局部充分稀疏的欠定时盲信号源分离

针对欠定时的盲信号分离,提出了局部充分稀疏条件下估计混叠矩阵A的新算法.该算法不要求源信号所有采样时刻都充分稀疏,先通过搜索,把处于同一直线的向量一一归类,再对所得的类的向量进行处理,把混叠矩阵A确定出来.仿真实验结果表明算法是有效的.     

基于独立分量分析的混叠跳频信号分离算法

为解决混叠跳频信号的分离问题,在深入研究独立分量分析（ICA：Independent Component Analysis）理论基础上,结合跳频通信的特点,提出了基于独立分量分析的混叠跳频信号分离算法,实现了对混叠跳频信号的盲分离。该算法将基于负熵最大化的FastlCA算法应用到混叠跳频信号分离中。通过仿真实验表明,该算法能成功地排除乘性噪声干扰,完成对混叠跳频信号的分离。虽然分离信号的幅度、相位等参数较源信号发生了变化,但并不影响后续工作。这一过程在未知任何先验参数的条件下完成,并取得了较好的分离效果,为跳频通信信号的分离工作提供了新思路。     

一种新的盲源分离拟开关算法

针对电子战中各种信号混叠严重难以分离的现象,在盲源分离开关算法基础上提出一种新的盲信源分离拟开关算法.该算法引入单位对称加权滑动向量来加权每次迭代所得的分离信号作为源信号,用峭度取代原算法的峭度符号位作为判断函数来自适应选择加权相应激活函数,以此优化学习算法,结合信号分选的具体应用,给出了迭代结束的评判方法.计算机仿真实验表明,在强噪声背景影响下,该算法能够更加有效地分离空间未知多源线性混叠信号,且在分离效果、稳定性、处理速度和抗噪性能上都比原算法有较大改进.     

基于快速独立分量分析的多维混合信号盲分离

介绍了一种用于盲信号分离的快速独立分量分析方法(FastICA).该方法以信息论中的负熵作为估计输出分量之间统计独立的目标函数,通过优化该目标函数,得到快速独立分量分析的迭代算法.由于该迭代算法不需计算输出分量的高阶统计量,收敛速度快.通过线性混合时间信号分离和图像信号分离的仿真实验表明Fas-tICA算法可以快速有效地分离这些信号.     

大型风力机主轴承故障信号提取方法

针对大型风力机主轴承易发生故障且特征信号难以提取的问题和传统盲分离算法计算量大、收敛性较差的缺点,提出了基于粒子群优化的盲源分离算法.算法根据负熵最大化判据,采用粒子群优化算法对盲源分离过程进行优化,且将该算法成功应用于某风场大型风力机主轴承故障信号的提取中.分析结果表明,该算法可有效分离大型风力机主轴承与其他部件的振动信号,与其他算法相比具有分离精度高、可靠性好等优点,对风力机主轴承的故障诊断十分有效.     

基于Givens-Hyperbolic 双旋转的多路语音信号卷积盲分离

针对语音信号的卷积混迭模型,通过对接收信号进行滑窗处理并重新排列,使得重构后的接收信号可表示为块独立的源信号与扩展的混迭矩阵的瞬时混迭模型。利用不同语音信号之间的近似独立和短时平稳特性,分析接收信号二阶相关矩阵的非正交联合块对角化结构。改进基于Givens和Hyperbolic旋转的瞬时混叠盲分离算法,提出Givens-Hyperbolic双旋转的联合块对角化算法(GH-JBD)。所提出的GH-JBD算法可以直接在时域估计传输信道的块本质相等矩阵,实现非正交联合块对角化,进而完成卷积混叠信号盲分离。该方法不需要进行预白化处理,避免了由于白化不彻底而引入的额外误差。仿真实验验证了该算法的有效性并就参数变化对分离信号的影响进行了分析。     

基于高阶累积量带噪盲源分离算法

针对非高斯有色噪声瞬时混合盲信号分离问题,采用了一种基于特殊定义的四阶累积量和SVD-TLS方法对噪声的模型参数进行估计,得到去噪的观测信号,进而以信号的四阶累积量为目标函数,运用粒子群算法对其进行优化,以实现对混合信号的分离。仿真实验证明了算法可以有效进行带噪瞬时混合信号的盲分离。     

基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法.首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵.然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点.仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能.     

未知源信号数目投影自然梯度盲信号分离算法

分析了已有源信号数目未知的盲信号分离算法中分离矩阵的动态变化,找到了分离矩阵范数趋于无穷大而导致算法发散的原因:分离矩阵在某一等价类中的冗余移动.利用正交投影方法消去了自然梯度中引起冗余移动的冗余分量,推导出源信号数目未知的投影自然梯度算法.新算法具有与自然梯度算法相同的收敛速度,而且克服了已有算法不能稳定收敛的缺点.仿真验证了新算法的分离性能和收敛稳定性.     

基于入侵性杂草优化算法的有噪独立分量分析方法

针对传统独立分量分析(ICA)算法在含噪情况下分离效果不好,容易陷入局部收敛的问题,提出基于入侵性杂草优化(IWO)算法的有噪独立分量分析方法.以分离信号负熵和为目标函数,选用高斯密度函数估计负熵,消除目标函数中的不稳定项,提高算法的稳定性和准确性;采用入侵性杂草优化算法估计混合矩阵,提高算法的全局寻优性能.仿真结果表明:与传统Fast ICA和Fast NoisyICA算法相比,文中算法的分离信号和源信号的相似因数更大,随着信噪比增加,相似因数趋向1,可以更好地估计源信号;PI指标明显小于其他两种算法的,可以更为精确地估计混合矩阵.研究结果对有噪ICA信号处理有一定参考意义.