一种时频域上的盲信号分离方法

滑动傅立叶变换是一种时频分析方法,本文详细推导了滑动傅立叶变换一个频率芯值与原信号的关系,提出了一个频率芯上信号盲分离算法,本算法实现容易,计算量少,计算机仿真结果证实所提出方法的正确性和有效性。     

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.     

盲信号分离的理论与发展现状

文章首先介绍了盲信号分离问题的起源、特征、含义,然后介绍了盲信号分离的原理和算法,最后介绍了盲分离研究的现状,探讨了盲分离研究仍存在的一些问题。     

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。     

基于广义特征分解的盲信号分离算法

针对复杂环境下的线性混叠信号,给出了一种基于广义特征分解的盲信号分离方法。在信号数目未知的情况下,该方法利用广义特征分解即可获得混叠矩阵,无需进行常规的迭代运算即可实现对线性混叠信号的分离。实验证明了该方法的可行性和有效性。     

基于盲信号分离的信道均衡算法

本文提出了一个新的基于盲信号分离的信道均衡结构和算法。通过对接收信号的过采样,由源序列构成的、长度为N的矢量可以被看成互相独立的N个信号源,与此相应的接收矢量则是该N个独立信号通过线性系统后的输出。为了恢复被传送的序列,我们采用基于神经网络学习的盲信号分离算法,实现信道的盲均衡。模拟结果显示,无论是实信道还是复数信道,该方法都具有较好的均衡效果。     

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。     

盲信号分离算法研究

介绍了一种基于快速定点的盲分离算法，该算法可以对来自不同方向上的统计独立信号进行有效的分离，并且不需要预先知道信号的测向和阵列的结构流形，因此该算法称为盲分离算法。另外该算法不仅有传统的波束形成的优点，即在有用信号方向形成主波束，并且还能够在干扰方向形成很好的零点，所以该算法是波束形成技术和零点形成技术的结合，可大大提高信干比，另外该算法还有收敛快的特点，对于每一个信号大约迭代10次后就可以收敛。     

一种基于ICA的盲信号分离快速算法

基于ICA(独立成分分析:Independent Component Analylsis)原则,给出一种盲信号分离的快速学习算法.通过寻求观测变量线性组合的四阶累积量(即kurtosis系数)局部极值,得出该算法的模型和步骤.将该算法用于盲信号分离实验,实验结果表明,该算法在盲信号分离和信号特征提取方面具有收敛速度快、无需动态参数等优点.该算法能有效地分离出任意分布的非高斯盲源信号的各个独立成分,是信号处理的一种新的、高效可靠的方法.     

基于非负矩阵分解算法进行盲信号分离

独立分量分析(ICA)已被广泛运用于线性混合模型的盲源分离问题,但却有两个重要的限制:信源统计独立和信源非高斯分布。然而更有意义的线性混合模型是:观测信号是非负信源的非负线性混合,信源之间可以统计相关且可以为高斯分布。本文针对盲源分离问题,提出了一种运用新近国际上提出的一种非负矩阵分解算法(NMF算法)进行统计相关信源的盲源分离方法,该方法没有信源统计独立和信源非高斯分布的限制,只要信源之间没有一阶原点统计相关,则可很好实现对信源的分离。大量仿真及与传统ICA进行盲源分离的比较,验证了运用NMF进行包括统计相关信源和高斯分布信源的盲源分离的可行性和有效性。     

盲信号分离及盲信号抽取研究

盲信号分离技术是将混合信号中的源信号分离出来的一种功能强大的信号处理方法,已成为信号处理领域的研究热点。阐述了盲信号分离的发展现状,介绍了盲信号分离问题的数学模型,给出了盲源分离的基本思想。对盲信号分离算法进行了研究,阐述了盲信号分离几种典型算法的特点及性能,对与盲信号分离紧密相关的盲信号抽取算法进行了总结,并对盲信号分离的进一步研究进行了展望。     

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。     

基于盲信号分离的自适应回声抵消算法

在视频会议和免提通信系统中,扬声器和麦克风之间的声耦合严重影响语音通信系统的质量。文中提出了一种用基于盲信号分离（BSS）的自适应声回波对消（AEC）方法,可有效解决回声和噪声对近端语音信号的影响。该方法不仅能减少背景噪声对回波对消的影响,而在双向通话时,可直接利用盲信号分离技术分离出近端语音。     

混合语音信号的盲分离

重点研究了卷积混合语音信号的盲分离方法。语音信号是非平稳信号,但是它在短时间上具有平稳性。因此,本文对语音信号进行加窗傅立叶变换（FFT）将卷积混合问题转换为频域上每个频点的瞬时性BSS（blind source separation）问题,采用定点（fixed—point）ICA（independent component analysis）算法对混合语音信号进行了分离,并用matlab进行了仿真。     

一种有效的语音信号盲分离方法

频域盲语音信号分离存在着排序模糊问题,提出一种基于相邻频点幅度相关和DOA估计相结合的解排序模糊方法,并且通过对一系列预处理（白化）、独立分量分析和后处理算法的优化和有机组合,很好地实现了卷积混合语音信号的盲分离。用真实录制的语音信号进行了仿真实验,恢复出来的源信号的信干比较分离之前提高了约13dB,证明了算法的有效性。     

基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。     

基于盲源分离的无源雷达信号处理研究

为解决基于FM资源的无源雷达直达波与目标反射波的精确提取与分离比较困难的问题,在对数据进行源数估计后,将改进的FastICA算法应用于无源雷达直达波与目标反射波的提取中,最后运用基于相关系数的排序和相位调整算法对排序和相位进行调整。仿真结果表明运用该方法可以实现从同频、邻频的混合信号中精确分离和提取出元源雷达直达波与目标反射波信号,为进一步的无源雷达精确定位估计打好了基础。