基于步长最优化的EASI盲源分离算法

针对通信信号的盲分离问题,在EASI批处理算法的基础上,提出了一种基于步长最优化的EASI盲源分离算法(SO-EASI).该算法基于最速下降法的思想来调整步长,因此该算法不论迭代步长的初始值如何选取,其收敛速度相对固定步长的迭代算法都有很大幅度的提高,计算机仿真验证了该算法对通信信号分离的有效性.结果表明当初始步长为0.02时,其算法的收敛速度比固定步长的EASI算法以及VS-EASI算法的收敛速度提高10倍以上.     

一种新的通信信号盲分离算法-EASIBSA算法

针对通信信号盲源分离的收敛速度问题,在EASI算法的基础上,提出了一种基于参数自适应优化思想的步长自适应盲源分离算法-EASIBSA算法.该算法将EASI算法中的学习速率与目标函数联系起来,采用随机梯度的方法自适应地进行调节,避免了最优学习速率的选择问题,同时提高了算法的收敛速度.实验仿真结果表明,EASIBSA算法在不影响分离效果的前提下,将收敛速度提高了近2倍.     

一种快速在线盲源分离方法

传统的独立分量分析方法大多采用批处理的方式,不能满足时变混合系统中盲源分离的需要.文章通过修改基于负熵的代价函数,导出了一种快速在线盲源分离算法,并采用一种基于函数估计的自适应变步长方法优化了算法的性能.通过真实录制语音信号的仿真试验,说明算法的收敛速度和稳态性能均优于自然梯度变步长算法.     

双系统自适应耦合盲源分离算法

结合两个固定步长的盲源分离系统,提出了一种双系统自适应耦合盲分离算法。该算法利用滑动因子来调整两个分离系统在算法所处不同分离阶段的比重,并基于随机梯度方法获得了滑动因子的自适应更新规则。仿真实验表明,本文算法在平稳和非平稳环境下都具有较好的收敛和分离性能。     

基于峭度激励的变步长自适应谱线增强算法

提出了一种基于峭度激励的变步长自适应谱线增强新算法,该算法以输入信号峭度与误差信号峭度为联合激励因子,构造出一种指数型变步长的算法模型。该步长对高斯色噪声或非高斯色噪声均有一定的免疫性,跟踪时变信号的能力强,且收敛速度快。用实测的某水下目标辐射噪声数据进行了仿真实验。与传统的LMS算法相比,仿真结果表明,该算法具有较强的谱线增强能力、快速收敛性和良好的跟踪性能,能有效地实现目标线谱信号与混合色噪声环境的分离。     

一种新的盲源分离拟开关算法

针对电子战中各种信号混叠严重难以分离的现象,在盲源分离开关算法基础上提出一种新的盲信源分离拟开关算法.该算法引入单位对称加权滑动向量来加权每次迭代所得的分离信号作为源信号,用峭度取代原算法的峭度符号位作为判断函数来自适应选择加权相应激活函数,以此优化学习算法,结合信号分选的具体应用,给出了迭代结束的评判方法.计算机仿真实验表明,在强噪声背景影响下,该算法能够更加有效地分离空间未知多源线性混叠信号,且在分离效果、稳定性、处理速度和抗噪性能上都比原算法有较大改进.     

基于T/2分数间隔的不同变步长盲均衡算法

在分析分数间隔均衡器(FSE)和多模算法的基础上,针对算法固定步长存在收敛速度和剩余误差的性能要求相矛盾的问题,研究以不同变步长的T/2分数间隔多模盲均衡算法.各变步长利用与误差项或均衡输出项的非线性关系自适应调整步长.利用QPSK信号进行仿真分析,结果表明,本算法在收敛速度和稳态误差方面的性能优于固定步长,且相同实验条件下,不同步长的盲均衡算法性能也不同.     

工作空间噪声主动控制ChFxLMS算法

为改善滤波x最小均方（Filter-x Least Mean Square,FxLMS）算法不能同时兼顾稳态误差与收敛速度的不足,提出一种基于cosh函数的变步长FxLMS(Cosh-FxLMS,ChFxLMS)算法.通过cosh函数建立误差信号与步长因子间的联系,使得步长因子按照cosh函数特性实时调整;分析不同参数对ChFxLMS算法性能的影响,为算法参数选取作指导;分别将正弦信号和实测织机信号作为输入信号,对ChFxLMS算法性能进行验证,并与FxLMS算法、基于sigmoid函数的变步长FxLMS(Sigmoid-FxLMS,SFFxLMS)算法进行对比.仿真结果表明,ChFxLMS算法性能在时域和频域上都取得较好的控制效果.分析结果表明,该算法能较大地降低稳态误差和提高收敛速度.该研究成果可为工作空间噪声主动控制提供一种新思路.     

一种峭度宽松开关盲分离算法

该文在盲分离开关算法的基础上提出一种峭度宽松开关算法.该算法用峭度作为激活函数中的开关量分析随机变量的高斯性,解决了原开关算法中衡量参数的不稳健性.该算法与盲分离开关算法和扩展的Infomax算法的仿真实验比较表明,新算法具有更好的分离效果和抗噪声能力.     

一种基于负熵的快速定点盲源分离方法及其试验验证

论述了负熵最大化的基本原理和判断条件,在此基础上建立了一种基于负熵、通过数学迭代的方法得到的快速定点抽取算法。该算法具有迭代次数少的显著优点。通过仿真验证了算法的有效性,并将该算法应用到实际语音信号的盲分离实验中。实验结果表明,所建立的算法对盲源分离具有优良的性能,通过与基于峭度的算法对比,发现该算法具有很好的鲁棒性。     

An efficient equivariant adaptive separation via independence algorithm for acoustical source separation and identification

To balance the convergence rate and steady-state error of blind source separation (BSS) algorithms, an efficient equivariant adaptive separation via independence (Efficient EASI) algorithm is proposed based on separating indicator, which was derived from the convergence condition of EASI, and can be used to evaluate the separation degree of separated signals. Furthermore, a nonlinear monotone increasing function between suitable step sizes and separating indicator is constructed to adaptively adjust step sizes, and forgetting factor is employed to weaken effects of data at the initial stage. Numerical case studies and experimental studies on a test bed with shell structures are provided to validate the efficiency improvement of the proposed method. This study can benefit for vibration & acoustic monitoring and control, and machinery condition monitoring and fault diagnosis.     

DEBBSS信号源盲分离算法的研究

在基于人工神经网络的信号源盲分离算法中,普遍需要使用通过源信号的概率密度函数定义的评价函数（score function）作为网络的激活函数（Activation function）.由于信号源未知,因此无法获得有关评价函数的信息,传统的方法是利用某些特定的非线性函数来替代源信号的评价函数.这种利用非线性函数替代源信号评价函数的方法能够成功地实现同系混合（homogeneous mixture）信号的盲分离,但都不能分离杂系混合（hybrid mixture）信号.文献[1]利用非参数法概率密度函数估计的核函数方法,通过对源信号评价函数的直接估计,提出了一种基于概率密度函数估计的DEBBBS算法,成功地解决了非线性函数替代方法存在的不能分离杂系混合信号的问题.笔者通过数值仿真,比较了DEBBBS算法与著名的EASI算法,证明新算法分离杂系混合信号的有效性.同时,也进一步将DEBBSS算法与同样能够分离杂系混合信号的EXTICA算法进行了比较,计算机仿真过程证明,即使与同样能够分离杂系混合信号的EXTICA算法相比,DEBBSS算法在算法的有效性和稳定性方面也表现出优异的性能.     

水声信号盲分离的实数算法与复数算法

分析了实数算法和算数算法实现水声信号盲分离的原理，对几种没有复数形式的盲分离算法提出了修改，修改后的算法可以完成复数信号的盲分离，在三元均匀线阵列上对几种曲型的算法如FASTICA、ACY和EASI算法分主水声信号的性能进行了仿真。结果表明，在精确补偿延时形成波束的条件下实数算法性能与复数算法一致，在基阵几何尺寸存在误差和延时补偿不精确的条件下，实数算法无效，复数算法仍保持良好的性能。     

Anti-jamming algorithm for spread spectrum communication using blind source separation

An improved anti-jamming algorithm for spread spectrum communication based on blind source separation (BSS) is proposed to solve the problem that the separation performance of BSS technology deteriorates at a low signal-to-noise ratio (SNR), especially at the threshold SNR of spread spectrum communication. First, the algorithm detects the ambiguity of the output of the blind source separation algorithm, and then uses the detection result to correct the separation matrix. Finally, the new separation matrix is obtained by accumulating a plurality of modified matrices, and applied to the jamming separation of the system. The algorithm has a simple structure and can realize anti-jamming communication of the spread spectrum system at the demodulation threshold. Simulation results show that the demodulation error performance of the communication signal after removing the jamming by the algorithm at a negative SNR is still close to the theoretical performance.     

利用奇异值分解的鲁棒盲信源分离

利用Amari等提出的估计函数分析了在最小化非线性主分量标准的意义上分离矩阵的最优解,将其描述为归一化的输入与非线性输出的互相关,提出了一种采用奇异值分解的鲁棒盲信源分离方法．该方法将分离矩阵的估计解释为一种非线性的能量迭代问题．在求解过程中对能量项进行了奇异值分解,从而避免了归一化矩阵的求逆以及计算平方根问题,减小了运算量．由于使用了能量项的正定逆平方根来归一化分离矩阵,因此提高了算法的鲁棒性,并且在每一步迭代中都能使分离矩阵保持正交．实验仿真验证了算法的性能．     

基于ICA的空时分组码盲检测算法研究

提出了一种基于ICA技术的STBC盲信号检测方案,建立了适用于ICA的特定STBC系统模型,分析比较了几种典型的ICA算法的分离性能及收敛速度.理论分析表明,ICA盲接收技术的应用可以在一定程度上替代基于信道估计的传统方法,增强系统对信道估计错误的稳健性.结合具体的STBC系统,仿真比较了基于ICA算法的不同方案的分离性能,对其中表现较差的等变化自适应分离(EASI)算法作出改进,并仿真验证了改进方案的正确性.     

Blind source separation based on generalized gaussian model

Since in most blind source separation(BSS)algorithms the estimations of probability density function(pdf)of sources are fixed or can only switch between one sup-Gaussian and other sub-Gaussian model,they may not be efficient to separate sources with different distributions.So to solve the problem of pdf mismatch and the separation of hybrid mixture in BSS,the generalized Gaussian model(GGM)is introduced to model the pdf of the sources since it can provide a general structure of univariate distributions.Its great advantage is that only one parameter needs to be determined in modeling the pdf of different sources,so it is less complex than Gaussian mixture model.By using maximum likelihood(ML)approach,the convergence of the proposed algorithm is improved.The computer simulations show that it is more efficient and valid than conventional methods with fixed pdf estimation.