水声信号盲分离的实数算法与复数算法

分析了实数算法和算数算法实现水声信号盲分离的原理，对几种没有复数形式的盲分离算法提出了修改，修改后的算法可以完成复数信号的盲分离，在三元均匀线阵列上对几种曲型的算法如FASTICA、ACY和EASI算法分主水声信号的性能进行了仿真。结果表明，在精确补偿延时形成波束的条件下实数算法性能与复数算法一致，在基阵几何尺寸存在误差和延时补偿不精确的条件下，实数算法无效，复数算法仍保持良好的性能。     

扩展的快速独立分量分析算法

针对复值快速独立分量分析算法仅适用于非高斯圆信号,而对常用的非高斯非圆信号不适用的问题,提出了扩展的复值快速独立分量分析算法.该算法通过解除原算法假设条件构造新的代价函数,采用现有的近似复数牛顿迭代方法优化该代价函数,推导出适用范围更广的复数快速独立分量分析算法.该算法同原算法一样都是固定点算法,都有很快的收敛速度,而且该算法不但适用于原算法所适用的非高斯圆信号,对原算法所不适用的非高斯非圆信号也是有效的.理论分析和仿真实验验证了算法的有效性.     

核独立分量分析在机械振动信号分离中的应用

针对旋转机械振动信号成分复杂,甚至表现出非线性特征,文章采用核独立分量分析(KICA)对其进行预处理。与独立分量分析(ICA)不同,KICA是通过非线性映射在高维特征空间上构建了核化的目标函数,并引入核方法实现该目标函数的优化操作。仿真实验中通过比较KICA、ICA和传统KICA(DKICA)的分离信号与源信号之间的相关系数,文中介绍的KICA对混合信号分离处理具有更高的准确性和鲁棒性;实测数据实验验证,经过KICA处理的机械振动信号,其表征的振动信息更为单一,使得隐含的特征频率得到凸显,为进一步处理和分析奠定良好基础。     

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。     

自适应复数信号独立分量分析算法

针对强不相关变化算法不适用于谱系数相同的非圆信号的问题,提出了一种自适应复数独立分量分析算法.利用非圆信号的二阶统计量都不为零的特点构造代价函数,在复数域中直接优化代价函数,推导出一种针对非圆信号的自适应算法.该算法不仅对谱系数相同的非圆信号有效,而且适用于任意包含有非圆信号的统计独立的信源信号,不需要计算特征向量和奇异向量,算法的结构简单.实验仿真结果验证了算法的有效性.     

基于脊路跟踪的变分非线性调频模态分解方法

针对多个辐射源信号混合构成的多分量信号分离问题,提出基于脊路跟踪的变分非线性调频模态分解算法. 该方法使用改进的脊路重组算法对时频分布图中各分量瞬时频率进行提取,将提取出的各分量瞬时频率作为变分非线性调频模态分解的预设频率;利用重构后的多分量信号进行瞬时频率提取,更新预设频率后继续模态分解;重复上述过程,直到迭代前、后频率差值小于预设阈值,输出对应的模态分解结果. 实验结果表明,基于脊路跟踪的变分非线性调频模态分解算法比经典变分非线性调频模态分解算法具有更好的多分量信号分离效果.     

基于降噪及独立分量分析的轴承故障声信号特征提取

针对传统降噪算法的缺点,提出了将局部投影用于故障声信号的降噪。该算法具有较高的计算效率及广泛的应用前景,不仅可用于线性系统,而且还可用于非线性系统。而独立分量分析可用于分解相互独立的信号,它解决了多传感器信号的信息融合与特征提取问题。综合局部投影算法及独立分量分析算法两者的优点,提出了一种轴承弱故障特征识别算法。试验表明,该方法能有效地分离背景信号及特征信号。     

基于核独立分量分析的混合语音信号分离

提出利用核独立分量分析来分离混合语音信号的盲信号处理方法.介绍了基于核函数ICA的原理和基本算法,然后利用该方法分离混合语音信号.实验结果表明：利用基于核独立分量分析的方法可以得到较为理想的波形.     

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.     

多径信道中扩频信号伪随机序列盲估计

为解决异步直扩序列的盲估计问题，提出采用独立分量分析（ＩＣＡ）结合主分量分析（ＰＣＡ），在信道未知情况下有效盲分离多用户多径直扩信号和扩频码信息.由于不同用户信息是相互独立的且扩频序列是非相关的，对于某个用户，如果不存在多径效应，直接采用独立分量分析估计得到扩频序列；对于多径信号，进一步利用m序列的三阶相关特性估计出扩频序列.在高斯噪声下的性能分析表明，独立分量分析结合m序列三阶相关特性的盲估计过程，可以在不知道扩频码同步信息的情况下对异步多用户信号进行盲分离和估计.算法利用了ＣＤＭＡ系统的扩频增益，可以在低信噪比条件下盲估计扩频序列.     

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.     

一种均匀线阵的信号分离方法研究

为了进一步改善阵列信号处理中盲源分离算法的分离性能,本文提出了一种基于DOA估计的阵列信号分离方法。该方法的基本思想是利用MUSIC算法实现对阵列信号DOA的预先估计,构建一预估计方向加载矩阵W,使加载后的混合信号在该预估计DOA上的信号能量最大化,最后利用传统的盲源分离算法分离接收到的混合信号,得到原始信号波形。仿真结果表明,该方法分离效果优于直接的盲分离算法,原始信号与分离信号相关系数接近于1,但同时牺牲较大运算量。     

非参数GKNN估计的高效独立成分分析算法

基于概率密度非参数估计的广义k-最近邻估计(GKNN)和线性独立成分分析(ICA)神经网络,提出了一种新的ICA非参数算法,实现了对源信号分布的全“盲”要求．传统的ICA算法不能分离一般的包括超高斯、亚高斯和非对称分布的杂系混合信号,因此它们需知道源信号的一些信息．基于GKNN的非参数密度估计直接由观测信号样本出发,实现了对分离信号评价函数的直接估计,从而在一定程度上解决了ICA算法中如何选取估计信号评价函数的难题．所提算法可以只用一种灵活的评价函数分离任意的杂系混合信号,该算法为ICA的更广泛应用铺平了道路．模拟实验从统计性质和计算时间说明了所提算法性能的优越性．     

调制故障源信号盲分离的经验模态分解法

针对非线性、非稳态、含噪原始信号混合且混合信号数目小于源信号数目的旋转机械调制故障源信号盲分离问题，提出了一种基于经验模态分解(EMD)和主成分分析(PCA)相结合的方法.对混合信号进行经验模态分解提取嵌入在信号中的所有振荡模式，应用主成分分析方法对所提取的模式进行共性分析，得到模式中的主要成分.利用该方法对仿真数据和两通道滚动轴承加速度振动数据进行了分析，结果表明，该方法能够有效突出旋转机械的故障特征频率成分，避免了误诊断，且适用范围优于独立分量分析方法.     

Tensor decomposition of generalized generating function-based blind identification of underdetermined mixtures

Aimed at the problem of underdetermined blind identification, an algorithm based on generalized generating function decomposition is proposed, which no longer imposes sparsity restrictions on source signals. First, the second derivative matrices of the generalized generating function are stacked to the third-order tensor form, from which the number of source signals can be blindly estimated. Then the tensor is decomposed with singular value decomposition, and the mixture matrix is estimated by the joint diagonalization method. Simulation results validate the effectiveness of the proposed algorithm, and show that the proposed algorithm can acquire a better estimation precision than other classical algorithms with the same SNRs in the conditions of well-posed and underdetermined mixtures, meanwhile it extends the field of blind source separation application via the generalized generating function restricted only to the well-posed case.     

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.     

部分W-分离正交语音信号的盲分离方法

在W-分离正交性假设的语音盲分离方法中,由于没有考虑多个源信号同时存在的情况,导致分离信号中不可避免地存在音乐噪声。针对这种部分W-分离正交情况,提出了基于信道估计的语音盲分离方法。该方法先检测只有一个源信号存在的时频点并进行归一化处理,使得处理后的结果与频率无关,克服了W-分离正交性假设的不足以及频率置换问题,通过K-means聚类估计出信道,再结合信号子空间方法重构源信号。仿真结果表明,提出的方法可以有效减少分离语音中的音乐噪声,与典型的时频二元掩蔽方法相比,其平均信号失真比提高3.02dB,同时平均信干比提高4.61dB。     

回波对消中盲源分离算法的研究与仿真

盲源分离因为可以仅根据接收到的观测信号来估计还原源信号,成为近年来在信号处理领域的研究热点.针对盲源分离中的基于峭度的独立分量分析算法在源信号还原的过程中计算量较大的问题,采用共轭梯度方法对独立分量分析法进行优化,优化后的算法收敛速度更快,稳态误差变小.Matlab仿真实验表明,优化后的独立分量分析算法收敛更快,实际分离效果更好.