病态盲分离情况下的混合矩阵估计研究

在盲信号分离技术中,当混合矩阵是病态情况时,基于信号稀疏性的两步法可用来解决这一问题,而如何估计混合矩阵则是两步法的关键。提出了一种估计混合矩阵的新方法,即通过搜索重构观测信号采样点,每次只需搜索出少数某源信号取值占优的采样点,就可以通过这些采样点处的重构观测信号数据,估计出混合矩阵的某一列。依次类推,可以估计出整个混合矩阵。该方法估计混合矩阵时对源信号的稀疏度要求较低,其实现算法不需优化过程,计算简单,因此其实用性较高。仿真结果表明了该方法有效,有很好的性能。通过大量的仿真试验给出了方法的定量性能分析。     

盲信号提取算法研究与分析

盲信号提取主要研究如何把源信号逐个从观察信号中提取出来。以矩阵理论为基础,推证了在病态条件下逐个从观察信号中提取出主要源信号的可行性,并对给出的BSE学习算法,在病态条件下进行分析仿真。     

一种新的卷积混合信号的盲分离算法

研究了一种新的线性卷积混合信号的盲分离算法。该算法通过计算预白化观测数据的零时延和多时延自相关协方差矩阵,获得了多时延处理的二阶解相关统计信息。利用得到的二阶统计信息构建了两个对称正定矩阵,通过使用Cholesky分解和奇异值分解等一系列变换,得出了惟一存在的矩阵。理论分析表明,该矩阵可以使两个正定矩阵同时精确对角化。计算机仿真表明,该算法与已有算法相比,运算时间短,盲分离性能更优。     

超定条件下的盲信号提取算法

基于信号峭度理论,提出一种超定条件下的盲信号提取算法。该算法将混合矩阵辨识转化为一系列Givens矩阵辨识,从观察信号中一次提取出一个源信号。对于超定盲信号分离问题,待未知所有独立分量分离出后,余下分量可以看作是一个或多个独立分量的拷贝,是冗余信号。在算法运行结束后,所有源信号分离出,实现超定盲信号分离。该算法计算简单,收敛性好。计算机仿真试验验证了算法的有效性。     

基于细菌觅食优化的盲信号提取算法*

提出了一种新的基于细菌觅食优化的盲信号提取算法。采用负熵作为信号提取的目标函数,利用球坐标变换原理将对提取向量的求解转换为对旋转角度的求解。使用改进的细菌觅食优化算法对目标函数进行优化求解,从而实现对源信号的盲提取。通过多次提取和去相关消源过程,可以实现对所有源信号的成功提取。对多路语音信号混合后的盲提取实验验证了所提出算法的有效性。     

欠定条件下弱稀疏源信号混合矩阵盲估计

针对源信号的稀疏性影响欠定混合矩阵的估计精度, 在源信号单源频率及非单源频率分量分析的基础上,通过对观测信号频率峰值的幅值比值所 构成的列向量聚类,提出欠定条件下弱稀疏源信号混合矩阵的盲估计方法。鉴于经典聚类算 法的局部收敛性带来聚类结果的不稳定性,采用全局收敛特性较好的遗传模拟退火聚类算法 提高聚类结果的鲁棒性。仿真实验表明,本文提出的混合矩阵估计方法及采用的聚类算法 在不同欠定条件及噪声环境下具有较强的估计性能。     

基于二阶统计量的非平稳源盲提取算法

利用非平稳信号自身的时序结构,采用一阶线性预测模型,提出了一种基于二阶统计量的批处理非平稳源盲提取算法。仿真实验表明该算法是有效的。     

弱时频正交性条件下的混合矩阵盲估计

针对语音信号的弱时频正交性,提出一种基于主分量分析的混合矩阵估计方法.在时频域中,允许每个时频点存在任意多个源信号,通过对每个时频点进行主分量分析,检测只有一个源信号存在的时频点,此类时频点最大特征值对应的特征向量即为混合向量的一个估计,因此对所有估计出的混合向量进行K均值聚类,将聚类中心作为混合矩阵的估计.实验仿真表明,提出的方法提高了混合矩阵的估计精度,特别适用于估计欠定情况下的混合矩阵.     

适用于高阶QAM信号的多模混合盲均衡算法

为了提高高阶QAM信号的盲均衡性能,本文提出了一种新的多模混合盲均衡算法.该算法首先对加权多模盲均衡算法进行改进,提出了新的加权因子选取方法;然后将其与判决引导算法有机结合,构造出新的多模混合盲均衡代价函数对均衡器系数自适应更新.与其他盲均衡算法相比,该算法不仅降低了均衡后的稳态误差,增强了对不同调制阶数的适应能力,而...     

参考独立分量的正则化方法

参考独立分量分析（ICA with Reference,ICA-R）充分利用先验知识或参考信号,取得了很好的分离效果,但其中的阈值参数很难选取,且计算量很大。理论分析和实验表明,若阈值选取不当,算法甚至不收敛。通过在FastICA算法的负熵对比度函数中引入ICA-R算法中的接近性度量函数作为正则化项,得到一个简单的改进算法。针对合成数据和实际的ECG数据的仿真实验表明,算法收敛快、提取效果好,同时正则化参数取值非常灵活。     

一单元ICA-R快速算法

一单元参考独立成分分析是一种有效的利用先验信息抽取一个期望源信号的方法。峭度是随机变量非高斯性的一个经典度量。基于约束独立成分分析理论,以峭度的绝对值为对比函数推导出一种快速一单元ICA-R算法。并针对该算法的收敛特点,给出一个优选初值去提升算法的收敛速度。最后,通过计算机模拟实验验证了该算法的有效性,同时所给优选初值加快算法收敛的性能也得到验证。     

一种非负矩阵分解的快速方法

针对超高维数据进行非负矩阵分解的计算代价大,特征提取速度慢问题,提出一种非负矩阵分解的快速算法。该算法通过代数变换,把对原高维矩阵的非负分解转换成非负的低维矩阵的非负分解,其求解过程只需要对一个阶数等于样本数的对角矩阵进行非负矩阵分解,同时提取某样本特征时只需要计算该样本与所有训练样本的内积。对高维小样本的基因表达数据降维后进行k均值聚类分析,实验结果表明,该算法在不影响非负矩阵分解性能的前提下,大大提高了计算速度。     

基于二态稀疏混合高斯模型的混叠矩阵快速估计算法

基于二态稀疏混合高斯模型,提出了一种新的多支配成分SCA中混叠矩阵估计的快速算法。通过SCA模型的几何意义,讨论了观测信号的分布情况,并证明了在特定情况下混叠矩阵列向量可以通过简单的空间点密度检测方法进行定位估计。介绍了一种采用空间密度检测技术的出混叠矩阵直接估计方法,该方法能够非常有效地提高算法的计算效率。实验结果表明,该算法相比于其它算法具有明显的速度优势。     

一种基于MPICH的高效矩阵相乘并行算法

根据MPICH并行编程环境中任务间通信的特点,设计了一种基于MPICH的矩阵相乘并行算法。根据运行在COW（工作站机群）上的进程数目将矩阵A按行划分成相应数目的子矩阵,每个进程完成一个子矩阵与矩阵B的相乘运算。实验结果表明,该算法提高了机群并行环境中资源的利用率,提高了程序的运行效率。     

适用于时变系统的在线盲源分离算法研究

针对传统EASI算法收敛速率与稳态误差之间的矛盾,提出了一种基于估计函数期望的步长自适应算法（New Adaptive EASI）,为了使这种算法能够更好地解决时变系统中不同条件下的盲源分离问题,提高信号的分离精度,建立了一种混合矩阵变化的在线检测机制,并将这种在线检测机制加入步长自适应算法中,对算法进行了改进。仿真实验表明,这种改进的步长自适应算法能够提高盲源分离初始阶段或是信道变化后分离初始阶段的信号恢复质量,解决源信号为非零均值信号时的盲源分离问题,并且能够准确地在线估计源信号的个数,实现信源数变化条件下的盲源分离。     

基于AVS的帧内预测模式快速选择算法

AVS视频标准采用率失真优化（RDO）算法来提高帧内预测的压缩性能。但是RDO算法在保证编码图像获得最佳的压缩效率和图像质量的同时给整个编码过程带来了很大的计算量。提出了一种简单有效的AVS1-P2帧内预测模式的快速选择算法。该算法利用相邻块最佳预测模式之间的相关性和块内亮度变化的方向性来缩小候选模式的范围,从而有效节省了编码总时间。实验结果证明,与AVS1-P2的标准参考软件rm52j相比,本算法在保证图像质量和比特率几乎不变的情况下,编码总时间减少了24%~27%。     

基于SATD准则的HEVC快速帧内预测算法

相比于H.264/AVC视频编码标准,高效视频编码（HEVC）具有更大的压缩率和计算复杂度。HEVC更多的帧内预测模式显著地提升了编码器的率失真性能,但更高的算法复杂度使得编码时间大大增加。通过对典型序列编码的统计分析,提出一种基于变换残差绝对值和（SATD）的帧内预测模式快速选择算法,以降低HEVC帧内预测过程的计算复杂度。所提算法通过比较SATD来加速帧内预测模式的判决,避免了耗时的率失真代价（RD-Cost）计算,并且选择性地降低候选预测模式的数量,以减少总体编码时间。通过与现有其他HEVC快速算法进行比较测试,结果表明,所提算法平均减少了12.90%~19.89%的编码时间（编码器不进行任何优化）,而BD-Rate码率指标仅增加了0.5%~0.96%,几种算法的率失真性能基本一致。