盲信源分离中信源动态变化的识别

基于独立分量分析(ICA)的盲信源分离技术以及小波包分解技术，提出了根据能量特征向量确定信源数的方法，定义了各输出分量的能量特征，并根据输出分量能量特征向量之间的距离，检测出冗余的输出信号，进而确定出信源数．计算机仿真结果验证了其有效性．     

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.     

一种针对复值信号的独立分量分析方法

利用独立分量分析方法对相互独立的复值信号进行盲提取,即从统计特性出发,通过变换观测信号,能够获得尽可能相互独立的信号．并在广义EHA准则基础上进行了变化,通过直接挑选非线性函数的方法,实现盲复值信号的提取．利用梯度下降法实现算法学习,仿真实验验证了算法的有效性．     

基于负熵极大的独立分量分析方法

独立分量分析（Independent Component Analysis,ICA）是近年来发展起来的一种有效的盲源分离技术（Blind Source Separation,BSS）．本文介绍了独立分量分析的基本理论,用基于最大熵原理的对负熵的估计方法得出了ICA的目标函数,并介绍了基于负熵极大的FastICA算法．MATLAB仿真试验表明：该算法可以较好地分离混合声音信号,具有良好的稳定性,收敛速度较快.     

用于统计相关源信号的盲分离方法

现有的盲信源分离方法大多以信源统计独立为前提条件．针对相关信源的瞬时混合,提出了一种采用“两步法”对其进行盲分离的方法．首先,对两传感器观测信号比值的方差进行比较,方差值相等的相继采样时刻就是只有一个源信号单独存在的时刻．这些时刻的观测信号矢量就是对混合矩阵中与该源信号对应的列矢量的估计,利用这一性质可以估计出混合矩阵．然后,由估计出的混合矩阵得到分离矩阵,从而恢复出源信号．计算机仿真试验证明了该方法的正确性．     

基于独立分量分析的噪声消除技术研究

为了消除观测信号中的噪声,利用独立分量分析的冗余取消特性,提出一种新的信号消噪方法.引入虚拟噪声分量对观测信号进行扩展,将一维带噪观测信号变换为多维虚拟观测信号.利用高阶累积量,对扩展的多维加噪观测信号进行盲源分离,得到源观测信号,从而实现噪声的有效消除.进行仿真研究以及转子实验台的松动故障振动信号的实验研究,结果证明了这种消噪方法在消除各类加性噪声的有效性.该方法不需要大量的观测样本,无需观测信号为确定性信号的前提假设,实现了对单个观测样本的实时消噪处理.     

乘性噪声消除的同态变换盲源分离算法

为消除乘法性观测噪声，利用独立分量分析的冗余取消特性，提出一种基于同态变换盲源分离（BSS）的消噪新方法.通过对原始观测信号的同态变换--对数变换，将乘法性噪声转变为加法性噪声.引入经过相同对数变换的虚拟噪声分量，将变换后的一维观测信号扩展为多维观测.依据最大化估计分量间独立性的准则（由高阶累积量构成）对多维观测实施盲源分离.最后，联合指数逆变换及输出信号校正处理，实现真实信号的估计，从而消除原始观测中的乘法性噪声.仿真消噪实验结果表明，该方法可有效地消除观测信号中的乘法性噪声.与同态滤波等传统的乘性噪声消除技术相比，新方法不仅实现简单，运算效率高，而且可以方便地扩展应用于多维观测信号的噪声消除.     

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.     

一种快速在线盲源分离方法

传统的独立分量分析方法大多采用批处理的方式,不能满足时变混合系统中盲源分离的需要.文章通过修改基于负熵的代价函数,导出了一种快速在线盲源分离算法,并采用一种基于函数估计的自适应变步长方法优化了算法的性能.通过真实录制语音信号的仿真试验,说明算法的收敛速度和稳态性能均优于自然梯度变步长算法.     

基于时频独立分量分析的Wigner-Ville分布交叉项消除法

由于信号混合引起的交叉项严重降低了Wigner-Ville分布的时频分辨率，为此提出一种基于独立分量分析的Wigner-Ville分布交叉干扰项消除法.在无须了解信号混合系数的情况下，通过盲源分离法提取各独立分量信号，给出盲源分离结果不确定的解决方法.建立了包含自项与交叉项的时频分布矩阵，利用时频分布矩阵的联合对角化算法消除独立分量信号之间的交叉干扰项.通过独立分量自项求和重构Wigner-Ville分布，重构的Wigner-Ville分布具有良好的时频分辨率.数值仿真结果验证了算法的有效性.     

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．     

含噪独立分量分析的期望最大化算法

把期望最大化(EM)算法应用到含噪ICA模型中,即假定源信号具有统计独立性,并将其放在贝叶斯估计框架中,提出一种解决含噪独立分量分析(ICA)的期望最大化(EM)算法。在含噪ICA模型中,假设源信号的均值和方差服从更为一般的均匀分布,提出的EM算法将混合矩阵和超参数交替进行处理,可以有效地估计混合矩阵和超参数在一定模型下的模型参数,从而能够估计出源信号。仿真结果说明,该方法能够很好地解决含有噪声ICA模型下的盲源分离问题。     

使用ε-SVR求解稀疏分解的单混合信号BSS

文章提出了一种单混和信号盲源分离(BSS)问题的改进解法。在源信号数大于混合信号数时,标准ICA法不再有效,BSS可使用稀疏分解法。文章首先将稀疏分解法等同于支撑向量回归(SVR)的一种形式,为稀疏分解法提供新的直观解释和求解方法。通过引入序列最小化算法(SMO)求解该SVR类比形式,显著提高了算法的速度和实用性。最后,我们将方法应用于QAM调制信号的单混合信号的盲分离问题,得到较好的分离效果。     

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.     

一种新的基于极大似然估计的盲分离算法

盲源分离（Blind Source Separation，BSS）或独立成分分析（Independent Component Analysis，ICA）是一种矩阵处理或数据分析技术，主要目的就是在仅在源信号相互独立的假设下从混合的观测信号中恢复出源信号。由于它在生物医学信号分析、语音识别、无线通信等领域应用的不断拓广，它已成为一个热门的研究领域。本文对于如何分离混合信号模型的问题，从观测信号与分离信号的概率密度函数（Probability Densitv Function PDF）之间的关系推导出了一种新的基于极大似然估计的盲分离算法，通过选择一个带参数的非线性函数近似超高斯与亚高斯的PDF，以此来分离源信号。并通过模拟实验验证了此算法的有效性。     

Single channel blind source separation based on ICA feature extraction

A new technique is proposed to solve the blind source separation (BSS) given only a single channel observation. The basis functions and the density of the coefficients of source signals learned by ICA are used as the prior knowledge. Based on the learned prior information the learning rules of single channel BSS are presented by maximizing the joint log likelihood of the mixed sources to obtain source signals from single observation, in which the posterior density of the given measurements is maximized. The experimental results exhibit a successful separation performance for mixtures of speech and music signals.     

Sub-band ICA with selection criterion for BBS of dependent mages

Because of the correlation of images,the efficiency of the standard ICA is not satisfied in the blind source separation (BSS) of image.Therefore,a new method of sub-band ICA with selection criterion is proposed for this problem.Firstly,the sub-bands of the new method are made up of the wavelet packets (WP) coefficients.Secondly,the selection criterion of the new method is a combination of the mutual information (MI),kurtosis and sparsity.One sub-band or a sub-bands group obtained from the new method are more suitable as the inputs parameters of the algorithm of ICA than mixed images.The new method has been applied into the BSS of partially dependent images and highly dependent images successfully.According to the separation experiments,it is shown that the separation efficacy of the new method is more accurate and robust.     

独立分量分析在MPEG-4入脸动画中的应用

为进一步提高MPEG-4人脸动画的真实感，引入了独立分量分析，将其应用在MPEG-4模型基编码的人脸动画参数分析方面．通过对获取到的人脸动画参数训练数据应用独立分量分析。获得了一般人脸动画模式，调整独立分量分析空间参数可以生成特定人的任意表情．实验结果表明：基于独立分量分析空间的MPEG-4人脸动画具有较强的真实感和鲁棒性。