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。     

混叠通信信号的盲分离处理

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析。本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离。仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离。     

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。     

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.     

卷积混叠信号盲分离

本文讨论了卷积混叠信号盲分离问题，证明了一系列基于高阶谱的判据，指出了盲辨识和盲分离的充分条件，利用判据，发展了若干算法，模拟实验证实了判据的正确性和算法的有效性。     

基于广义特征值的病态混叠盲源分离算法

提出了一种新的病态混叠盲源分离算法.算法首先对观察信号进行预处理,把多余的观察信号剔除,使预处理后的混叠矩阵 A 是行满秩的;然后,通过把恢复信号的部分和的协方差与恢复信号的协方差之比的对数作为代价函数,使优化代价函数转化为求解一个广义特征值问题.在较弱的条件下,证明了该算法能够恢复出所有理论上能被分离出的源信号.数值仿真表明该算法非常有效.     

基于两步法稀疏分量分析的欠定盲源分离

分析了解决欠定盲源分离问题的稀疏分量分析方法。首先讨论了数据矩阵稀疏表示（分解）的方法,其次重点讨论了基于稀疏因式分解方法的盲源分离。该盲源分离技术分两步．一步是估计混合矩阵,第二步是估计源矩阵。如源信号是高度稀疏的,盲分离可直接在时域内实现。否则．对观测的混合矩阵运用小波包变换预处理后才能进行。仿真结果证明了理论分析的正确性。     

瞬时混叠信号盲分离

本文利用三阶和四阶积累量研究了瞬时混叠信号分离的问题－根据源信号通过瞬时叠加后的观测值忧愁出源信号。     

面向高混响环境的欠定卷积盲源分离算法

为了解决高混响环境下欠定卷积混叠信号的分离问题,提出一种新的欠定卷积盲源分离算法。针对高混响环境的影响,设计全局脉冲响应网络削弱混响回声,提高信号质量。基于全局脉冲响应网络建立新的时频域混叠信号数学模型,采用全局脉冲响应矩阵缩短了传统脉冲响应的长度,降低了高混响带来的模型变换近似误差。基于非负矩阵分解理论设计模型参数的实时更新学习规则,将源信号分离问题转换为模型参数优化问题,实现混叠信号的盲源分离。实验结果表明,所提算法可以有效地实现中英文语音、音乐混叠信号的盲源分离,与现有比较流行的盲源分离算法的对比验证了所提算法的优越性。     

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。     

动态变化混叠模型下盲源分离中的源数估计

在进行欠定盲分离时,特别是对于源信号数目及混合矩阵动态变化的情况,常规的欠定盲分离及源数估计方法不能对源信号数目的变化时刻做出判断,因此很难实现动态变化的源信号数目实时和准确的估计。针对这个问题,提出了一种动态变化混叠模型下欠定盲源分离中的源数估计方法。首先,建立动态变化混叠情形下盲源分离的数学模型及动态标识矩阵。其次,基于构建的动态标识矩阵统计和判断动态源信号数目的变化情况。最后,通过分段时间内多维观测矢量采样点聚类区间局部峰值统计,实现动态变化混叠模型下盲源分离中的源信号数目的有效估计。仿真结果表明,该方法能有效实现动态变化混叠模型下欠定盲源分离中的源数估计,并且信号估计效果良好。     

一种强鲁棒性的盲分离混合矩阵估计方法

针对传统盲分离混合矩阵估计鲁棒性差、易受初始值影响、精度不高等问题,该文将人工蜂群算法(ABC)用到盲分离中,结合稀疏信号混合矩阵估计的特点,提出一种基于不同搜索策略和编码方式的两阶段蜂群算法的混合矩阵估计方法,通过新的蜜蜂搜索行为和子蜂群之间的协同作业,明显加快了算法的收敛速度,提高了混合矩阵的估计精度。仿真实验表明,该方法在源个数较多、弱稀疏、低信噪比的情况下仍然可以很好地估计混合矩阵。相比已有方法,该方法不仅具有很强的鲁棒性和很高的估计精度,而且不需要太大的计算量。     

一种基于盲分离的欺骗干扰抑制算法

该文针对单天线雷达的欺骗干扰,研究了一种基于盲分离的欺骗干扰抑制方法。该方法在对接收信号进行分段提取的基础上,借助特征矩阵联合对角化(JADE)的盲分离技术获得多段分离信号,然后利用分选技术获取完整源信号,最后根据数字射频存储技术(DRFM)的相位量化特性鉴别目标和干扰。仿真结果表明,在高信噪比(SNR)下算法对欺骗干扰具有较好的抑制性能,且当SNR15 dB时,目标回波相似系数大于85%;相位量化位数低于4位时,鉴别概率接近100%,目标延迟时间测量误差小于0.3s。     

欠定线性瞬时混合盲分离矩阵求解算法

针对欠定线性瞬时混合中的混合矩阵条件数较大的情况,使用最小二乘估计算法求解源信号造成的噪声放大问题,研究了一种求解分离矩阵的算法。此方法基于最大信干噪比的原则建立代价函数,通过最优化此函数得到分离矩阵。仿真实验表明,该算法与最小二乘算法相比可以改善在混合矩阵条件数较大时噪声放大影响下的分离性能。     

基于四阶累积量的稳健的通信信号盲分离算法

该文针对有噪环境中的通信信号盲分离问题,提出了一种在噪声环境下性能良好的盲分离算法,该算法将稳健的白化算法与四阶累积量矩阵的联合对角化相结合。仿真结果表明,该算法分离性能比一般的近似联合对角化(JAD)算法有很大改善,干信比可降低近10dB,而算法的运算量没有太多增加。     

一种多维信源衰减延时混合的欠定盲源分离方法

为解决衰减延时混合信号的欠定盲源分离问题,该文研究了一种基于信源数估计的欠定盲源分离方法。首先,采用对时频域观测信号求能量来构造稀疏域;其次,在能量域中利用势函数估计信源数;再次,根据信源数将能量和峰值对应的频点筛选出来预测时频掩码从而获得估计信源的短时频谱;最后,填充线用来解决时域分离信号的边界效应问题。实验表明,所提方法可以有效分离衰减延时混合的模拟信号,并且在不同信噪比下优于稀疏聚类算法和子空间法;此外,在对实测悬臂梁锤击测试的过程中可以估计出模态阶数并且准确识别出结构的各阶模态固有频率。     

基于联合对角化的声信号深度卷积混合盲分离方法

声信号在空间中的传播具有较强的多径效应,在接收端往往以卷积形式相互叠加,尤其在海洋、剧场等强混响条件下,混合滤波器冲激响应的长度会显著增加,现有的频域卷积盲分离算法将失效。为了消除长脉冲响应导致解混合模型失效的问题,该文对观测信号进行两次短时傅里叶变换(STFT),第1次STFT缩短了脉冲响应长度,第2次STFT将信号模型转化为瞬时盲分离,最终利用联合对角化(JD)技术估计出分离矩阵。与现有方法相比,所提方法解决了深度卷积混合下模型失效的问题,并且当源信号数较多或存在加性噪声时,可以得到更好的分离性能。仿真结果验证了方法的有效性和性能优势。     

基于单路定时准确的低复杂度成对载波复用多址信号盲分离算法

该文分析了传统逐幸存路径处理(Per-Survivor Processing, PSP)算法模型,给出了改进的前馈非二元码软输出维特比(Soft Output Viterbi Algorithm, SOVA)PSP算法。针对单路定时准确的情况,提出了针对成对载波复用多址(Paired Carrier Multiple Access, PCMA)信号的SOVA-PSP盲分离算法。该算法相对传统的PSP算法状态数由原来的M2(L-1)减少到M(L-1)(其中M为调制阶数,L为等效信道响应长度),从而大幅度地降低了算法复杂度。仿真结果表明,改进的算法在降低复杂度的同时与传统PSP算法相比性能几乎没有损失。