一种短波波段跳频信号的检澳和识别新方法

在介绍了盲源分离算法的基本理论和经典算法的基础上,给出了通过阵列天线接收混合通信信号并经过能量检测等预处理后,采用FASTICA盲分离算法分离出原始信号,然后对分离出的各个信号进行识别,以进行跳频侦察的系统模型及其仿真结果。     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。     

一种自适应盲分离跳频信号的方法

在跳频扩频通信系统中,由于多个跳频信号在时域重叠,频域跳变,使得非合作接收条件下跳频信号的分离成为通信侦察和对抗中的一个难点问题.本文基于各源信号统计独立这一特性,采用独立分量分析的思想和技术,提出一种适合于跳频信号盲分离的自适应方法,并且针对不同频点上分离信号中出现的次序模糊问题,给出了一种跳频时刻估计算法和信号拼接的算法.理论分析和仿真实验表明,本文提出的方法能够有效地分离出多个跳频信号.     

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。     

盲源分离——理论、应用与展望

探讨了盲源分离在通信侦察中的应用前景。在首先介绍盲源分离的基本理论和经典算法的基础上，讨论了盲源分离在通信侦察中的典型应用；通过初步仿真，分析研究了盲源分离技术在跳频信号分选与拼接以及CDMA多用户分离两个重要领域的应用可行性；最后对盲源分离在通信侦察中的应用前景进行了展望，提出了需重点研究的几个问题。     

基于智能单粒子与信号变化度的盲源分离算法

提出了一种新的基于智能单粒子优化的有序盲源分离算法。采用信号变化度作为分离的目标函数,利用球坐标变换方法对分离向量进行变换,使用智能单粒子优化算法对目标函数进行求解,通过去相关方法从混合信号中去除已分离出的源信号成分,最终实现按照信号变化度降序分离出各源信号。仿真结果表明,本算法能够有效实现对源信号的有序分离,且分离精度很高。     

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。     

基于盲信号分离的同频信号的串行分离技术

传统的时域和频域处理等方法很难分离多个频域的混叠信号,文中提出一种利用盲信号分离技术串行分离同频信号的新方法——FastICA盲分离算法。该方法充分利用盲信号分离技术不需要知道信号先验信息的特性,能正确地、一个一个地分离出在频域中混合在一起的信号,且能分离功率相差100万倍的同频信号。在存在比信号功率大得多的高斯白噪声情况下,FastICA盲分离算法具有良好的分离性能。     

一种同频混合信号伪随机序列盲估计方法的研究

通常采用独立分量分析法(ICA)采集同频混合信号时存在盲分离随机性问题,不能分离出同频混合信号伪随机序列,无法对信号进行准确检测。为解决该问题,提出融合独立分量分析法以及Massye算法的同频混合信号伪随机序列盲估计方法。先采集同频混合信号,再通过PCA方法对同频混合信号进行白化预处理,对同频混合信号的协方差矩阵的特征值进行分解,确保信号间相互独立,为后续ICA方法进行数据分割提供基础。采用基于峰度的固定点ICA算法对白化处理后的同频混合数据进行划分,融合ICA和Massye算法,对同频混合信号的伪随机序列进行盲估计。实验结果说明,该方法可以获取准确的同频混合信号伪随机序列,具有较强的信号分离性能。     

基于盲源分离的同道数字通信干扰抑制

教字通信方式广泛应用于无线通信,但由于无线信道的开放性,接收信号易受同道信号干扰.分析了盲源分离理论抑制同道干扰的可行性,并采用著名的盲源分离算法--FastICA算法进行计算机仿真,结果表明,可采用FnstICA算法分离同道的BASK和QPSK及BPSK和BFSK信号,并消除同道干扰.     

一种有效的语音信号盲分离方法

利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,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.     

基于盲源分离的同道数字通信干扰抑制

数字通信方式广泛应用于无线通信,但由于无线信道的开放性,接收信号易受同道信号干扰。分析了盲源分离理论抑制同道干扰的可行性,并采用著名的盲源分离算法-FastICA算法进行计算机仿真,结果表明,可采用FastICA算法分离同道的BASK和QPSK及BPSK和BFSK信号,并消除同道干扰。     

采用MRSSA-ICA的共信道多通信信号盲分离

针对时频域部分重叠的多个跳频通信信号共信道盲分离问题,提出了一种新的共信道盲分离算法SCBSS(Single Channel Blind Source Separation)。首先,重新定义多分辨奇异谱分析(Multi-resolution Singular Spectrum Analysis,MRSSA)算法,利用其冗余性来重构伪多输入输出模型;接着引入独立分量分析算法用于提取感兴趣的独立分量。仿真结果验证了所提算法分离多个正交相移键控(Quadrature Phase Shift Keying,QPSK)调制的时频域部分重叠跳频通信信号的有效性和鲁棒性,且不需要任何先验。     

基于独立分量分析的盲源分离方法研究

盲源分离是指在没有任何先验知识的前提下,从观测到的多个混合信号中提取或分离出未知源信号的过程.本文主要探讨了基于独立分量分析的盲源分离自然梯度算法及活动函数的选取,并利用该算法实现了5路混合信号和3路自然语音信号的分离,最后在Mat-lab2008下进行了仿真验证.结果表明该算法能够有效实现语音信号的分离.     

一种卫星隐蔽通信信号盲分离算法

重构抵消算法是卫星隐蔽通信信号分离的关键技术,算法的性能主要依赖于参数估计的精度。然而在实际环境中,参数估计误差带来的算法性能损失无法被避免。此外,对信号的重构使得该算法计算复杂度较高。针对这个问题,首先分析了参数估计误差对分离性能的影响,然后提出基于盲均衡算法的协作分离算法,提升信号分离性能的同时降低了算法的计算量。仿真实验表明,新算法相较于重构抵消算法,降低了对参数估计精度的依赖,当参数估计误差大于0.05时,信号的解调误码率降低了一个数量级左右。     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

基于峰度自然对数最大化的信号盲分拣算法和盲波束形成

该文基于峰度自然对数最大化准则,提出了一种自适应一元信号盲分拣算法,提出的算法可以用于一元信号盲分离和进行盲波束形成,与基于峰度值最大化准则的KMA算法相比,收敛速度快,有较强的稳健性,将非线性函数引入学习速率的调节,算法自动选取学习步长,避免了人工选取学习速率不当而导致算法发散。同时,提出了两种复数抽气算法,配合一元信号盲分拣算法可以依次分离多个信号源,仿真试验验证了算法的有效性。用提出的算法在四元线阵上盲分离两个水声信号,结果发现,一元信号盲分离实现的盲波束形成波束图与最优波束接近。     

回复反射式大气激光通信系统多路信号分离问题研究

设计了一种回复反射式大气激光通信系统,可免去传统大气激光通信链路中一个终端的激光发射器和跟瞄系统。在多路并行传输情况下,为了解决各路信号之间的干扰问题,提出了一种基于盲源分离算法的多路信号分离方案。仿真实验表明,算法分离效果理想,在信道条件发生变化时,仍能准确分离出源信号的波形信息。     

独立分量分析盲信号分离方法研究

盲源分离是指从多个相互独立的源信号的混合信号中分离出源信号来。独立分量分析法是盲源分离的一种新方法,由于其在语音信号处理、阵列信号处理、生物医学信号处理、移动通信及图象处理等领域的应用前景,越来越引起人们的关注,成为研究的热点。介绍一种基于四阶累积量的非高斯性最大化的ICA算法解决盲源分离的问题,并给出了该算法分离通信信号的计算机仿真结果,验证了算法的有效性。