基于经验特征函数的盲源信号分离法及应用

从盲源信号分离后非高斯性最大化出发,提出了一种基于经验特征函数的盲源信号分离方法.该方法把经验特征函数与概率密度函数一一对应,并以混合信号与高斯信号的经验特征函数的欧氏距离最大化作为判据,以固定点算法为优化算法进行盲源分离.该方法克服了FastICA算法中选取不同的近似函数对不同概率密度分布的信号效果不佳的问题.仿真实验结果表明,与常用的几种FastICA算法相比,该方法具有更好的收敛效果.采用新的盲源信号分离方法对管道破坏产生的实际声发射信号进行分离,可将破坏点互相关定位精度提高到3%以上.     

乘性噪声消除的同态变换盲源分离算法

为消除乘法性观测噪声，利用独立分量分析的冗余取消特性，提出一种基于同态变换盲源分离（BSS）的消噪新方法.通过对原始观测信号的同态变换--对数变换，将乘法性噪声转变为加法性噪声.引入经过相同对数变换的虚拟噪声分量，将变换后的一维观测信号扩展为多维观测.依据最大化估计分量间独立性的准则（由高阶累积量构成）对多维观测实施盲源分离.最后，联合指数逆变换及输出信号校正处理，实现真实信号的估计，从而消除原始观测中的乘法性噪声.仿真消噪实验结果表明，该方法可有效地消除观测信号中的乘法性噪声.与同态滤波等传统的乘性噪声消除技术相比，新方法不仅实现简单，运算效率高，而且可以方便地扩展应用于多维观测信号的噪声消除.     

采用独立分量分析的共道干扰消除

为了消除共道干扰,在接收端利用多天线提供空间复用是一种有效手段. 传统的接收算法必须预先获得准确的信道状态信息(CSI),在很多实际情况下很难满足. 为此提出一种基于独立分量分析(ICA)的干扰消除新算法,该算法不需要估计CSI,仅利用接收信号和通信协议固有的已知信息即可提取出期望信号. 实验结果表明,所提算法的期望信号信干噪比（SINR）性能与最优线性接收算法非常接近,差距小于01dB.     

跳频信号的欠定盲源分离

针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法. 该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据. 通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4dB;同时所提算法处理的数据量小,计算复杂度低.     

FastICA算法在机械振动信号分离中的应用

机械振动状态监测时,传感器采集到的机械振动信号往往是被监测机械的振动信号与邻近机械振动信号以及外界噪声信号的混合信号,因此从测得的混合信号中分离出监测机械的振动信号是十分必要的.基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的机械振动信号进行分离,通过对仿真信号的分离,验证了该方法对机械振动信号处理的有效性,为机械振动状态检测以及机械故障诊断提供了一种新的选择.     

单通道盲源分离的研究现状与展望

针对盲信号处理中一种极端的病态混叠情况,单通道盲源分离是一个近年受到广泛关注的重要研究方向,并且具有广泛的应用前景.首先阐述了单通道盲源分离的数学模型、可分离性分析和分离效果评价标准,然后在深入研究单通道盲源分离发展的基础上分类讨论和评估了一些现有的单通道盲源分离方法,在介绍各方法的基本原理、特征及应用的同时,指出当前单通道盲源分离技术所面临的问题与挑战.最后结合当前的研究状况对单通道盲源分离未来的发展及研究方向进行了分析.     

一种基于新代价函数的盲源信号分离算法

选择两个函数的线性组合作为代价函数,基于组合的任意性,保证了加性噪声盲源信号分离的有效性,提高了信号处理的通用性.根据分离矩阵的Frobenius范数的收敛理论,在上述改进措施基础上,得出了改进的迭代规则,对混合源信号进行估计.经过仿真实验,结果显示信号分离效果较好.     

基于时频分析的非平稳机械振动信号的盲解卷积方法

将盲源分离技术应用于机械振动信号处理,为故障诊断技术提供了一个新的途径.针对传统BSS方法忽略机械振动信号的非平稳和卷积混合的特性,文章将基于二阶统计量的BSS推广至盲解卷积模型,并结合时频分析这一有力工具,给出了针对机械振动信号的二阶盲解卷积方法.仿真和实测数据实验结果表明,该方法为有效方法.与传统盲源分离算法比较,该算法分离精度至少提高了一倍左右,该算法更适合于机械振动信号的分析.     

一种基于盲源分离的直扩信号载频检测算法

在复杂的背景噪声中检测直扩信号并估计参数是信号处理研究的难点课题之一,在接收端如何降低高斯噪声等背景噪声的影响成为急需解决的问题.这里提出了一种基于盲源分离的直扩信号载频检测算法,采用独立分量分析的高阶累计量算法将直扩信号从包含高斯噪声的背景中分离出来,然后采用边带相关算法估计载波频率.该方法不需要知道混合矩阵,不需要做预白化处理.计算机仿真结果证明了算法的有效性.     

盲稀疏源信号分离算法的恢复性研究

基于一种两步稀疏表示的方法,利用随机框架讨论欠定盲源分离的恢复能力.盲稀疏源信号分离算法一般假设源信号是充分稀疏的,讨论了在源信号不充分稀疏的情况下欠定盲源分离的恢复能力的概率估计,进一步刻画了源的稀疏性与恢复能力的关系,揭示了利用两步法处理盲源分离问题的有效性.     

一种峭度宽松开关盲分离算法

该文在盲分离开关算法的基础上提出一种峭度宽松开关算法.该算法用峭度作为激活函数中的开关量分析随机变量的高斯性,解决了原开关算法中衡量参数的不稳健性.该算法与盲分离开关算法和扩展的Infomax算法的仿真实验比较表明,新算法具有更好的分离效果和抗噪声能力.     

稀疏盲源分离问题的恢复性研究

采用稀疏分量分析方法,研究了基于稀疏表示的欠定混叠盲信号分离的可恢复性,给出了在l2范数下,源信号可恢复的充分必要条件,并进一步讨论了l2范数解对噪声的鲁棒性.     

非线性LMS算法实现盲源分离

在经典的最小均方(LMS)算法中引入非线性函数,得到一种非线性LMS算法.该算法根据LMS算法建立了相应的对照函数,用自然梯度推导出了自适应盲源分离算法,并且分别给出了实数算法和复数算法的详细推导过程.结果发现得到的算法即为最大化熵和最小化互信息(ACY)算法,从而揭示了ACY算法与LMS算法的关系,同时也得到ACY算法的复数形式.计算机仿真试验验证了算法的有效性.     

基于步长最优化的EASI盲源分离算法

针对通信信号的盲分离问题,在EASI批处理算法的基础上,提出了一种基于步长最优化的EASI盲源分离算法(SO-EASI).该算法基于最速下降法的思想来调整步长,因此该算法不论迭代步长的初始值如何选取,其收敛速度相对固定步长的迭代算法都有很大幅度的提高,计算机仿真验证了该算法对通信信号分离的有效性.结果表明当初始步长为0.02时,其算法的收敛速度比固定步长的EASI算法以及VS-EASI算法的收敛速度提高10倍以上.     

欠定盲分离时变混合矩阵的估计

针对欠定盲分离中时变混合矩阵的估计问题,在稀疏域二维最小偏差角算法的基础上,提出了一种改进的欠定盲分离时变混合矩阵估计算法。该算法通过判断原始阵各列上是否都有观测点聚集和聚集在原始阵上的观测点以外的点的聚集方向,来检测变化时刻;并利用基于点密度大区域检测算法估计混合矩阵。改进算法对于混合矩阵发生某些列增加、消失和变化时均能检测出变化,并且在大幅提高变化时刻检测概率和混合矩阵估计精度的同时,降低了复杂度。实验仿真结果表明,在20 dB信噪比时,混合矩阵估计精度提高了60%以上。     

基于盲源分离与二代小波变换结合的声音信号分析

采用二代小波与盲源分离结合的信号处理技术对已知声音信号合成的信号进行试验,显著地显示出有用信号在处理过程中的处理情况.通过使用MATLAB工具箱中的小波工具箱和ICA独立分量分析工具箱对信号处理过程进行了仿真,并用性能指数和相似系数对仿真结果进行了验证.结果表明,该方法对于复杂环境下语音信号的处理有很好的试验结果.     

基于实数编码遗传算法的盲信源分离方法

提出了一种新的基于相关矩阵对角化的代价函数,该代价函数通过抑制分离信号的互相关性达到盲信源分离的目的。这种分离新方法可用于分离平稳或非平稳信号的瞬时或卷积混合。针对传统梯度搜索方法容易陷入局部收敛的问题,文章还提出利用实数编码遗传算法对代价函数进行最优化搜索。仿真实验表明,这种遗传算法具有快速收敛性能和高精确度等优点。     

基于似P范数FOCUSS的稀疏信号盲分离

把似P范数FOCUSS方法应用于稀疏信号盲分离中,采用k均值聚类算法来估计混合矩阵;然后利用似P范数FOCUSS方法来求解具有线性约束优化问题的稀疏源信号,从而给出了一种基于似P范数FOCUSS方法的稀疏信号盲分离算法。该算法计算量小,精度较高。仿真结果表明该算法是有效的,具有良好的分离性能。