基于频谱相关的时域盲分离排序算法

由于水声信道的时变性,水声信号分离后存在排序模糊性,限制了盲分离算法的应用.针对盲分离后信号存在排序模糊性的问题,提出了一种基于频谱相关的盲分离排序算法.根据水声环境中各信号的频谱差异,对分离后信号进行重新排序,来改善盲分离算法的排序模糊性.仿真实验表明,该算法可以有效消除分离信号的顺序不确定性,提高盲分离算法的性能.     

基于盲源分离的多幅顺序图像加密方法

根据许多加密方法利用数学难题保障其安全性的思想,盲源分离欠定难题可用于高度安全的多幅图像加密。然而,由于盲源分离存在顺序和幅度模糊性,通过盲源分离得到的解密图像可能发生顺序变化和像素值反转。这在加密多幅顺序图像时可能导致解密错误。针对这一问题,该文利用数字水印技术,加密前在每幅明文图像中嵌入与其对应的顺序信息;解密后,通过在各解密图像中检测该顺序信息而消除其顺序和幅度的模糊性。计算机仿真结果表明,该方法在恢复解密图像顺序的同时也能检测其是否反转,从而有效地解决了多幅顺序图像的盲源分离加密问题。     

盲源分离技术现状及发展趋势

盲源分离是最近十几年发展起来的新研究领域,是在知其少量或完全未知先验信息情况下提取源信号的信号处理方法,特别适用于通信侦察领域。盲源分离模型大致分为线性瞬时模型、线性卷积模型、非线性模型及欠定模型。简述了每种模型盲源分离算法的基本思想及常用方法。重点介绍了目前相对成熟的基于线性瞬时模型的三种盲源分离方法：批处理、自适应和逐次提取。目前线性瞬时盲源分离研究较成熟,未来的研究热点是卷积模型、欠定模型等算法研究及如何提高算法性能等方面。     

基于多信道信号增强的卷积混迭语音信号盲分离的后处理方法

由于频域盲源分离方法无法精确解决排列模糊问题,分离出的信号质量受到很大影响.本文提出一种后处理方法以进一步消除不同信源间的空间干扰和噪声且无需增加额外的先验信息.首先在频域盲分离方法中利用分裂语谱技术把一个M×N的多输入多输出(MIMO)混迭系统分裂成N个单输入多输出(SIMO)系统,再对每个SIMO系统分别利用传递函数比和广义旁瓣相消器来重构源信号.仿真实验表明该算法具有良好的性能.     

自适应变步长正交约束盲源分离算法

将盲源分离算法通常应用到的白化预处理方法转化为权值正交约束条件下的分离算法,使得分离算法由无约束算法转变为有约束算法,消除了在估计白化矩阵时引入的误差和分离输出存在的尺度不确定性。因为算法的收敛速度和稳态误差是一对矛盾,所以结合变步长思想,提出了一种新的自适应变步长的权值正交约束盲源分离算法。该算法步长是基于分离状态的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。仿真实验表明,该算法比非约束算法,固定步长的权值正交约束的盲源分离算法具有更好的分离性能。     

基于迭代的同频混合信号单通道盲分离/译码算法

针对采用长约束信道编码的同频调制混合信号,提出了一种利用编码的单通道盲分离/译码迭代算法。该算法通过在盲分离过程中利用译码后反馈的符号软信息来改善分离效果,重点研究了软输入软输出盲分离、最大似然概率译码以及分离译码间的软信息交互。仿真结果表明,迭代盲分离算法相比不采用迭代的算法可获得更好的性能,对于采用(2,1,6)卷积码和随机交织的BPSK混合信号,前者进行2次迭代时可获得约2dB的信噪比增益。     

基于凸优化的抗旋转图像盲源分离算法研究

盲源分离是指在没有源信号任何先验知识的情况下,只根据多个观测信号实现对源信号的恢复。本文在CAMNS算法的基础上提出了一种抗旋转的图像盲源分离新算法,该算法首先对观测图像进行预处理,提取图像旋转不变因子,然后利用图像空间局部显著性的假设将旋转后的图像盲源分离转化为可解的凸优化问题,进而求出分离矩阵,最后反解混合方程组确定源图像。实验结果表明:新算法有效地消除了旋转对盲源分离的影响,算法性能指标较ICA算法、NMF算法和CAMNS算法提高了近80%以上。      

基于子空间分解的多通道盲解卷积算法

针对卷积混合信号,提出了一种新的多通道盲解卷积算法,该算法首先利用子空间分解方法,将信号卷积混合模型变换成线性混合模型,然后利用线性混合盲分离算法分离出源信号.该算法相对频域盲解卷积算法来说无需解决线性混合盲分离中存在的幅度和排列顺序的模糊性问题,而且该算法不要求信号独立同分布,只要求各源信号统计独立即可.因此,该算法可以直接在中频对观察信号进行处理.计算机仿真结果表明,该算法不仅能对不同频不同调制方式的通信信号进行盲解卷积,而且对同频同调制的通信信号,该算法同样有效.     

有色信源卷积混合盲源分离算法

由于缺乏有色信源的时域相关性等先验信息,在设计有色信源卷积混合盲分离算法时难以利用源信号的特性,造成“有色源”的卷积混合盲分离比“白色源”的卷积混合盲分离更具挑战性。通过挖掘信源有色特性对卷积混合多项式矩阵的作用机制,提出了一种新的有色信源卷积混合盲源分离算法。首先将有色信源建模为白色信源激励有限冲击响应（Finite Impulse Response,FIR）滤波器的响应,将有色信源卷积混合模型转化为等效的白色源卷积混合模型,此时等效的卷积混合多项式矩阵即为FIR滤波器和原混合多项式矩阵的乘积;其次使用基于白化的方法获得白色激励源和等效卷积混合多项式矩阵的估计;最后利用最大公因式提取方法从等效卷积混合多项式矩阵中提取岀FIR滤波器,进而恢复出原始的有色信源。仿真结果表明,所提算法在不同信噪比下的分离性能均优于现有算法,具有良好的实用性。     

极值斜率经验模式分解结合独立分量分析的单通道盲分离

针对单通道盲分离领域先验信息不足的问题,提出了一种基于极值斜率经验模式分解和独立分量分析的单通道盲分离算法。首先通过极值斜率经验模式分解算法以不同尺度逐次分解混合信号的波动和趋势,得到一组固有模态函数。然后将其作为独立分量分析算法的输入信号,从得到的独立分量中萃取出与源信号相似的独立分量,通过重构算法恢复源信号,达到分离目的。实验信号采取仿真信号和实际信号,实验结果表明,该算法不需任何先验信息,鲁棒性强,能较快地得到良好的分离效果。