一种时频域加权张量分解的欠定盲源分离方法

针对欠定瞬时混合模型,提出了一种基于时频域加权张量分解的欠定盲源分离方法。该算法利用短时傅立叶二次分布无交叉项及Wigner-Ville分布高分辨率的特性,在传统最小二乘代价函数基础上对WVD自由项时频点所构成张量进行加权调整,解决可能存在的数据丢失问题,同时施加Tikhonov准则处理由二次分布的边缘聚集性所引起的负值,采用LM算法最小化代价函数估计出混合矩阵,实现源信号的有效分离。     

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.     

基于改进谱聚类的雷达信号欠定盲源分离算法

现有的模糊聚类算法在初始值选择、低收敛速度和局部极值方面存在问题,导致混合矩阵估计的低精度。针对现有雷达侦察算法抗干扰性能不高的问题,提出了一种基于谱聚类的新型两阶段欠定盲源分离(UBSS)算法。基于谱聚类的混合矩阵估计算法,在谱聚类的基础上对得到的特征矩阵进行张量分解估计出混合矩阵。在未知先验信息条件下,采用两阶段方法实现雷达信号的分离。仿真结果表明,该方法混合矩阵的估计性能优于传统方法,在未知先验信息的实际情况下恢复效果更佳。     

一种基于广义协方差矩阵的欠定盲辨识方法

针对欠定盲源分离模型中的混合矩阵估计问题,研究了一种基于广义协方差矩阵的欠定盲辨识方法。该方法利用观测信号采样数据的广义协方差矩阵性质,将构建的一系列模型函数堆叠为一个张量模型,进而将欠定的混合矩阵辨识转换为张量分解模型中秩一分量的估计。理论分析和仿真结果表明,基于广义协方差矩阵的欠定盲辨识方法比经典的基于二阶协方差矩阵和基于四阶累积量的欠定盲辨识方法具有优越的性能。     

基于四阶累积张量方法的欠定盲源信号分离

针对瞬时欠定盲源信号分离问题,提出一种四阶累积张量分解算法.首先构建观察信号四阶累积协方差,依据源信号具有相互独立且均值为零的性质,对累积协方差化简并扩展到张量域,得到四阶累积张量.采用分层交替最小二乘算法对四阶累积张量进行非负库克分解,求得非负库克模型的参数,同时获得非负混合矩阵并求其伪逆,最终估计出源信号.选用真实的语音信号和生物信号进行仿真实验,结果表明该方法提高了源信号和非负混合矩阵的估计性能.     

具有延迟的欠定语音盲分离

探讨具有延迟的欠定语音盲分离问题,针对语音信号的部分W-分离正交性,提出一种新的基于混叠矩阵估计的语音盲分离方法.首先对观测信号进行短时傅里叶变换,选定一个信号作为参考信号,构造幅度衰减向量和时间延迟向量,提取单源主导区间的观测信号作为观测样本;然后对观测样本进行聚类,通过估计参考信号的混叠系数来估计混叠矩阵;最后结合...     

基于拉普拉斯势函数的欠定盲分离中源数的估计

本文提出了一种新的欠定盲源分离中源信号个数的估计算法,利用稀疏混合信号的特征,引入拉普拉斯势函数,并采用聚类算法来估计其局部最大值,由此得到源信号的个数估计.所提出的算法具有较好的抗噪声性能,对信号的稀疏度要求低.仿真实验结果说明了该算法的有效性.     

基于压缩感知的欠定图像盲源分离研究

系统阐述了利用稀疏成分分析(Sparse Component Analysis,SCA)算法进行欠定图像盲源分离。首先在估计出源图像个数的基础上,利用线性聚类估计混合矩阵;其次将压缩感知(Compressed Sensing,CS)应用到恢复源图像中。为了得到自适应的过完备稀疏字典来提高分离效果,提出了利用K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)算法对过完备DCT字典循环迭代训练的思想,并对图像分块处理来减少计算复杂度;最后进行了仿真测试并对分离出的图像进行了分析和进一步处理。     

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。     

源信号空间分布对欠定盲源分离可辨识性影响的分析

本文主要研究了欠定盲源分离中源信号的空间分布对系统可辨识性的影响。从系统可辨识性问题出发,对瞬时欠定盲源分离问题进行空间建模,理论分析表明,当源信号在空间处在某些特定区域时,系统是不可辨识的,从而无法正确实现欠定盲源分离。利用混合矩阵估计的克拉美罗界,进一步明确了影响系统可辨识性的源信号空间分布区域。仿真实验验证了理论分析的正确性。     

基于互补对称滤波器的APCMA信号的盲分离算法

针对小站信号带宽大于主站信号的新非对称成对载波多址（Asymmetric Paired Carrier Multiple Access,APCMA）信号背景,在一种低复杂度的盲抵消结构基础上,提出基于互补对称滤波器的盲分离算法.该算法采用互补对称滤波器从时频域上将混合信号分解为同时含主站信号与小站信号,以及只含小站信号的两路分量信号,在保证采样率不变的情况下对含主站信号的信号分量做进一步的信号分离,通过两路分量信号的同步处理确保了分离之后的两路信号分量中小站信号的可加性和完整性.仿真结果表明,与原低复杂度算法相比,本文算法有效地提升了混合信号的分离性能.此外,本文提出的具有信息不变性的互补对称滤波器有较广泛的应用前景,可用于宽带多信号抵消、信道估计以及隐蔽传输下的扩频检测等问题中.     

一种解决频域盲源分离模糊度问题的新方法

针对卷积混合信号的分离问题,提出一种解决频域分离算法中排列模糊性和幅度模糊性的改进方法,即通过ICA得到的一个频率点上的分离矩阵,作为计算下一个频率点分离矩阵的初始值来解决排列模糊性问题,再利用分离矩阵的逆变换来解决幅度模糊性,从而有效地分离出源信号.仿真证明,算法可以有效地分离出卷积混合信号,提升了平均信噪比,并大幅...     

盲源信号分离方法研究

盲源信号分离是信号处理和神经网络领域的研究热点问题。介绍了盲源信号分离的概念、分类和基本数学模型;探讨了盲源分离中源信号和信道的假设条件,目标函数的建立,代价函数的优化,以及一般盲源分离算法实现步骤。给出了几种常见的目标函数和算法,并分析了它们的特点。     

一种频率域的盲源分离算法

提出了一种频率域基于第二特征函数的窄带信号盲分离算法，理论上证明了本方法能够从有噪观察数据中得到无噪混合矩阵估计。仿真结果表明本方法信号分离性能优于时域方法。在高信噪比时，本方法的分离信号绝对误差和比时域方法低9．5dB。     

基于奇异值分解的超定盲信号分离

该文研究超定盲信号分离,即观测信号个数不少于源信号个数情况下的盲信号分离问题。作者 从分离矩阵的奇异值分解出发,首先提出一种基于独立分量分析的超定盲信号分离代价函数,接着推导了一般梯度学习算法。此后,借助于相对梯度的概念,证明超定盲信号分离与通常的完备盲信号分离具有相同形式的自然梯度算法。仿真试验验证了算法的有效性。     

MIMO雷达信号的盲源分离技术

针对MIMO雷达的信号特点,采用了一种多角度的雷达侦察方法,从不同的方位获取同一部雷达的独立信号样本。并在此基础上,运用主分量分析方法估计信号波形个数,运用独立分量分析的盲源分离方法分离出MIMO雷达信号的各个正交分量,最终以正交频分线性调频信号为例,在信噪比为0 dB的情况下对该信号进行了仿真分析,其结果验证了该方法的有效性。     

一种新的基于广义特征值分解的盲信号分离算法

以矩阵的奇异值分解定理为基础,给出了一种基于广义特征值分解的盲信号分离算法,该算法以混叠信号的两个不同的方差矩阵为基础建立广义特征值问题,通过求解广义特征值问题的特征矢量来获得分离信号.该算法计算简单,避免了Para算法的不足,并能分离源信号中既有亚高斯信号又有超高斯信号的情况.仿真结果表明该算法是有效的,并具有很好的分离性能.     

伪随机码的盲信源分离方法

根据伪噪声通信及伪随机码的相关特性,提出一种采用盲信源分离方法从伪码扩频信号中分离不同伪码序列的方法,并探讨该方法在CDMA监听系统中的应用。采用该分离方法能快速准确地分离和识别不同用户的伪码特征,来获得该用户的语音或数据信息,具有很好的应用前景。     

基于盲源分离的跳频网台分选

盲源分离在跳频网台分选中有良好的应用前景,但是其应用受到噪声、信号功率差异和信号相对带宽等因素的影响。首先实验验证了盲源分离在跳频网台分选中应用的可行性;接着,分析了这些因素影响分离效果的原因;最后,通过数值仿真,验证了理论分析,并指出了要达到一定的分离效果,噪声、信号功率比和信号相对带宽需要满足的数值条件。     

盲信号分离

阵列处理和数据分析的一个典型问题是从混合的观测数据向量中恢复不可观测的各个源信号.盲信号分离是解决这一问题的一门新技术,近几年吸引了信号处理学界和神经网络学界众多学者的研究兴趣.本文将以独立分量分析和非线性主分量分析为主要对象,综述盲信号分离技术的理论、方法及应用等方面的发展,并作有关展望.