分离矩阵的步长自适应在线盲源分离算法

分析了超定盲源分离中的自然梯度算法最终不能稳定收敛的原因,针对解决这一问题的方法中存在的不足进行了分析和研究。采用了一种基于分离矩阵的步长自适应在线盲源分离算法,较好地实现了收敛速度与稳态误差的最优结合。同时,在信号随机减少或增加时改进算法也能够达到较好的分离效果,仿真结果验证了改进算法的收敛稳定性与分离有效性。     

一种新的自适应步长盲源分离算法

自然梯度盲源分离算法通常采用固定步长,但这样做会造成算法收敛速度慢和跟踪能力差.为此,提出了一种新的自然梯度自适应步长盲源分离算法,使步长在每次迭代中根据其他参数的变化做出相应的调整.在非稳态环境下,计算机仿真试验结果表明,新算法不仅具有良好盲分离性能,而且在上述两个方面都有了较大改善.     

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

一种非平稳卷积混合信号的时域盲源分离算法

该文将卷积混合盲源分离模型中的向量进行重新规划并对联合近似对角化方法加以推广,提出一种非平稳卷积混合信号的时域盲源分离算法。该算法先将采集到的卷积混合信号进行重排,使之满足重新定义向量后的瞬时混合模型特征,然后考虑到信号的非平稳特性,采用空间白化和联合近似块对角化方法分离出源信号。由于没有使用域变换而是从新的角度将卷积混合问题简化为瞬时混合问题,避免了卷积运算或域映射过程,降低了算法的复杂度。仿真实验验证了该算法的有效性并就参数的变化对信号干扰比的影响进行了分析。     

一种非平稳卷积混合信号的时域盲源分离算法

该文将卷积混合盲源分离模型中的向量进行重新规划并对联合近似对角化方法加以推广,提出一种非平稳卷积混合信号的时域盲源分离算法。该算法先将采集到的卷积混合信号进行重排,使之满足重新定义向量后的瞬时混合模型特征,然后考虑到信号的非平稳特性,采用空间白化和联合近似块对角化方法分离出源信号。由于没有使用域变换而是从新的角度将卷积混合问题简化为瞬时混合问题,避免了卷积运算或域映射过程,降低了算法的复杂度。仿真实验验证了该算法的有效性并就参数的变化对信号干扰比的影响进行了分析。     

基于变步长等变化自适应盲源分离算法

对于基于梯度自适应的盲源分离算法，认真选择步长参数以达到好的分离性能是非常必要的。如果为加快收敛速度而增大步长因子，将会导致大的稳态误差，甚至引起算法发散，因此固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文为EASI算法提出了一种变步长的解决方案。通过建立步长因子与分离矩阵相互差异之间的非线性关系，加快了收敛速度，减小了失调误差。计算机仿真结果与理论分析相一致，证实了该算法明显优于传统的EASI算法。     

基于雷达系统抗干扰的卷积盲分离算法研究

如何提高雷达系统的抗干扰能力一直是雷达信号处理中比较关注的问题。卷积混合盲分离技术是当前盲分离研究的热点和难点。文中用卷积混合盲分离算法来分离雷达系统接收的信号,把卷积混合的干扰信号和有用信号分离开来,以实现雷达系统抗干扰的目的。该方法使用基于Householder变换的高阶累积量的联合对角化的频域方法来分离卷积混合的雷达接收信号。计算机仿真表明,该抗干扰方法可把卷积混合的雷达信号和干扰信号分离出来,且达到较好的分离效果。     

基于联合对角化的声信号深度卷积混合盲分离方法

声信号在空间中的传播具有较强的多径效应,在接收端往往以卷积形式相互叠加,尤其在海洋、剧场等强混响条件下,混合滤波器冲激响应的长度会显著增加,现有的频域卷积盲分离算法将失效。为了消除长脉冲响应导致解混合模型失效的问题,该文对观测信号进行两次短时傅里叶变换(STFT),第1次STFT缩短了脉冲响应长度,第2次STFT将信号模型转化为瞬时盲分离,最终利用联合对角化(JD)技术估计出分离矩阵。与现有方法相比,所提方法解决了深度卷积混合下模型失效的问题,并且当源信号数较多或存在加性噪声时,可以得到更好的分离性能。仿真结果验证了方法的有效性和性能优势。     

基于分离度的步长自适应自然梯度算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制自然梯度算法中的步长因子,从而首次提出了一种基于分离状态的步长自适应自然梯度盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其它固定步长或变步长的自然梯度算法。     

基于独立向量分析的脑电信号中肌电伪迹的去除方法

脑电数据经常被各种电生理信号伪迹所污染。在常见伪迹中,肌电伪迹特别难以去除。文献中最常用的方法包括诸如独立分量分析(Independent Component Analysis, ICA)和典型相关分析(Canonical Correlation Analysis, CCA)等盲源分离技术。该文首次提出一种基于独立向量分析(Independent Vector Analysis, IVA)的新方法,用以去除脑电中的肌电伪迹。IVA同时使用高阶统计量和二阶统计量,因此该方法能够充分利用肌电伪迹的非高斯性和弱相关性,兼具ICA方法和CCA方法的优势。实验表明,使用IVA方法可以在保留脑电成份的同时极大抑制肌电伪迹,效果显著优于ICA法和CCA法。     

基于多步分解算法的解卷积混合盲源分离新方法

该文提出一种基于二阶统计量的时域多步分解算法求解卷积混合盲源分离问题。引入白化处理,将混迭矩阵转变成酉矩阵,同时,根据源信号不同延时下相关矩阵所具有的块状对角结构,将酉矩阵分为不同的列块。针对各列块之间相互正交的特性,提出一种关于某一特定列块的最小二乘三二次代价函数。利用一种常规的基于梯度下降法的三迭代算法,交替估计代价函数中的3组待定参数,搜索其最小点,得到酉矩阵一个列块的估计。利用系统化的多步分解算法(MSA),依次估计酉矩阵的每个列块,最终得到整个酉矩阵的估计,进而恢复出源信号。仿真结果表明,新方法性能优于经典的SUB方法及新近提出的JBD-NonU方法,可有效地解决卷积混合盲源分离问题。     

基于四阶累积量的稳健的通信信号盲分离算法

该文针对有噪环境中的通信信号盲分离问题,提出了一种在噪声环境下性能良好的盲分离算法,该算法将稳健的白化算法与四阶累积量矩阵的联合对角化相结合。仿真结果表明,该算法分离性能比一般的近似联合对角化(JAD)算法有很大改善,干信比可降低近10dB,而算法的运算量没有太多增加。     

基于四阶累积量张量联合对角化的多数据集联合盲源分离

该文提出一种基于四阶累积量张量联合对角化的联合盲源分离(J-BSS)算法。首先通过计算4阶互累积量将多数据集信号的J-BSS问题转化为4阶张量联合对角化问题。接下来,基于雅可比连续旋转将张量联合对角化这类非线性优化问题,转化为一系列可获取闭式解的简单子优化问题,并通过交替迭代对多数据集混合矩阵进行更新,进而实现J-BSS。实验结果表明,所提算法具有良好的收敛性能,较之现有的同类型BSS及J-BSS算法具有更高的精度。此外,该算法在分离实际胎儿心电信号方面也表现出良好的性能。

     

基于互信息的卷积混合语音时域盲分离算法

本文以互信息最小化作为分离准则,提出了一种适用于非平稳语音卷积混合信号的时域盲分离算法。其目标函数同时考虑了语音信号的短时平稳性和长时非平稳性,在短时间段中计算平均互信息,在长时间段中引入权值因子,对短时间段中计算得到的平均互信息进行加权;其分离矩阵的更新采用快速收敛的自然梯度算法;其"去白化"的后处理步骤提高了分离语音的自然度。仿真实验和分析表明了算法的有效性。     

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。     

一种新型的卷积混和盲信号分离算法

本文提出了一种新的卷积混合盲信号分离算法。首先将卷积混合模型进行等价简化,再用理论推导论证了卷积混合盲分离问题等价于最优化Wiener滤波器问题,给出了一种去相关分离准则函数。最后,对两个源信号卷积混合的情况,用标准自适应LMS算法使分离准则函数达到最小值,从而得到了两个信号混合的分离算法;然后,推广到多个源信号混合得到了相应分离算法。通过计算机仿真试验验证了本算法的有效性和可行性。     

多人声混叠语音信号的盲源分离算法研究

介绍了一种基于峭度的盲源分离算法,利用峭度极大来度量极大化非高斯性,通过渐进正交化的不动点迭代找到独立成分,并对带噪多人声混叠语音信号进行分离仿真,从而提取出感兴趣的目标语音,验证了该算法的可行性;通过与其他盲源分离算法的分离结果进行定性和定量的对比分析,验证该算法的有效性和应用前景.     

一种基于盲分离的欺骗干扰抑制算法

该文针对单天线雷达的欺骗干扰,研究了一种基于盲分离的欺骗干扰抑制方法。该方法在对接收信号进行分段提取的基础上,借助特征矩阵联合对角化(JADE)的盲分离技术获得多段分离信号,然后利用分选技术获取完整源信号,最后根据数字射频存储技术(DRFM)的相位量化特性鉴别目标和干扰。仿真结果表明,在高信噪比(SNR)下算法对欺骗干扰具有较好的抑制性能,且当SNR15 dB时,目标回波相似系数大于85%;相位量化位数低于4位时,鉴别概率接近100%,目标延迟时间测量误差小于0.3s。     

基于盲源分离的小波域多重音频水印方法

该文利用盲源分离理论,提出一种小波域的多重音频水印方法。为了解决多水印嵌入过程中经常需要考虑的嵌入顺序问题,同时增强水印方法的安全性,本文将两路水印信号与一路等长的混沌序列进行混合,得到嵌入水印信号。然后,利用线性混合方法,将嵌入水印信号与选定的小波系数进行混合,得到隐秘信号。水印提取时,利用独立分量分析算法,提取嵌入水印信号,再经过后处理过程,得到原始水印。该水印方案是一种盲水印方法,可以将多个作者信息同时嵌入到音频作品中,而不需要考虑水印的嵌入顺序。实验结果表明,该方法对常规的信号处理操作具有良好的鲁棒性,以及良好的抵抗时间轴同步攻击的能力。