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.     

常态实时混叠信号的盲分离算法研究

实时混叠是混叠类型中最简单的一种，也是迄今为止最为常见的一种。本文介绍了实时混叠盲源分离的数学模型和算法原理，深入研究了常态情形的盲分离算法，其中包括批处理法和自适应法。以自适应法中的顺序提取法为重点，介绍了运用FastICA分离方法的3组实验仿真结果，证明了这种算法的可行性和有效性。     

卷积混叠信号盲分离

本文讨论了卷积混叠信号盲分离问题，证明了一系列基于高阶谱的判据，指出了盲辨识和盲分离的充分条件，利用判据，发展了若干算法，模拟实验证实了判据的正确性和算法的有效性。     

瞬时混叠信号盲分离

本文利用三阶和四阶积累量研究了瞬时混叠信号分离的问题－根据源信号通过瞬时叠加后的观测值忧愁出源信号。     

基于广义特征值的病态混叠盲源分离算法

提出了一种新的病态混叠盲源分离算法.算法首先对观察信号进行预处理,把多余的观察信号剔除,使预处理后的混叠矩阵 A 是行满秩的;然后,通过把恢复信号的部分和的协方差与恢复信号的协方差之比的对数作为代价函数,使优化代价函数转化为求解一个广义特征值问题.在较弱的条件下,证明了该算法能够恢复出所有理论上能被分离出的源信号.数值仿真表明该算法非常有效.     

卷积混叠信号的最小互信息量盲分离算法

本文提出了一种卷积混叠信号的盲分离算法。该算法利用当信号相互独立时互信息量最小的特性作为分离准则,应用随机梯度算法确定分离滤波器的系数,文中给出了详细的理论推导。理论分析及实验仿真证明了算法的有效性,并且算法对混合滤波器没有特殊限制     

混叠通信信号的盲分离处理

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析。本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离。仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离。     

单天线接收时频混叠的异频数字通信信号盲源分离算法

本文针对单天线接收时频混叠数字通信信号的盲源分离问题,基于源信号之间载波差异性,构建单天线接收信号虚拟多通道模型,实现了源信号分离与重构。该算法通过对单天线接收混合信号进行短时傅里叶变换,分析各个中心频率的源信号频域特性,提取各个源信号的幅度与相位信息。利用提取信息,实现源信号分离与重构。仿真结果表明,该算法可以有效的实现单天线接收时频混叠数字通信信号的盲源分离。      

一种鲁棒的病态混叠信号欠定盲源分离算法

噪声环境下的病态混叠信号具有较强的空间复共线性,因此基于聚类的稀疏分量分析(SCA)方法难以在欠定条件下对其进行有效的分离。针对这一问题,该文首先建立了噪声环境下病态混叠信号欠定盲源分离问题的数学模型,分析了基于线性聚类的SCA方法在解决该问题时的局限性,提出了一种基于SCA和非正交联合对角化(NJD)的分离算法,该方法利用NJD不要求混叠矩阵为酉矩阵的特性,较好地解决了欠定盲源分离中的病态混叠问题。仿真实验表明,该方法在信号分离效果、噪声鲁棒性以及病态混叠鲁棒性上都明显优于基于启发式聚类粒子群优化的(CGPSO)的SCA方法。     

卷积混叠信号的最泪经信息量盲分离算法

本文提出了一种卷积混叠信号法,该算法利用当信号相互独立时互信息量最小的特性作为分离准则,应用随机梯度算法确定分离滤波器的系数,文中给出了详细的理论推导.理论分析及实验仿真证明了算法的有效性,并且算法对混合滤波器没有特殊限制     

混叠敌我识别信号分离算法研究

在敌我识别(IFF)信号侦察中,侦收到的IFF信号存在混叠现象,严重影响了信号分选、解码和模式识别。采用基于盲源分离思想的独立分量分析方法,首次将等变化自适应(EASI)算法应用到混叠敌我识别信号分离中,该算法选择四阶累积量——峭度作为目标函数实现混叠IFF信号的分离,并通过仿真验证了该算法的可行性和有效性。     

多点定位混叠信号的盲分离

将盲分离算法应用到多点定位系统的抗干扰处理中,介绍了对多点定位的干扰形式和混叠情况,分析了分离混叠信号的物理依据和相应的方法,阐述了盲分离算法的原理和白化方法.采用盲分离领域的快速固定点算法分离和重构信号,结合多点定位系统的特点作了相应改进,给出了详细的步骤.仿真结果表明,快速固定点算法能够有效分离多点定位系统的S模式混叠信号,获得了较高的成功率.     

基于盲源分离的同频信号测向算法研究

信号测向系统中,常用MUSIC算法进行同频信号测向处理。但是由于实际使用过程中信号子空间和噪声子空间并不能实现完全正交,使得MUSIC算法的准确度和稳定性大幅度削弱。基于这个问题,将盲源分离算法引入到同频信号测向系统中,利用盲源分离算法,对信号进行处理,分离出每个信源的空间信息,单独进行测向处理。能够在信号子空间和噪声子空间正交性不理想的情况下,保证测向系统的抗干扰性能,提高系统的准确度和稳定性。     

动态变化混叠模型下盲源分离中的源数估计

在进行欠定盲分离时,特别是对于源信号数目及混合矩阵动态变化的情况,常规的欠定盲分离及源数估计方法不能对源信号数目的变化时刻做出判断,因此很难实现动态变化的源信号数目实时和准确的估计.针对这个问题,提出了一种动态变化混叠模型下欠定盲源分离中的源数估计方法.首先,建立动态变化混叠情形下盲源分离的数学模型及动态标识矩阵.其次,基于构建的动态标识矩阵统计和判断动态源信号数目的变化情况.最后,通过分段时间内多维观测矢量采样点聚类区间局部峰值统计,实现动态变化混叠模型下盲源分离中的源信号数目的有效估计.仿真结果表明,该方法能有效实现动态变化混叠模型下欠定盲源分离中的源数估计,并且信号估计效果良好.     

基于小波降噪和盲源分离算法的信号分离方法研究

针对含噪情况下的盲源分离问题,将小波降噪方法引入盲源分离模型之中,对两种小波降噪与盲源分离算法结合的信号分离方法,即预降噪+盲源分离,以及预降噪+盲源分离+后降噪,从理论上进行了原理与特点分析,并通过数值仿真比较了不同信噪比情况下两种方法对于混合信号的分离效果。仿真表明,采用小波降噪与盲源分离结合的信号分离方法,相比于单纯采用盲源分离算法,能够大大提高信号的分离效果;预降噪+盲源分离+后降噪的信号分离方法比采用预降噪+盲源分离的信号分离方法效果普遍提高。     

基于泛函连接网络和差分进化算法的后非线性混叠信号盲分离方法

把后非线性混叠信号盲分离的分离系统用泛函连接网络来建模,对分离系统的输出应用高阶统计量独立性准则作为测度,然后利用差分进化算法对泛函连接网络的权值进行学习,从而获得了一种后非线性混叠信号盲分离算法。由于泛函连接网络是一种单层神经网络,具有学习参数少、收敛速度快和非线性逼近能力强的特点;而差分进化算法控制参数少、易于选择、具有全局寻优能力和快速的收敛特性;因而与其它的后非线性混叠信号盲分离方法相比,该文提出的分离算法具有计算简单、收敛速度快、较高的精度和稳定性好的特点。仿真结果显示了这种方法是可行和有效的。     

基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。     

一种源信号盲分离有效算法

本文研究接收信号维数大于源信号维数的盲分离，提出了一种基于广义特征函数的信号盲分离新方法，该方法提高了信号分离的精度，减少了计算量。文中就方法进行了理论推导，并给出了计算机仿真结果，仿真结果表明理论分析是正确的。     

盲源信号分离方法研究

盲源信号分离是信号处理和神经网络领域的研究热点问题。介绍了盲源信号分离的概念、分类和基本数学模型;探讨了盲源分离中源信号和信道的假设条件,目标函数的建立,代价函数的优化,以及一般盲源分离算法实现步骤。给出了几种常见的目标函数和算法,并分析了它们的特点。