,得到测井信号的幅度估计.该算法实现了对测井信号波形和幅度的提取,可以有效的提高声波测井数据的准确度.     

基于小波和复倒谱变换的音频水印技术

提出了一种基于小波分解和复倒谱的音频数字水印算法。该算法通过对原始语音信号进行三级小波分解，提取出小波近似分量，从近似分量中选取重要系数。利用复倒谱变换系数的不相关性，对重要系数进行复倒谱变换实现解相关运算，最终把水印嵌入到语音复倒谱域中，实现了在语音信号中嵌入二值图像，提高了水印嵌入算法的不可听性。实验证明该方法在抗常见的信号处理如加噪、滤波、重采样、有损压缩等方面具有较好的稳健性。     

独立分量分析在结构振动信号降噪中的应用

结构振动信号中混杂的噪声对信号的分析处理以及结构状态的诊断识别有很大影响。本文引入独立分量分析方法对结构动力信号进行降噪处理。通过增加实测噪声通道对多通道传感器信号进行扩展,利用有用信号与噪声成分之间相互独立,对信号进行ICA计算,将噪声与有用信号分离开来。对实验梁的实测振动信号进行分析处理表明,该方法降噪效果比较理想,而且降噪后的信号并没有改变结构动力特性。     

多类型噪声中的独立成分分离算法

该文将一般的噪声独立成分分离算法扩展到多类型噪声混合环境。为了识别观测数据中的多类型噪声成份,利用基于S估计原理的非多项式函数,对观测数据进行投影分析,给出脉冲噪声阈值估计及噪声去除和重构信号方法。此外,结合独立噪声分析算法,提出了一种针对多类型噪声的快速独立成份分离算法。该算法解决了传统噪声ICA在多类型噪声环境,特别是脉冲噪声时的失效性问题,极大地提高了噪声ICA算法的分离性能。仿真分析验证了该方法的有效性。     

含噪独立分量分析的期望最大化算法

把期望最大化(EM)算法应用到含噪ICA模型中,即假定源信号具有统计独立性,并将其放在贝叶斯估计框架中,提出一种解决含噪独立分量分析(ICA)的期望最大化(EM)算法。在含噪ICA模型中,假设源信号的均值和方差服从更为一般的均匀分布,提出的EM算法将混合矩阵和超参数交替进行处理,可以有效地估计混合矩阵和超参数在一定模型下的模型参数,从而能够估计出源信号。仿真结果说明,该方法能够很好地解决含有噪声ICA模型下的盲源分离问题。     

自适应复数信号独立分量分析算法

针对强不相关变化算法不适用于谱系数相同的非圆信号的问题,提出了一种自适应复数独立分量分析算法.利用非圆信号的二阶统计量都不为零的特点构造代价函数,在复数域中直接优化代价函数,推导出一种针对非圆信号的自适应算法.该算法不仅对谱系数相同的非圆信号有效,而且适用于任意包含有非圆信号的统计独立的信源信号,不需要计算特征向量和奇异向量,算法的结构简单.实验仿真结果验证了算法的有效性.     

基于LMD-ICA降噪的滚动轴承故障特征提取方法研究

在滚动轴承进行故障识别中,针对局部均值分解(LMD)方法分析非平稳、非线性含噪信号时,存在端点效应,易产生虚假分量和单通道独立成分分析(ICA)盲源分离时的欠定问题,提出了基于LMD-ICA降噪的振动信号特征提取算法.首先对原始信号进行LMD,并抑制端点效应,得到n个瞬时频率具有物理意义的乘积函数(PF)之和;然后对得到的PF分量以连续的3阶PF分量为一序列组合进行ICA,可以得到n-2个重构分量;最后利用n-2个分量进行重构,得到降噪后的故障信号,并再次进行LMD或功率谱计算,提取故障特征.经验证,该方法可有效识别滚动轴承的多类故障.     

结合PCA和ICA的脑磁信号消噪研究

基于二阶统计特性的主分量分解(PCA)和基于高阶统计特性的独立成分分析(ICA)是盲源分离信号处理中两种最为典型的方法．针对多通道脑磁信号的消噪问题,提出一种基于PCA与ICA相结合的信号消噪新算法．首先通过对脑磁信号进行主分量分解来降低信号维数,去掉其中包含的冗余成分,使计算时间缩短到原来的10％;进而利用自适应最大熵独立成分分析算法对降维后的数据进行二次分解,提取出脑磁信号中含有的干扰分量,使信噪比从10dB提高到80dB,达到对信号进行消噪的目的．     

回波对消中盲源分离算法的研究与仿真

盲源分离因为可以仅根据接收到的观测信号来估计还原源信号,成为近年来在信号处理领域的研究热点.针对盲源分离中的基于峭度的独立分量分析算法在源信号还原的过程中计算量较大的问题,采用共轭梯度方法对独立分量分析法进行优化,优化后的算法收敛速度更快,稳态误差变小.Matlab仿真实验表明,优化后的独立分量分析算法收敛更快,实际分离效果更好.     

Automatically detecting auditory P300 in several trials

A method was demonstrated based on Infomax independent component analysis(Infomax ICA) for automatically extracting auditory P300 signals within several trials. A signaling equilibrium algorithm was proposed to enhance the effectiveness of the Infomax ICA decomposition. After the mixed signal was decomposed by Infomax ICA, the independent component(IC) used in auditory P300 reconstruction was automatically chosen by using the standard deviation of the fixed temporal pattern. And the result of auditory P300 was reconstructed using the selected ICs. The experimental results show that the auditory P300 can be detected automatically within five trials. The Pearson correlation coefficient between the standard signal and the signal detected using the proposed method is significantly greater than that between the standard signal and the signal detected using the average method within five trials. The wave pattern result obtained using the proposed algorithm is better and more similar to the standard signal than that obtained by the average method for the same number of trials. Therefore, the proposed method can automatically detect the effective auditory P300 within several trials.     

基于独立分量分析的光电耦合器件可靠性时域筛选方法

针对目前光电耦合器件可靠性筛选方法的不足,提出了用独立分量分析(ICA)的方法对噪声信号进行时域分析,并利用ICA中峭度和熵两个参量讨论了各种基本噪声的特性。根据这些特性,应用ICA方法把各基本噪声从噪声信号中分离出来,并给出了时域下器件的可靠性分类规则。     

二维随机变量独立性度量及其在独立分量分析中的应用

以调整的χ2统计量作为随机信号相关性的度量，以该度量作为独立分量分析的对照函数，利用模拟退火算法分离出了参数办法不容易分离出来的独立信号．