一种改进的势函数欠定盲源分离算法

针对原有的拉普拉斯混合模型势函数法复杂度高、随机选取部分观测数据点作为初始聚类中心的算法聚类结果不稳定、准确率低的问题,提出了一种改进的势函数欠定盲源分离算法．该算法在基于密度概念的基础上,以簇内距离小、簇间距离大为原则,选取部分高密度点作为势函数的初始聚类中心．理论分析与仿真实验表明,改进算法的复杂度大大降低,而估计准确度降低很少．在信噪比为10dB时,该算法仿真时间降为原始势函数法的5％;相对随机选取算法,在计算复杂度基本一致的前提下,该算法的估计准确度大大提高,源信号个数估计准确率由61％提高到85％,混合矩阵估计误差由0.47下降为0.27．     

基于欠定盲源分离的电磁干扰分离方法

针对传统电磁干扰测试方法无法对多个同时工作的机载设备进行独立观测,且现有的盲源分离算法对观测信号数目少于源信号数目的情况无效,提出了一种欠定盲源分离算法用于电磁干扰分离。该方法适用于具有稀疏特性的谐波信号,将干扰源看作源信号,首先采用邻域比值法提取混合信号的单源主导区间,提高信号的稀疏特性,然后在此区间采用Hough加窗法对电磁干扰源的数目和混合信道进行估计,避免算法陷入局部最大,最后采用夹角差排序法选择合适的混合矩阵列向量来确定分离矩阵,将欠定方程转变成正定方程,实现混合信号的分离。仿真实验得到的分离干扰信号与原始干扰信号间的相关系数平均值为0.9936,表明算法具有较高的准确性,Monte Carlo仿真结果表明本文算法较几种常用算法具有更好的抗噪声性;实测实验对实测数据分离并整改,整改结果表明了本文算法的可行性。     

基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法．首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵．然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点．仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能．     

基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法.首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵.然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点.仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能.     

未知源信号个数盲信号分离的半参数统计方法

将半参数统计模型引入源信号个数未知的盲分高中，给出了源信号个数(其值n不大于观测信号的个数m)未知，混合矩阵列满秩时，盲分离半参数统计模型的估计函数，得到了由此估计函数给出的半参数统计学习算法．由于分离模型的任一分离点都是该算法的平衡点，比已有算法有更好收敛稳定性，通过计算机仿真验证了半参数统计学习算法的有效性和良好的收敛稳定性。     

一种最大密度检测欠定混合矩阵估计算法

针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。     

基于聚类的跳频信号分选

为了对跳频信号进行分选,主要研究了聚类算法. 首先对KHM算法进行改进,得到了对随机初始化中心不敏感的聚类算法,然后利用已有的聚类有效性评价函数获得最佳聚类数的范围,并提出了在此范围内寻找最佳聚类数的算法. 结合改进的KHM算法和聚类个数估计方法,利用信号持续时间、方位信息和功率,对跳频信号进行分选,实验表明,该算法能正确地分选出跳频信号.     

基于源数估计的无约束欠定盲源分离算法

信源数目的估计是欠定盲源分离的前提条件,为了提高混合信号分离的准确性,提出一种Hough加窗法。利用Hough变换的思想将观测信号转变为角度变量,对变换域中的角度直方图进行加窗获得变换量的聚类区域,其峰值数即为信号源的数目。在此基础上,通过寻找变换量与混合矩阵列向量的关系可得到混合矩阵的估计值。提出一种无约束分离算法,由内点法从散点图分布中选取合适的初始迭代值,通过梯度下降法实现信号的分离。仿真实验结果表明,Hough加窗法具有较高的估计精度、较强的抗噪声性以及较低的稀疏敏感性,无约束分离算法具有较好的分离效果。     

一种基于l1范数的欠定盲源分离算法

提出了一种基于两步法的欠定盲源分离新算法.在混叠矩阵估计阶段,采用基于势函数的聚类方法,在源信号恢复阶段,提出一种快速的稀疏信号重构算法.系统方程As(t)=x(t)的任一解,由它的一个特解与其相对应的齐次线性方程组的一组基的线性组合之和表示,从而使原来直接估计有n个独立变量的源信号s(t)转化为估计只有n-m个独立变量的系数向量z.再借助稀疏表示实现盲源信号的分离.仿真实验验证了新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求.     

轴承复合故障欠定盲提取算法研究

针对实际工业现场强背景噪声、干扰源多、源数目未知等问题,提出一种基于多尺寸多结构元素的闭-开平均组合形态滤波和SCA相结合的(C-OACMF-SCA)故障特征盲提取方法.首先使用C-OACMF滤除背景噪声信号,提取观测信号的特征信号,然后使用模拟退火遗传算法的模糊C-均值聚类算法估计混合矩阵,最后通过线性规划估计源信号,实现故障特征提取.通过计算机仿真及实际环境下轴承复合故障振动信号欠定盲分离实验验证该算法的有效性.     

跳频信号的欠定盲源分离

针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法. 该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据. 通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4dB;同时所提算法处理的数据量小,计算复杂度低.     

基于量化信息的无线传感器网络多声源定位研究

针对量化定位大都集中在单源定位问题,该文研究了基于无线传感器网络的量化多声源定位方法。首先针对超声源的传播特性提出了对数量化策略,节点根据量化策略和测量值计算量化信息,并将量化信息传输给基站;然后基站根据提出的基于可能性C均值聚类算法的多源定位方法估计声源的位置。通过在不同参数下的仿真验证所提算法的有效性,仿真结果表明:该算法能够较精确地估计多声源的位置,且对丢包率具有一定的鲁棒性。     

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.     

基于时频域的具有延迟的欠定盲分离

本文针对衰减-时延混合模型,提出一种改进欠定语音盲分离算法。利用独立语音在时频域上的近似稀疏性,提出势函数面-聚类方法,通过此方法可直接获得源信号的个数和各声源方位信息,省去传统聚类方法中衰减-时延的配对步骤,提出的新势函数具有很好的适应性。分离阶段,利用势函数面聚类方法估计声源信号方位信息重构声源相对传递函数,采用非线性时频掩蔽方法分离感兴趣目标语音信号,实现了不同方位信息声源信号的欠定分离,放宽了对稀疏性的限制。仿真实验证明了此分离方法的可行性和有效性,弱混响条件下的分离信号输出信噪比平均达到了16dB。     

基于信号非圆特性的源数估计改进算法

利用信号的非圆特性,提出了一种信源个数估计的改进方法。非圆信号的椭圆协方差非零,因此同时利用协方差矩阵和椭圆协方差矩阵能够获得更多的信息,可以更精确地对信源个数进行估计。仿真实验表明,这种改进算法在低信噪比情况下仍然能够准确估计信源的个数,而且角度分辨率高。     

组网无源雷达变数目多目标跟踪算法

针对组网无源雷达多目标跟踪问题,提出一种新的变数目多目标跟踪算法,实时估计目标数目与多目标状态．算法采用多站集中式融合策略解决无源观测的不完全性问题,采用最小二乘算法构造伪位置观测解决无源观测的非线性问题．针对变数目多目标跟踪问题,利用随机集理论将多目标状态与观测构成随机有限集,通过高斯混合概率假设密度滤波递归计算多目标状态随机有限集的后验强度,实时得到目标数目及其状态的估计．算法引进最小二乘算法估计出候选目标点进行数据关联,解决了无源观测线较近时无源数据关联精度下降问题．仿真实验验证了该算法的有效性．     

基于改进可能性聚类算法的轴承故障诊断

通过研究轴承及其组件的振动信号来分析其工作状况是机械故障检测和诊断的一种常用方法。针对传统可能性聚类算法用于故障诊断时存在的问题,将改进可能性聚类算法与聚类有效性指标相结合,提出一种无监督的可能性聚类算法。将算法应用于滚动轴承的故障诊断中,实验结果表明,该算法不但能够自动确定聚类个数,对噪声具有较好的鲁棒性,而且聚类的准确性高于传统可能性聚类算法。     

多源扫掠体全六面体网格自动生成算法

引入虚面概念和虚拟分解算法,将多源面单目标面扫掠体（简称多源扫掠体）自动分解为多个单源面单目标面扫掠体（简称单源扫掠体）.针对每个单源扫掠体,先生成虚面网格,然后生成包含虚面的单源扫掠体网格,以保证共享虚面上的网格一致性.单源扫掠体网格生成的关键是内点定位,通过改进仿射变换求解算法,解决了已有算法的2个缺陷,一是源面边界点共面时仿射函数不唯一,二是源面、目标面和扫掠路径弯曲时内部单元可能会扭曲.数值试验表明,新的内点定位算法在网格质量和执行效率上都要优于已有算法.与某商业软件扫掠网格生成结果的对比也验证了本文算法的实用性.     

基于SVD-Clustering的源数估计方法

针对传统的基于奇异值分解的不相关源数估计方法中,由于数据获取误差和谱估计误差及其不确定性所导致的问题,提出一种基于奇异值分解的聚类源数估计新方法.该方法借鉴聚类分析思想,克服了原方法中阈值选择的困难,并可同时优化各奇异值聚类的类内及类间分散度.实验结果证明了该方法可以自动实现奇异值量值的正确划分,从而非监督式地估计一个复杂机械系统中的不相关源数.     

基于ESPRIT算法的L-型矢量阵源方位估计

建立了水平L-型矢量水听器阵列的数据模型,研究了利用ESPRIT算法同时对目标的水平方位角和仰角进行高分辨率角度估计,仿真L-型矢量水听器阵对单个源和多个源的方位估计情况,并和相同阵型的声压阵方位估计性能进行比较,结果表明,相对于声压阵,矢量阵可以在不增加阵孔径的前提下提高对单源方位估计的精度,获得的增益为6dB左右,同时提高了对多目标方位的分辨能力。