基于源信号数目估计的欠定盲分离

该文利用欠定盲分离下稀疏源信号的特点,估计源信号的数目且恢复源信号。通常在用两步法来解决欠定盲分离时,首先利用K-均值算法对观测信号聚类估计出混叠矩阵,最后利用最短路径法来恢复源信号,但是在以往的算法中,第1步估计混叠矩阵时,通常假设源信号数目是已知的,从而进行K-均值聚类,而事实上源信号数目根本无法知道,因此对源信号数目的估计对两步法有很重要的影响。因此本文提出了一种新的两步法算法,其中第1步利用稀疏源信号反映在观测信号中的特征来准确地估计出稀疏源信号的数目,且能得到混叠矩阵,从而恢复源信号。最后的仿真结果,以及与通常的K-均值聚类算法对比的仿真结果说明了此算法的可行性和优异的性能。     

混响环境下基于卷积模型的欠定盲源分离

为了提高盲源分离(blind source separation,BSS)算法在混响和噪声环境下的鲁棒性,提出了一种适用于欠定情况下用于卷积混合信号的盲源分离算法.在该算法中,利用高混响环境下混合模型即使在时频(time-frequency,TF)域中仍具有卷积特性,并结合房间冲激响应(room impulse res...     

一种鲁棒的病态混叠信号欠定盲源分离算法

噪声环境下的病态混叠信号具有较强的空间复共线性,因此基于聚类的稀疏分量分析(SCA)方法难以在欠定条件下对其进行有效的分离。针对这一问题,该文首先建立了噪声环境下病态混叠信号欠定盲源分离问题的数学模型,分析了基于线性聚类的SCA方法在解决该问题时的局限性,提出了一种基于SCA和非正交联合对角化(NJD)的分离算法,该方法利用NJD不要求混叠矩阵为酉矩阵的特性,较好地解决了欠定盲源分离中的病态混叠问题。仿真实验表明,该方法在信号分离效果、噪声鲁棒性以及病态混叠鲁棒性上都明显优于基于启发式聚类粒子群优化的(CGPSO)的SCA方法。     

基于最小体积约束的频域卷积盲源分离

频域盲源分离算法多数基于窄带假设,该假设在长混响环境下不成立。基于卷积传递函数（Convolutive Transfer Function, CTF）的多通道非负矩阵分解（Multichannel Nonnegative Matrix Factorization, MNMF）方法不依赖窄带假设,在长混响环境下的分离性能较其他传统算法有显著提升。但是,非负矩阵分解（NMF）对源信号功率谱进行近似估计在大多数情况下是病态的,其最优解不唯一。本文提出了一种基于最小体积约束的频域卷积盲源分离方法,在多通道非负矩阵分解（CTF-MNMF）的目标函数中,引入NMF基矩阵的最小体积约束来提高问题的适定性和求解参数的可辨识性。采用Majorization-Minimization (MM)优化方法对最小体积约束的目标函数进行求解,导出了估计参数的闭式解。仿真实验表明,在长混响环境下,所提方法比CTF-MNMF具有更好的分离性能。     

基于改进谱聚类的雷达信号欠定盲源分离算法

现有的模糊聚类算法在初始值选择、低收敛速度和局部极值方面存在问题,导致混合矩阵估计的低精度。针对现有雷达侦察算法抗干扰性能不高的问题,提出了一种基于谱聚类的新型两阶段欠定盲源分离(UBSS)算法。基于谱聚类的混合矩阵估计算法,在谱聚类的基础上对得到的特征矩阵进行张量分解估计出混合矩阵。在未知先验信息条件下,采用两阶段方法实现雷达信号的分离。仿真结果表明,该方法混合矩阵的估计性能优于传统方法,在未知先验信息的实际情况下恢复效果更佳。     

一种室内混响语音盲分离算法

在信号处理领域,室内环境下的混响语音盲分离一直以来都是一个重点与难点,主要是由于混合系统存在的混响和回声严重影响了语音质量,从而降低了算法分离效果.因此,本文提出了一个应对算法,由麦克风采集到室内混响语音混合信号后,对该混合信号进行两阶段去混响处理:首先通过设计一个逆滤波器来抑制早期混响或增大信号混响能量比,再采用谱减...     

基于EMD-NLPCA的欠定非线性盲源分离算法及应用

对欠定非线性混合信号的盲源分离算法进行研究,提出一种基于经验模式分解与非线性主成分分析(EMD-NLPCA)的盲源分离算法。首先对观测信号做EMD处理,重构信号后引入高阶统计量,再进行主成分分析,完成信号分离。该算法既可以应对欠定环境,又解决了非线性混合问题。仿真实验中,将该算法与稀疏分量分析法的结果进行比照,证明了该算法的正确性以及相较于稀疏分量分析法更具普适性。将该算法用于无人机发动机开车音频信号的分离,效果较好。     

采用互补滤波器组进行频带分解的欠定盲源分离方法

为了有效估计混合矩阵并恢复出源信号,考虑到现实中的很多信号都是带限信号,提出了采用互补滤波器组进行频带分解的欠定盲源分离方法.该方法将接收的混合信号经互补滤波器组分离到不同的子频带,然后在每一个子频带分别估计混合矩阵进行常规的盲分离,利用聚类分析方法估计总的混合矩阵,最后把相关的分离子频带信号进行叠加以恢复出源信号.即...     

一种强混响环境下的盲语音分离算法

强混响环境下语音信号的频域盲分离问题是盲源分离领域的一个难点,主要是因为混合系统的脉冲响应时间过长,甚至超过信号的非平稳时间,导致算法性能下降。本文针对这个问题提出了一种解决方法,在用一个短时傅立叶变换将时域卷积混合信号转化为频域的过程,再在时频域上使用另一个短时傅立叶变换,将信号变换到调制谱域,这样较长的脉冲响应就被转化为调制谱域上的瞬时混合形式,而瞬时混合情形则采用独立向量分析(IVA)算法来避免排序模糊性问题。计算机仿真实验证实了该算法在强混响环境下优于传统频域盲分离算法。      

稀疏分量分析在欠定盲源分离问题中的研究进展及应用

伴随着国内外对盲源分离问题研究的日益深入,在独立分量分析等经典算法之外逐步发展出了许多新的算法.稀疏分量分析就是其中有效的方法之一,它利用信号的稀疏分解,克服了独立分量分析非欠定性的要求,解决了欠定情况下的盲源分离问题.本文将以稀疏分量分析为主要对象,归纳总结了近期的研究进展.     

基于比率矩阵聚类的欠定盲分离算法

利用稀疏分量的直线聚类性,提出了欠定盲源分离中估计混合矩阵的一种方法。该方法通过构造比率矩阵对观测信号进行分选,剔除了源信号频谱重叠的部分,然后利用鲁棒竞争的聚类学习算法获得对混合矩阵的精确估计,解决了源信号在频域不充分稀疏的条件下准确估计混合矩阵的问题。在估计出混合矩阵的基础上,利用最短路径法分离出源信号。由仿真结果可以看出,与传统的K均值估计混合矩阵的方法相比,方法具有更好的鲁棒性。     

快速NMF盲源分离算法

将秩一非负矩阵分解应用于盲源分离问题,把基于欧式距离的目标函数转化成二次函数的形式;施加稀疏性约束和正交性约束保证信号可分离性;利用二次函数的性质分别推得混合矩阵和源信号的迭代公式,从而得到一种基于秩一分解的快速NMF盲源分离算法（NMF-R1)。分析得到一次迭代更新NMF-R1算法比传统NMF盲源分离算法（NMF-BM)所需乘法次数少约30%,NMF-R1算法无矩阵求逆运算,NMF-BM算法还需2次矩阵求逆运算。图像信号的超定和欠定盲源分离仿真结果表明,NMF-R1算法都能分离出源信号, NMF-BM算法只能分离超定混合信号;NMF-R1算法与NMF-BM算法比,分离性能好、收敛速度快。      

SRP-NMF:一种多通道盲源分离算法

将双通道盲源分离算法GCC-NMF扩展到广义多通道盲源分离问题中,提出了一种新的多通道盲源分离算法SRP-NMF.该算法利用SRP-PHAT算法计算每个源信号到麦克风通道的到达时间差,对混合信号中的源信号进行定位和计数,并结合非负矩阵分解实现盲源分离算法.实验使用WSJ0-2mix数据集和VCC数据集来评估分离结果.通...     

面向多路源信号的单通道盲去卷积算法研究

传统的单通道盲去卷积的方法存在仅能从混合信号中分离出2路源信号的局限,考虑到以上问题,该文提出一种基于优化的深度卷积生成对抗网络的单通道盲去卷积算法(SCBDC),能从1路混合信号中分离和解卷积出3路以上的独立源信号和混合矩阵。该文实验在汉字和遮挡图像数据集上进行,随机选择4路信号与混合矩阵进行卷积混合,实验结合峰值信噪比(PSNR)和信号相关性指标来评价分离的效果,结果显示,该算法能够有效地分离出多路源信号并去卷积。     

基于ICA的雷达信号欠定盲分离算法

该文针对源信号时域和频域不充分稀疏的情况,提出了欠定盲源分离中估计混合矩阵的一种新方法。该方法对等间隔分段的观测信号应用独立分量分析(ICA)的盲分离算法获得多个子混合矩阵,然后对其分选剔除了不属于原混合矩阵的元素,最后利用C均值聚类的学习算法获得对混合矩阵的精确估计,解决了源信号在时域和频域不充分稀疏的情况下准确估计混合矩阵的问题。在估计出混合矩阵的基础上,利用基于稀疏分解的统计量算法分离出源信号。由仿真结果,以及与传统的K均值聚类,时域检索平均算法对比的实验结果说明了该文算法的有效性和鲁棒性。     

具有延迟的欠定语音盲分离

探讨具有延迟的欠定语音盲分离问题,针对语音信号的部分W-分离正交性,提出一种新的基于混叠矩阵估计的语音盲分离方法.首先对观测信号进行短时傅里叶变换,选定一个信号作为参考信号,构造幅度衰减向量和时间延迟向量,提取单源主导区间的观测信号作为观测样本;然后对观测样本进行聚类,通过估计参考信号的混叠系数来估计混叠矩阵;最后结合...     

盲源分离和盲反卷积

盲信号处理是信号处理领域的热点研究问题,盲源分离和盲反卷积是盲信号处理的重要组成部分近年来取得许多重要进展.本文主要介绍盲源分离和盲反卷积的基本模型、数学原理和研究进展;分析了各种方法的特点并指出了进一步的研究方向.     

基于拉普拉斯势函数的欠定盲分离中源数的估计

本文提出了一种新的欠定盲源分离中源信号个数的估计算法,利用稀疏混合信号的特征,引入拉普拉斯势函数,并采用聚类算法来估计其局部最大值,由此得到源信号的个数估计.所提出的算法具有较好的抗噪声性能,对信号的稀疏度要求低.仿真实验结果说明了该算法的有效性.     

基于压缩感知的欠定图像盲源分离研究

系统阐述了利用稀疏成分分析(Sparse Component Analysis,SCA)算法进行欠定图像盲源分离。首先在估计出源图像个数的基础上,利用线性聚类估计混合矩阵;其次将压缩感知(Compressed Sensing,CS)应用到恢复源图像中。为了得到自适应的过完备稀疏字典来提高分离效果,提出了利用K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)算法对过完备DCT字典循环迭代训练的思想,并对图像分块处理来减少计算复杂度;最后进行了仿真测试并对分离出的图像进行了分析和进一步处理。     

一种基于广义协方差矩阵的欠定盲辨识方法

针对欠定盲源分离模型中的混合矩阵估计问题,研究了一种基于广义协方差矩阵的欠定盲辨识方法。该方法利用观测信号采样数据的广义协方差矩阵性质,将构建的一系列模型函数堆叠为一个张量模型,进而将欠定的混合矩阵辨识转换为张量分解模型中秩一分量的估计。理论分析和仿真结果表明,基于广义协方差矩阵的欠定盲辨识方法比经典的基于二阶协方差矩阵和基于四阶累积量的欠定盲辨识方法具有优越的性能。