基于盲源分离的水声信道盲均衡处理方法

提出了一种基于盲源分离的水声信道讯均衡处理方法,通过对接收信号过采样构成源信号,采用了基于信息最大化原理(Infomax)在线分离算法进行了水声信道的盲均衡,并研究了时变水声信道条件下算法的均衡情况,仿真实验结果表明,该处理方法对多径水声信道具有较好的均衡效果,同时不受最小相位的条件限制。     

基于GRD-Hough变换的多高斯源盲分离算法

盲源分离有一个重要假设:源信号最多只含一个高斯信号。否则,基于统计量的盲分离算法性能会恶化。本文从广义矩形分布出发,通过把时域中的一维信号映射到二维的时-频表示来提供信号的频谱内容随时间变化的信息,并对时频谱进行Hough变换处理,利用不同高斯源的时频分布差异性,避开统计量提出了一种能分离多个高斯源的盲分离算法,扩展了盲源分离的应用领域。     

基于非高斯性和广义复杂度寻踪的盲源分离算法

现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性.在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号.当源信号具有非高斯性和非线性预测特性时,提出了基于非高斯性和广义复杂度寻踪的目标函数,最小化该目标函数,提出了一个梯度下降的盲源分离算法.计算机仿真表明了提出算法的有效性,和现有的盲源分离算法相比,提出算法具有更好的信号分离性能.     

多人声混叠语音信号的盲源分离算法研究

介绍了一种基于峭度的盲源分离算法,利用峭度极大来度量极大化非高斯性,通过渐进正交化的不动点迭代找到独立成分,并对带噪多人声混叠语音信号进行分离仿真,从而提取出感兴趣的目标语音,验证了该算法的可行性;通过与其他盲源分离算法的分离结果进行定性和定量的对比分析,验证该算法的有效性和应用前景.     

基于HHT和盲源分离的语音信号研究

首先对语音和背景音乐以及两路语音信号两种情况下的混合语音信号进行盲源分离,得到目标信号;其次对目标信号进行EMD分解得到一组固有模态函数,再求出各固有模态函数的能量值Ei;再以若干组能量值为训练样本,通过LS-SVM对相应的语音信号进行分类研究。通过实验验证,该方法在语音信号研究方面能取得较好的分离效果。     

联合非高斯性和非线性自相关的有噪盲源分离算法

现有的盲源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性。在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号。现有的盲源分离算法往往不考虑噪声的影响,但在实际应用中,噪声的影响是不可避免的。当源信号具有非高斯性和非线性自相关特性时,提出了联合非高斯性和非线性自相关特性的有噪盲源分离算法。计算机仿真表明了提出算法的有效性,和现有的基于非高斯性和非线性自相关特性的有噪盲源分离算法相比,提出算法具有更好的信号分离性能。      

基于指导型盲源分离和非高斯准则的全双工认知

为了克服半双工认知中存在的静态感知问题和常规全双工认知中残余自干扰限制的影响,提出了一种基于指导型盲源分离和非高斯准则的新型全双工认知方法。该方法将频谱感知和数据传输设计于同位置执行,避免在感知信息中的任何不匹配和资源损失,利用同位置配置中已知的次用户信号作为指导信号辅助执行盲源分离工作。在分离处理后,利用相关性识别出次用户自发信号,另一个信号通过非高斯准则判定,进而判决主用户的活动状态。仿真实验分析和讨论验证了所提方法的有效性,与基于自干扰消除的全双工频谱感知方案相比在计算复杂度和感知性能上具有明显的优越性。     

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。     

基于递归神经网络的信息理论盲源分离准则

本文基于一个全连接递归网络结构,给出一种新的信息理论的盲源信号分离准则。该准则在保证最大化信息传输的同时最小化输出互信息,从而使网络输出相互独立。由此准则推导的算法对传输中的信息损失引入了Hebb项。该算法既可以分离超高斯源的混迭,又可以分离亚高斯源的混迭信号。计算机仿真结果表明了该算法的良好分离性能。     

语音信号盲分离方法研究

本文采用WVA分布与联合对角化的盲分离算法,估计出源语音信号,实现对混叠信号的盲分离。通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离。     

一种基于过采样的单通道MPSK信号盲分离算法

针对单通道接收两个MPSK混合信号的盲分离问题,该文提出了一种基于过采样的盲分离新算法。该算法基于最优贝叶斯估计准则,利用粒子滤波对发送的符号和一些参数进行序贯估计,从而实现了混合信号的分离。算法通过对接收信号的过采样,利用了更多的接收波形信息,有效地抑制了噪声的影响。仿真实验表明,新算法具有良好的误码率性能。该文同时还从极大似然的角度,对分离算法的性能进行了分析,给出了算法的误码率性能界。     

基于单个频点的水声信号盲源分离

该文提出基于单个频点的卷积信号盲源分离方法,利用该方法不但可以有效克服频域盲分离过程中排序不确定问题,而且在分离过程中,无需考虑幅度不一致问题。将该方法用于水声信号的盲分离,仿真结果表明基于单个频点盲源分离方法能够很好地分离水声卷积混合信号。与基于两个频点盲源分离方法相比较,其分离效果更优,并且能有效节省CPU运算时间,因而更适合于对信号进行实时处理。     

An Introduction to Energy‐Based Blind Separating Algorithm for Speech Signals

We introduce the Energy‐Based Blind Separating (EBS) algorithm for extremely fast separation of mixed speech signals without loss of quality, which is performed in two stages: iterative‐form separation and closed‐form separation. This algorithm significantly improves the separation speed simply due to incorporating only some specific frequency bins into computations. Simulation results show that, on average, the proposed algorithm is 43 times faster than the independent component analysis (ICA) for speech signals, while preserving the separation quality. Also, it outperforms the fast independent component analysis (FastICA), the joint approximate diagonalization of eigenmatrices (JADE), and the second‐order blind identification (SOBI) algorithm in terms of separation quality.     

基于局部多项式傅里叶变换的语音盲源分离

频域的语音信号盲源分离多采用短时傅里叶变换以及Wigner-Ville分布(WVD)求信号的功率谱,而短时傅里叶变换对于多分量信号的频率分辨率受窗函数影响很大,WVD是一种非线性时频变换,处理多分量信号受交叉项影响很大。局部多项式傅里叶变换(LPFT)不仅提高了频率估计精度而且大大减少了时频分布中交叉项的影响。将语音信号表示为多分量的多项式相位信号,对语音信号作二阶LPFT,求得其局部多项式傅里叶变换谱(LPP),并构造时频矩阵,采用联合近似对角化算法求得能使信号功率谱矩阵近似对角化的一个酉矩阵,通过信号的白化以及酉矩阵来估计源信号,有效地分离出了原始信号。仿真结果表明,在噪声环境下可以将两个不同的语音信号进行分离。     

混合语音信号的盲分离

重点研究了卷积混合语音信号的盲分离方法。语音信号是非平稳信号,但是它在短时间上具有平稳性。因此,本文对语音信号进行加窗傅立叶变换（FFT）将卷积混合问题转换为频域上每个频点的瞬时性BSS（blind source separation）问题,采用定点（fixed—point）ICA（independent component analysis）算法对混合语音信号进行了分离,并用matlab进行了仿真。     

一种新的基于稀疏表示的单通道盲源分离算法

该文针对稀疏表示应用于单通道盲源分离中存在字典间互干扰的问题,通过在常规联合字典中引入一个新的子字典 共同子字典,提出一种新的基于稀疏表示的单通道盲源分离算法。新的字典学习目标函数中单个源的保真度由对应子字典和共同子字典构成,共同子字典的存在可以有效避免某一源信号在其他子字典上寻求成份而带来的互干扰问题。目标函数的求解通过交替执行稀疏表示、字典更新和比例系数优化3个步骤来实现。在测试阶段,通过收集单个源所对应子字典和共同子字典上的分量可以估计出混合信号中的单个源信号,从而达到盲源分离的目的。在语音数据库上进行的对比实验发现,所提算法较传统算法和前沿算法在两个通用评价指标上最高有近1 dB的提高。     

基于邻近频点相关特性的水声信号盲源分离

排序和幅度不一致性是信号频域盲源分离的主要困难。该文建立了邻近频点相关特性理论,并针对水声信号进行深入研究,结论表明单个水声信号邻近频点间相关特性良好,且性能非常稳定;而两个不同水声信号邻近频点相关性非常弱。提出基于邻近频点相关特性的盲源分离算法,用于消除卷积信号盲源分离过程中排序不确定性,实验表明该方法对卷积混合形式的水声信号能取得较好分离效果。     

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。     

基于最大熵化法的卫星信号盲分离

该文研究的问题是从经过卫星信道的混合信号中分离出相互独立的原始信号。解决这类问题的传统方法往往是采用盲解卷积的算法,但是这种方法的计算量很大,需要对各个径的参数进行调整。该文利用卫星信道的特点,提出了基于最大熵的盲分离算法,极大地减小了计算量。最后的仿真结果表明了算法有效性。     

基于粒子滤波的混沌信号盲分离

该文首先建立了混沌信号盲分离问题的状态空间模型,进而通过引入Rao-Blackwellisaion策略和加扰动的方法,提出了一种基于粒子滤波的在线盲分离算法。在此基础上,为了降低分离后信号中的残留噪声,提出了新颖的延迟估计方法,很好地解决了传统的延迟加权(delay-weight)方法中信号源之间的相互干扰问题。