基于细菌觅食的盲源分离算法研究

细菌觅食算法是一种基于细菌觅食行为的智能优化算法.盲源分离是盲信号处理的重要方面.为了提高盲源分离的有效性,根据盲源分离和细菌觅食算法的基本原理,提出了一种基于细菌觅食行为的盲源分离算法.用MATLAB对提出的这一算法进行仿真,并将其分离结果与传统独立分量分析算法的分离结果相比较.实验结果表明这是一种分离效果优于传统独立分量分析算法的有效分离算法.证明了基于细菌觅食盲源分离算法的可行性和有效性.     

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。     

时域AMARI的盲去卷积算法研究

利用Bussgang性质作为代价函数，给出了一种基于高阶累积量的盲源分离算法，该算法利用连续修正方法对代函数进行优化，得到源信号的盲分离。针对实际应用。生成3路卷积混合信号进行仿真分离。与源信号相比，分离结果除；列顺序改变、幅值缩放和时间延迟外，其他信息基本得到了保留，从而证明了该算法的有效性。     

一种卷积混合下的盲分离算法

盲信号处理理论常被应用于许多工程实际系统,是信号处理领域的重要而又前沿的研究热点,已经成为信号处理成熟的研究方法。文章针对盲信号分离的基本理论问题和卷积混合下的盲分离算法进行了探讨,建立卷积混合模型,并将某些算法扩展到卷积混合模型中,推导出了一系列使用价值更强的盲反卷积算法。     

一类基于非线性PCA准则的复数信号盲分离算法

在阵列信号处理过程中，经常遇到复数信号盲分离问题。例如，卷积混合型的源信号的盲分离；声纳信号盲分离。本文提出了一类基于非线性准则的复数信号盲分离算法。将非线性函数引入学习过程，由算法自动调节学习速率。计算机仿真实验验证了算法的有效性，文中给出了验证结果。     

等变自适应盲信号分离方法的研究

盲信号处理(BSP)是近年来现代信号处理领域研究的主要方向之一，而盲信号分离(BSS)则又是盲信号处理中最重要的一部分。本文首先给出了盲信号分离中传统的瞬时混合模型、时延混合模型和卷积混合模型，其次介绍了一种等变自适应盲分离算法，最后给出了相应的仿真和结论。     

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。     

一种基于峰度的盲源分离算法研究

盲源分离(BSS)问题是在缺少先验知识的情况下，从接收到的观测信号中恢复统计独立的源信号。独立分量分析(ICA)方法把多维随机矢量转换为尽可能统计独立的分量，是现代解决盲源分离问题最主要的方法之一。本文给出了一种基于峰度的盲源分离算法，与用Comon的方法求解Givens矩阵相比，结构清晰、实现简单，而且几乎没有对源信号的概率密度函数做任何假设，可以对几乎所有概率密度的源信号进行分离，还借鉴了Comon的成对处理原则，把算法推广到了解决一般的盲源分离问题。仿真证明了该算法的有效性。     

基于性能权重聚类的频域盲分离排序算法

卷积混合盲源分离可以在频域得到有效解决，但频域盲分离必须要解决排序模糊性问题。本文提出了一种基于性能权重聚类的频域盲分离排序算法，该算法利用聚类来得到顺序参考，对各频点上分离信号的准确性进行计算，根据分离结果的准确性予以不同频点不同的聚类权重，从而提高聚类结果的可靠性。通过对频点进行分段处理可以有效抑制排序错误的传播，提高算法性能。最后通过多组仿真实验验证了基于性能权重聚类的频域盲分离排序算法的普适性与性能上的优越性，同时也探究了接收端个数对算法性能的影响。仿真结果表明本文提出的基于性能权重聚类的频域盲分离排序算法相较于传统的幅度相关性排序算法在信干比上会有2 dB左右的提升。接收天线数越多，算法分离性能越好。     

一种基于改进罚函数的盲分离算法

文章通过对Hyvarinen-Oja算法的理论分析与仿真比较，提出了一种改进的罚函数实时线性混叠信号盲分离算法。该算法不仅从理论上导出了罚函数的选取方法，而且也大大加快了算法的收敛速度，避免了目前纯罚函数方法可能带来的病态问题。最后进行仿真，结果表明该算法不仅具有很好的分离效果，而且分离时间较Hyvarinen-Oja算法缩短了30％。     

New criteria for blind source separation using second-order cyclic statistics

This paper addresses the problem of blind separation of cyclostationary sources. By using the cyclostationarity property of the source signals, new criteria based on second-order cyclic statistics (SOCS) are established, from which two algorithms for blind source separation are proposed. Compared with the existing higher-order statistics-based approaches, our new approach requires few data samples and does not impose any restrictions on the probability distributions of the source signals. Simulation results are given to demonstrate the effectiveness of this new approach.     

基于盲源分离的水声信道盲均衡处理方法

提出了一种基于盲源分离的水声信道讯均衡处理方法,通过对接收信号过采样构成源信号,采用了基于信息最大化原理(Infomax)在线分离算法进行了水声信道的盲均衡,并研究了时变水声信道条件下算法的均衡情况,仿真实验结果表明,该处理方法对多径水声信道具有较好的均衡效果,同时不受最小相位的条件限制。     

一种基于过采样的单通道MPSK信号盲分离算法

针对单通道接收两个MPSK混合信号的盲分离问题,该文提出了一种基于过采样的盲分离新算法。该算法基于最优贝叶斯估计准则,利用粒子滤波对发送的符号和一些参数进行序贯估计,从而实现了混合信号的分离。算法通过对接收信号的过采样,利用了更多的接收波形信息,有效地抑制了噪声的影响。仿真实验表明,新算法具有良好的误码率性能。该文同时还从极大似然的角度,对分离算法的性能进行了分析,给出了算法的误码率性能界。     

An EME blind source separation algorithm based on generalized exponential function

This letter investigates an improved blind source separation algorithm based on Maximum Entropy （ME） criteria. The original ME algorithm chooses the fixed exponential or sigmoid ftmction as the nonlinear mapping function which can not match the original signal very well. A parameter estimation method is employed in this letter to approach the probability of density function of any signal with parameter-steered generalized exponential function. An improved learning rule and a natural gradient update formula of unmixing matrix are also presented. The algorithm of this letter can separate the mixture of super-Gaussian signals and also the mixture of sub-Gaussian signals. The simulation experiment demonstrates the efficiency of the algorithm.     

BSP： Ⅱ-Blind Signals Separation

The Problem of blind signal separation and a simple algorithm is presented. The purpose of this paper is for the introduction to the structure of this problem, and using the simple algorithm to demomstrate the ideas behind the solution of this problem. It is not the intention for a tutorial review of this subject.     

两种基于调制引入循环平稳的多用户系统盲检测研究

本文探讨了两种多用户系统的检测方法:第一种方法首先分别对各个用户的信道进行盲辨识,再进行多用户盲检测;第二种方法在收方利用频偏滤波(FRESH)的超强抗干扰能力,从收方混合多用户收信号中盲提取和盲分离出所需用户的收信号,再利用已辨识出的该用户的信道进行单用户盲检测。但这里的单用户检测不是普通的单用户检测,而是用了干扰抑制技术的新型检测,所以性能可以同多用户检测相当,克服了近远问题。     

Partially blind extraction of continuous chaotic signals from a linear mixture

In this paper, we address the problem of blind extraction and separation of a continuous chaotic signal from a linear mixture consisting of some chaotic signal and/or random signals. The problem of blind extraction is firstly formulated as a problem of the synchronization-based parameter estimation. Then an efficient least square based parameter estimation method is introduced to de-termine the desired extracting vector. The proposed blind signal extraction scheme is applicable to blind separation of chaotic signals by formulating the separation problem as the extraction of each chaotic source. Numerical simulation shows that the proposed approach can blindly extract and separate the desired chaotic signals and it is also robust to measurement noise.     

基于高斯模型和贝叶斯理论的单信道语音盲源分离

单信道盲源分离是盲信号分离的重要研究方向。针对单信道线性混合语音信号一次分离后不能完全消除干扰语音的问题,提出了基于子频率分量高斯混合模型与贝叶斯理论的多次盲源分离方法。首先,对源语音的子频率分量分别进行训练,建立高斯混合模型;然后,应用贝叶斯理论从混合语音中首次分离源语音,并针对一次分离后目标语音中仍混有干扰语音的问题采取多次分离的方法,实现尽可能的彻底分离。实验结果表明,这种方法取得了良好的分离效果。     

一种源信号盲分离有效算法

本文研究接收信号维数大于源信号维数的盲分离，提出了一种基于广义特征函数的信号盲分离新方法，该方法提高了信号分离的精度，减少了计算量。文中就方法进行了理论推导，并给出了计算机仿真结果，仿真结果表明理论分析是正确的。     

Blind source separation for convolutive mixtures based on the joint diagonalization of power spectral density matrices

This paper studies the problem of blind separation of convolutively mixed source signals on the basis of the joint diagonalization (JD) of power spectral density matrices (PSDMs) observed at the output of the separation system. Firstly, a general framework of JD-based blind source separation (BSS) is reviewed and summarized. Special emphasis is put on the separability conditions of sources and mixing system. Secondly, the JD-based BSS is generalized to the separation of convolutive mixtures. The definition of a time and frequency dependent characteristic matrix of sources allows us to state the conditions under which the separation of convolutive mixtures is possible. Lastly, a frequency-domain approach is proposed for convolutive mixture separation. The proposed approach exploits objective functions based on a set of PSDMs. These objective functions are defined in the frequency domain, but are jointly optimized with respect to the time-domain coefficients of the unmixing system. The local permutation ambiguity problems, which are inherent to most frequency-domain approaches, are effectively avoided with the proposed algorithm. Simulation results show that the proposed algorithm is valid for the separation of both simulated and real-word recorded convolutive mixtures.