基于高阶累积量的瞬时线性混合盲信号分离算法

讨论了盲信号分离的应用及瞬时线性混合模型盲信号分离的一般原理 ,介绍了几种常用的盲信号分离算法 ,并对其中的算法进行了实验仿真与分析     

基于统计估计的盲信号分离技术

讨论了盲信号分离的应用及瞬间线性混合模型盲信号分离的一般原理 ,介绍了几种常用的盲信号分离算法 ,并对其中的算法进行了实验仿真与分析     

基于PPSO-GRADS算法的盲信号分离

该文将联姻策略应用在粒子群算法中,提出一种并行分阶段的基于粒子群优化算法的盲信号分离方法(PPSO-GRADS)。该算法具有收敛速度快,分离精度高的特点。通过仿真证明该算法比未使用联姻策略的粒子群算法有更好的性能,在收敛速度和分离效果上比传统的梯度算法,遗传算法都有较明显的改善。     

盲信号分离及盲信号抽取研究

盲信号分离技术是将混合信号中的源信号分离出来的一种功能强大的信号处理方法,已成为信号处理领域的研究热点。阐述了盲信号分离的发展现状,介绍了盲信号分离问题的数学模型,给出了盲源分离的基本思想。对盲信号分离算法进行了研究,阐述了盲信号分离几种典型算法的特点及性能,对与盲信号分离紧密相关的盲信号抽取算法进行了总结,并对盲信号分离的进一步研究进行了展望。     

基于ICA的盲信号分离正定性检验方法

 盲信号分离中,判断观测信号个数与实际信源个数的关系对于信号分离算法的选择和算法效果的评估非常重要,但目前还缺乏有效的方法对正定和欠定情况进行区分性检验.针对这一问题,本文提出两种检验方法.第一种方法通过分析整个数据序列ICA分解输出分量之间的独立性来实现.理论分析表明,欠定条件下ICA分解输出分量之间必然不具有独立性,而正定条件下,只要源信号满足独立的前提假设,ICA分解输出分量之间可以相互独立.第二种方法中,我们对数据序列不同位置添加等长时间窗,根据ICA分解基向量的稳定性来检验正定性.理论分析表明,正定条件下不同窗口数据ICA分解的基向量都收敛到混合阵的基向量上,而欠定条件下,分解得到的基向量随不同时窗内源信号分布的变化而改变.本文通过仿真实验,证明了这两种方法的可行性.     

一种新的基于广义特征值分解的盲信号分离算法

以矩阵的奇异值分解定理为基础,给出了一种基于广义特征值分解的盲信号分离算法,该算法以混叠信号的两个不同的方差矩阵为基础建立广义特征值问题,通过求解广义特征值问题的特征矢量来获得分离信号.该算法计算简单,避免了Para算法的不足,并能分离源信号中既有亚高斯信号又有超高斯信号的情况.仿真结果表明该算法是有效的,并具有很好的分离性能.     

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。     

一种新的自适应步长ICA算法

学习速率的优选问题是自适应ICA算法中的一个重要问题。文中定义了描述信号分离状态的去相关性测度。以此为基础提出一种新的自适应步长选取算法,算法将信号分离过程分为3个阶段,在不同的阶段采用不同的步长选取方法。有效地解决了算法的稳态误差和收敛速度之间的矛盾,其仿真结果证实,该算法不仅在平稳环境中具有较快的收敛速度,而且具有良好的稳态性能和数值稳定性。     

一种新型的卷积混和盲信号分离算法

本文提出了一种新的卷积混合盲信号分离算法。首先将卷积混合模型进行等价简化,再用理论推导论证了卷积混合盲分离问题等价于最优化Wiener滤波器问题,给出了一种去相关分离准则函数。最后,对两个源信号卷积混合的情况,用标准自适应LMS算法使分离准则函数达到最小值,从而得到了两个信号混合的分离算法;然后,推广到多个源信号混合得到了相应分离算法。通过计算机仿真试验验证了本算法的有效性和可行性。     

基于盲信号分离的自适应回声抵消算法

在视频会议和免提通信系统中,扬声器和麦克风之间的声耦合严重影响语音通信系统的质量。文中提出了一种用基于盲信号分离（BSS）的自适应声回波对消（AEC）方法,可有效解决回声和噪声对近端语音信号的影响。该方法不仅能减少背景噪声对回波对消的影响,而在双向通话时,可直接利用盲信号分离技术分离出近端语音。     

基于独立分量分析的雷达信号分选算法

对盲信号的独立分量分析（ICA,independent component analysis）技术进行了研究,并将其应用到雷达信号分选当中,仿真实验证明能够取得很好雷达信号分离效果,为雷达信号分选提供了新的思路。     

小波空域相关ICA跳频信号盲分离算法

提出了一种小波变换空域相关的信息极大化独立分量分析（ICA）超分离方法,并将其应用 于 多跳频信号的盲分离和参数估计中。理论分析及仿真结果表明,空域相关的ICA方法相对传 统的ICA方法可较好地用于多跳频混合信号的分离与参数估计,且具有更快的收敛速度、无 需多导信号即可求出解混矩阵、抗噪能力强等优点。     

Fast ICA 盲分离算法在雷达抗主瓣干扰中的应用研究

压制干扰信号从主瓣进入雷达天线,会严重影响雷达的性能,通常的副瓣抗干扰技术难以奏效。文中首先给出了Fast ICA 应用于雷达抗主瓣干扰的信号模型;在高信噪比的均匀噪声环境中,利用基于寻找峭度的局部极值点的Fast ICA盲分离算法分离接收到的主瓣干扰混合信号,通过脉压找出目标信号。仿真验证了算法用于抗主瓣干扰的有效性,该算法具有良好的抗干扰性能,在分离效率上具有较明显的优势。     

盲源分离中的非高斯性极大准则

盲源分离是试图从给定的一组混合观察数据中恢复未知的独立信号源。介绍了盲源分离常用的独立性度量准则之一——非高斯性极大准则，并阐明了其在盲源分离中的应用原理。     

独立分量分析盲信号分离方法研究

盲源分离是指从多个相互独立的源信号的混合信号中分离出源信号来。独立分量分析法是盲源分离的一种新方法,由于其在语音信号处理、阵列信号处理、生物医学信号处理、移动通信及图象处理等领域的应用前景,越来越引起人们的关注,成为研究的热点。介绍一种基于四阶累积量的非高斯性最大化的ICA算法解决盲源分离的问题,并给出了该算法分离通信信号的计算机仿真结果,验证了算法的有效性。     

一种快速的频域盲语音分离系统

对真实环境中的混迭语音信号进行盲分离是一个非常困难的任务。许多在仿真信号环境下工作很有效的算法常常不能成功地分离真实环境中录取的混迭语音信号。本文通过对一系列预处理(如解相关),独立分量分析和后处理(解排列和尺度不定性)算法进行优化和有机结合,提出了一种快速的频域盲语音分离系统,有效地实现了对卷积混迭的语音信号的盲分离。特别,文中引入一种改进的数据白化算法,它可以节省运算量并提高独立分量分析算法的收敛速度。基于真实录音信号的仿真实验显示该系统能够快速和稳健地分离卷积混迭的语音信号。     

一种基于平滑窗口法的盲分离复数算法

通过对传统盲源分离批处理EASI算法的分析,针对时变信道中通信信号的复数形式,以平滑窗的形式实现了批处理算法在时变混合模型下的应用。通过主分量分析的原理,进行噪声方差估计,改进传统独立分量分析算法消除噪声影响。通过仿真证明,在噪声较大的情况下性能优于传统算法。     

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。