基于SIC的单通道同频混合信号低复杂度盲分离算法

针对非协作通信中单通道同频混合信号盲分离算法复杂度高的问题,本文在连续干扰抵消（Serial Interference Cancellation, SIC）算法基础上,构建了单通道同频混合信号的信道接收模型,提出了基于SIC的低复杂度盲分离算法。并对信道重构中的信道截断影响进行了处理,避免了分离性能的损失。仿真结果表明,QPSK调制方式下分离性能与已有算法性能相当,但复杂度降低了2/3,且算法对频偏误差不敏感。      

基于独立分量分析的PCMA信号盲分离算法

针对非协作通信中成对载波多址(Paired Carrier Multiple Acess,PCMA)信号的盲分离问题,提出了一种基于独立分量分析(Independent component analysis,ICA)的单通道盲分离算法。首先对接收到的单路PCMA信号进行参数估计得到其残余载波频率,再对其处理得到两路基带混合信号,最后利用ICA算法分离出源基带信号。该算法在未知两个卫星地面站发送信号的情况下,从接收到的PCMA信号中恢复出两路源基带信号。仿真实验表明,本文算法在信噪比为-10dB时仍具有良好的分离效果,两路基带信号的波形相似系数可分别达到0.94与0.86以上。     

一种改进的基于多用户检测的独立分量分析算法

为了降低FastICA算法的计算复杂度,提出了一种基于多用户检测串行干扰抵消的新型独立分量分析算法MUD_FastICA。该算法结合了盲信号分离和多用户检测串行干扰抵消两种信号处理技术,利用减法和低维特征值分解来保证每次分离出不同独立分量和达到降低算法复杂度的目的。通过分析和仿真可以看出,所提算法在不影响分离性能的前提下,显著降低了算法的迭代次数和每次迭代的计算复杂度。在信噪比0 dB和4个源信号混合情况下,分离第二个信号的迭代次数和所需计算单元分别下降了14%和37%,分离第三个信号的迭代次数和所需计算单元分别下降了22%和58%,因此更加适合对实时性要求高的通信系统。     

基于前馈神经网络的非合作PCMA信号盲分离算法

针对非合作接收PCMA混合信号盲分离中高复杂度束缚,提出一种基于前馈神经网络的分离算法,通过搭建神经网络分离平台,规避传统的发送符号遍历思想,实现PCMA混合信号低复杂度高性能盲分离.仿真实验表明,神经网络能够极大挖掘信号内在信息,针对QPSK调制PCMA混合信号,在信噪比7dB时误比特率达到10^-3数量级,并伴随着较PSP分离算法算术平方根级别的复杂度降低.     

基于PSP算法的UQPSK信号、OQPSK信号的单通道盲分离研究

针对卫星通信系统中常用的UQPSK、OQPSK调制信号,在非协作通信无任何先验知识的背景下,本文采用信息序列与信道参数联合估计的PSP算法,解决了两路UQPSK信号混合、两路OQPSK信号混合的单通道盲分离问题。仿真结果表明,该算法能很好的从混合信号中分离出两路信号,并估计出两路信号的信息序列。     

带噪的战场声信号盲分离方法研究

提出了一种噪声环境中战场混合声信号盲分离方法.基于含噪的独立分量分析模型,对观测信号进行准白化,去除噪声引起的协方差偏移量;定义观测信号中随机变量的高斯矩为无偏估计的目标函数,最大化此目标函数得到了一种改进的FastICA算法,应用于带噪的战场混合声信号盲分离.仿真实验证明,改进算法能较好改善分离效果,具有很好的鲁棒性.     

采用互补滤波器组进行频带分解的欠定盲源分离方法

为了有效估计混合矩阵并恢复出源信号,考虑到现实中的很多信号都是带限信号,提出了采用互补滤波器组进行频带分解的欠定盲源分离方法.该方法将接收的混合信号经互补滤波器组分离到不同的子频带,然后在每一个子频带分别估计混合矩阵进行常规的盲分离,利用聚类分析方法估计总的混合矩阵,最后把相关的分离子频带信号进行叠加以恢复出源信号.即...     

实现单通道MPSK信号盲分离的MCMC新算法

本文根据单通道接收两路MPSK混合信号在过采样下的基本模型,针对粒子滤波算法在单通道信号盲分离中的性能瓶颈以及高复杂度问题,提出了基于MCMC方法的新算法。该算法对接收信号进行过采样处理,能够利用更多的波形信息,从而有效抑制噪声的影响。新算法利用Gibbs采样估计MPSK调制符号的后验概率,近似实现了贝叶斯最优估计,并利用最小二乘法实现参数的迭代估计。理论分析与仿真实验表明,相对粒子滤波算法,本文提出的新算法在误码率性能以及复杂度方面具有良好的表现。      

一种改进的基于奇异值分解的信源数目估计算法

信源数目估计问题在盲源分离中具有重要的意义。研究了传感器数目大于信源数目时的源数估计问题。首先分析了用奇异值分解法进行信源数目估计的优势与不足,然后提出了一种改进的基于奇异值分解的信源数目估计算法。该算法首先对含噪混合信号进行奇异值分解,然后检测信号分量与噪声分量之间的转折点,将信号分量与噪声分量区分开来,从而得到信号源的数目。实验仿真表明,该算法在低信噪比以及采样点数较少时仍然具有好的性能。     

一种简化的语音信号盲分离算法

近年来所提出的许多瞬时混合信号盲分离算法大都是基于高阶统计量(HOS：High Order Statistics)，这使得算法不易收敛且计算量较大。在本文中，我们证明了当源信号是非平稳信号(语音信号、音乐信号等)时，使用二阶统计量(SOS：Second Order Statistics)就足以成功地对混合信号进行盲分离，从而，大大简化了计算的复杂度。据此，我们提出一种基于二阶统计量的盲分离算法，并在试验中用此算法成功地分离了语音和音乐的混合信号。     

基于稀疏分量分析的振动信号源识别方法

振动传感器接收的信号往往包含不同部件的振动信号和环境噪声,为了从少量振动传感器的接收信号中识别信号源数和各频率分量,提出了一种基于稀疏分量分析的欠定盲源分离方法。该方法首先对混合信号进行时频变换,通过主成分分析提取各个时频点邻域的局部主成分,筛选出单源域特征数据。然后利用余弦距离改进聚类验证技术与模糊聚类算法,对振动源个数进行识别、对聚类参数进行更新,获得信号源数和混合矩阵估计。最后用一系列最小二乘法从混合信号对应的时频点中抽取出源信号。通过仿真实验和实测数据实验验证了本文方法的有效性和稳健性,相比经典时频比方法得到了更稳健、更精确的分离结果,这有助于对机械振动源进行识别和定量评估,以方便后续进行机械状态监测和减振降噪处理。      

基于时间可预测性的差分搜索盲信号分离算法

针对基于仿生智能优化的盲信号分离算法计算量偏大的问题,提出了一种新的基于差分搜索的盲信号分离算法。采用信号在时间上的可预测性度量作为目标函数,使用差分搜索算法对目标函数进行优化求解。利用去相关消源方法从混合信号中去除每次分离出的源信号成分,通过逐次分离最终实现对所有源信号的成功恢复。仿真实验表明,所提算法可以有效实现对混合信号的盲分离。与其他算法相比,该算法在保证了更高分离精度的同时,具有更低的运算量。     

星载AIS的复值FastICA算法改进

针对星载船舶自动识别系统( AIS )的含噪复值信号盲分离算法分离效果不佳的问题,提出了改进的复值快速独立分量分析算法( FastICA)。该改进算法针对混合信号数目大于源信号数目的超定情况,对含噪混合信号的协方差矩阵进行特征值分解,利用其噪声对应的几个较小特征值估计噪声方差,修正白化矩阵,再应用Huber M估计函数优化该算法的目标函数。实验结果表明,运用该算法信号均方误差( SMSE)变小,信干比( SIR)变大,提高了信号的分离性能;同时,优化后的目标函数使算法具有良好的稳健性。     

Low-complexity single-channel blind source separation

For the time-frequency overlapped signals, a low-complexity single-channel blind source separation (SBSS) algorithm is proposed in this paper. The algorithm does not only introduce the Gibbs sampling theory to separate the mixed signals, but also adopts the orthogonal triangle decomposition-M (QRD-M) to reduce the computational complexity. According to analysis and simulation results, we demonstrate that the separation performance of the proposed algorithm is similar to that of the per-survivor processing (PSP) algorithm, while its computational complexity is sharply reduced.     

基于二阶统计量盲源分离算法的无源雷达同频干扰抑制研究

针对基于长期演进(LTE)信号的无源雷达存在同频基站干扰的问题,该文提出一种基于2阶统计量的盲源分离算法,该算法是在卷积混合模型下,通过多通道最小均方(LMS)算法实现分离信号之间的相关性最小。由于各发射基站信号之间统计不相关,当分离信号之间的相关性达到最小时,完成观测信号的分离。在此基础上,改进了传统无源雷达信号处理的流程,增加了分离同频干扰基站直达波和多径杂波的步骤,实现了对同频干扰基站杂波的抑制。通过仿真分析,验证了算法的有效性,为基于LTE信号的无源雷达数据处理提供了参考。     

单通道盲源分离在低轨星座系统间干扰减缓中的应用

针对低轨星座系统间同频干扰问题,从信号分割角度,提出了基于单通道盲源分离的干扰减缓方法。该方法应用了单通道盲源分离算法,先通过奇异谱分析算法对地球站观测信号进行处理,构造多维轨迹矩阵;再利用快速固定点算法将干扰信号和受扰信号分离。以OneWeb和Starlink系统为例,通过所提方法将OneWeb地球站接收到的OneWeb、Starlink以及噪声的混合信号进行分解,并利用相关系数和均方根误差评估了方法的有效性。结果表明,原始信号与分离信号之间的相关系数都在0.8以上,所提方法能有效提取有用信号,减缓低轨星座系统间干扰。     

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LTE信号的外辐射源雷达同频基站干扰抑制方法研究

针对基于LTE信号的外辐射源雷达接收信号包含多个同频发射基站的直达波和多径杂波干扰的问题,该文对传统的外辐射源雷达信号处理流程进行了改进,增加了对同频基站干扰的处理步骤,提出了一种基于卷积混合模型的盲源分离算法来抑制同频基站的杂波干扰。假设混合矩阵是一个矢量线性时不变滤波器矩阵,以互信息为代价函数,通过求取互信息的梯度,用最速下降法进行迭代,分离准则是使分离后的信号之间互信息最小化。仿真表明,该文算法能够有效地抑制LTE信号同频发射基站的杂波干扰,为后续的主基站杂波对消处理提供了基础。     

Kalman滤波下的多信号单通道盲源分离

窄带物联网环境中,接收机收到的信号通常为多路混合信号,对单通道接收来说,利用常规盲源分离方法很难实现混合信号的分离和源信号提取。针对这一问题,本文提出了一种利用Kalman滤波算法进行信号估计,解决单通道盲源分离的方法。该方法利用信号间的时序结构,通过Kalman滤波算法对多信号混合中的源信号不断估计并迭代更新,最终得到分离信号。仿真实验结果表明,该方法能有效估计并分离出源信号。