含噪盲信号分离与识别方法研究

针对经典FastICA不能对含噪盲信号进行较好的分离,提出了一种基于偏移FastICA及支持向量机(SVM)的含噪通信盲信号分离与调制方式识别的方法.其核心思想是首先对接收到的含有高斯白噪声的盲信号运用偏移FastICA进行分离,然后对分离出的信号分别提取5种特征参数,利用SVM对其数字调制方式识别,理论研究和仿真结果证明:偏移FastICA对含噪盲信号分离效果好,在信噪比不低于10 dB时,调制识别率可以达到93％以上,能够较好地识别2ASK,4ASK,2FSK,4FSK,2PSK,4PSK,16QAM信号,具有一定的可行性.     

混合ADSL信号的盲分离

在深入研究ADSL的DMT调制的基础上,提出把带通滤波与盲信号分离相结合,把混合ADSL信号分离问题转化成同频MQAM混合信号分离问题.仿真选择扩展最大似然算法分离两个同频16QAM信号的线性瞬时混合信号.理论与仿真都表明把盲信号分离用于混合ADSL信号分离是可行的.     

基于盲信号分离的同频多信号测向技术

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方向和阵列的结构流形。常规的干涉仪算法只能够对非同频信号测向,当多个信号频谱重叠时,无法准确获得单个信号的相位,因此采用干涉仪算法不能够实现对同频多信号测向。提出了一种基于盲信号分离结果的干涉仪测向算法,可以解决同频多信号的测向,进一步提高了干涉仪算法的应用前景。     

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。     

粒子群算法用于盲信号分离的研究

提出一种采用粒子群优化算法进行盲信号分离的新方法,为盲信号分离领域提供一种新的研究思路与方法。该方法采用峰度作为适应度函数,利用粒子群算法对由多个源信号混合而成的信号进行盲信号分离。与自然梯度法盲信号分离相比,粒子群算法精度更高,收敛速度更快,实例仿真成功地对两个图像混合信号进行了盲分离,表明了算法的有效性和优越性。     

采用改进的FastICA算法解决铁路通信同频干扰问题探究

在复杂的无线电环境下,无线通信和铁路车地通信普遍存在同频干扰,针对在时域和频域内难以解决多个同频信号干扰的问题,文章将盲分离技术应用于同频信号的提取中,提出一种基于盲源分离提取同频信号的方法。首先通过共轭梯度法对基于峭度目标函数的FastICA算法进行迭代,然后在共轭梯度法迭代的基础上增加一维精确线性搜索,最后选用不同代价函数的梯度对步长进行优化,进一步提高了FastICA算法的提取精度。仿真结果表明,所提出的算法能够很好地实现同频信号的提取,提取信号与原信号的相似度达到97%,该研究为解决铁路通信系统中同频信号的混叠问题提供一个新的解决途径。     

空间电子探测信号盲分离研究

给出了盲信号分离中的瞬时混合,时延混合和卷积混合三种混合模型,介绍了两种具体的盲分离算法,等变自适应盲分离算法和非高斯性最大化的快速定点算法.其中对于窄带源信号,对时延混合模型进行了扩展,提出了用复数域瞬时盲信号分离算法分离时延混合信号的新思路.最后给出了相应的仿真和实验结论,实验结果表明用基于复数的盲分离算法确实能够有效地分离阵列接收的时延混合信号.     

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.     

盲源分离技术用于脑电信号处理的探索

基于独立分量分析的盲信号分离方法具有非常理想的信号消噪效果。盲源分离技术是盲信号处理领域的一个重要的分支。20世纪90年代中期，盲源分离技术得到了迅猛的发展，并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。本文介绍了盲源分离技术的模型和算法，并对其在脑电信号方面的应用进行了仿真分析和探讨。     

基于时-频分布的非平稳盲信号分离算法

大多数盲信号分离算法只适用于非高斯、平稳、相互独立的源信号，因此使用高阶统计量（HOS）有效解决以上问题。然而非平稳环境在实际问题中经常出现，本文主要考虑基于Cohen类时-频分布的Wigner—Viue分布的有噪声污染的盲信号分离算法。通过联合对角化一组空间时-频分布矩阵，给出了一种选取时频点初值的选取准则，最后给出了针对非平稳混合信号的盲分离算法。仿真实验说明本文提出算法的有效性。     

基于松弛改进FastICA算法的星基ADS-B信号分离

星基广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)系统覆盖空域广,星载接收机所接收的信号信噪比低、信号间的功率差异小,ADS-B报文在接收机处的冲突更加严重,对信号分离算法提出了更高要求。针对基于负熵的快速独立成分分析(Fast Independent Component Analysis,FastICA)算法存在的局部极大值和收敛依赖于初始权值的问题,在FastICA算法中引入了松弛因子,采用松弛改进的FastICA算法对星基ADS-B信号进行分离。阐述了松弛改进FastICA算法对星载ADS-B接收机接收到的混合信号进行分离的机理,并进行了仿真实验,通过相关系数、迭代次数和误码率比较了松弛改进FastICA算法、经典FastICA算法和投影算法的性能。仿真结果表明,松弛改进FastICA算法能更有效地分离星基ADS-B混合信号。     

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。     

语音信号识别基于盲源信号分离的实现

为了识别两路频谱混叠语音信号,多采用盲信号分离的方法。但是该方法在工程实践中实现较困难。因此给出了一种利用盲源信号分离的原理及特点的实现方法,具体说明了用FastICA算法在ADSP_BF533平台上实现盲源信号分离时的具体流程。该设计方案所需时间短,效率高,而且占用内存较少。     

基于二阶矩的雷达信号盲分离

针对雷达接收机在现代战场复杂电磁环境下接收到的混叠信号,提出了一种基于二阶矩的信号盲源分离方法。在混合信号球化过程中,对于具有加性白噪声的模型,构造了一组新的协方差矩阵,在信噪比不是很高的情况下,使其不会影响分离结果。在协方差矩阵对角化过程中,采用自然梯度的方法,避免分离矩阵更新过程中的求逆问题,提高了算法的实时性。仿真实验证明,在信噪比为-10 dB的条件下,对比FastICA算法,所提算法分离精度高,收敛速度快,为进一步的信号识别提供可靠依据。     

基于小波与独立分量分析的语音信号分离算法研究

混合语音信号的分离是盲源分离的重要内容,也是信号处理领域中的一个难题.对含噪声的混合信号采用小波滤波对信号进行去噪预处理,再采用基于信息极大分离算法提取信号的独立分量.实验结果表明,与传统的滤波方法相比,该算法在消除噪声的同时,对其他信号的细节几乎没有破坏,能够很好地分离频率相同或者相近的语音信号,而且去噪性能也比传统的滤波方法好.     

基于FastICA的混合音频信号盲分离

独立成分分析（ICA）作为一种有效的盲源分离技术已成为信号处理领域的热点,它以非高斯源信号为研究对象,在统计独立的假设下,对多路观测到的混合信号进行盲信号分离。为了提高算法的收敛速度和稳态精度,介绍了独立成分分析的基本原理,以及利用FastICA算法进行信号分离的理论依据,引入了改进的非线性函数,运用Matlab进行仿真比较3种非线性函数下的分离性能和改进的非线性函数在不同θ下的分离性能,结果表明在综合因素的考虑下,该改进函数在实现混合音频信号盲分离方面比改进前更有效。     

Multicomponent AM-FM signal separation and demodulation with null space pursuit

The operator-based signal separation approach, which formulates signal separation as an optimization problem, uses an adaptive operator to separate a signal into additive subcomponents. Furthermore, it is possible to design different operators to fit different signal models. In this paper, we propose a new kind of differential operator to separate multicomponent AM-FM signals. We then use the estimated operators to calculate each sub-component’s envelope and instantaneous frequency. To demonstrate the efficacy of the proposed method, we compare the decomposition and AM-FM demodulation results of several signals, including real-life signals.     

基于单个频点的水声信号盲源分离

该文提出基于单个频点的卷积信号盲源分离方法,利用该方法不但可以有效克服频域盲分离过程中排序不确定问题,而且在分离过程中,无需考虑幅度不一致问题。将该方法用于水声信号的盲分离,仿真结果表明基于单个频点盲源分离方法能够很好地分离水声卷积混合信号。与基于两个频点盲源分离方法相比较,其分离效果更优,并且能有效节省CPU运算时间,因而更适合于对信号进行实时处理。     

盲信号分离在数字无线通信中的一种应用

本文提出了基于神经网络的盲信号分离在数字无线通信中的一种应用。利用本文中的天线阵,接收到的信号可以看作是由Ｎ个独立的信号源所激励的线性混合系统的输出,应用基于神经网络的鲁棒性很好的盲分离算法＾〖７〗,实现多用户信号的分离。我们还就其在数字无线通讯中的应用进行了计算机模拟,模拟结果显示分离效果是令人满意的。     

基于时间结构盲源分离算法的工频干扰消除

研究了基于时间结构盲源分离算法的基本原理,在分析其特点和适用范围的基础上,提出了采用时间结构盲源分离算法消除地震信号采集过程中工频干扰的方法,并与基于FastICA的方法进行了性能比较.研究结果表明,本方法能够有效地消除地震信号中的工频干扰,同时保护有用信号,且干扰消除性能具有明显优势.