未知源信号峭度正负性的盲分离

大多数的盲分离算法假设源信号峭度的正负性是己知的，并据此选择相应的非线性函数近似评价函数(score function)。针对源信号峭度的正负性未知的情况，本文提出了一个评价函数的参数估计方法，本算法能有效地分离混合在一起的超高斯信号和亚高斯信号，仿真结果验证了算法的有效性。     

扩展信息最大化盲源分离算法的研究

盲源分离技术是信号处理和神经网络领域近年来的一个热点研究课题,由于其能够从观测的混合信号中恢复出源信号,而对源信号和混合系统的先验知识要求很少,因此在语音信号处理、无线信号处理、生物医学信号处理、地震信号处理,以及图像增强等方面都具有非常重要的理论意义和实用价值。信息最大化盲源分离算法能够有效地分离语音信号的瞬时混合,但是不能分离超高斯信号(如语音信号)和亚高斯信号(如正弦信号)的混合。基于此,本文讨论了扩展信启、最大化盲源分离算法,通过仿真表明,该算法可以有效的对各种源信号的线性即时混合进行分离,实验证明了该算法的有效性。     

一种峭度依赖的参数自适应盲分离算法

针对超高斯与亚高斯混合信源分离算法上存在的不足,该文提出一种峭度依赖的参数自适应盲分离算法。该算法用加权双高斯模型估计超高斯与亚高斯信源分布,在自然梯度框架下,依据峭度实现模型参数自适应。通过使用混合图像对其进行验证,实验表明该算法不仅可以有效实现超高斯与亚高斯混合信源的分离,而且比已有算法具有更好的分离和收敛性能。     

基于遗传算法的超亚高斯混合信号盲分离

针对基于扩展信息最大化算法的盲源分离算法在分离超亚高斯混合信号时依赖于信号的峭度估计且对初始分离矩阵和步长较为敏感的问题,提出了一种基于遗传算法的盲源分离算法。该算法以分离信号之间的互信息作为代价函数,采用非多项式函数的逼近方法解决了互信息求解过程中涉及到的负熵的计算问题,用遗传算法代替梯度寻优算法最小化代价函数。仿真结果表明:在分离超亚高斯混合信号时,该算法计算简单,鲁棒性好,迭代100次时性能指数值达到0.025 5,分离性能优于基于扩展信息最大化算法的盲源分离算法。     

语音信号识别基于盲源信号分离的实现

为了识别两路频谱混叠语音信号,多采用盲信号分离的方法。但是该方法在工程实践中实现较困难。因此给出了一种利用盲源信号分离的原理及特点的实现方法,具体说明了用FastICA算法在ADSP_BF533平台上实现盲源信号分离时的具体流程。该设计方案所需时间短,效率高,而且占用内存较少。     

基于NPCA的盲源分离算法

主要讨论了基于非线性主分量分析(NPCA)的盲源分离,从理论与实验2个方面详细分析了算法的特性与效果。针对算法中的非线性函数选择的问题,采用了在线统计的方法,即根据不同的输入信号选择不同的非线性函数。从实验结果可以看出,该方法不仅可以很好地解决源信号为亚高斯信号混合的盲源分离问题,而且对源信号为亚高斯和超高斯信号混合的盲源分离问题也取得了很好的效果。     

一种基于盲源分离的雷达信号分选方法

盲信号分离是近几年才发展起来的,用于解决从混合观测数据中分离源信号的一门新技术,已在众多领域中获得了广泛的应用。文中结合高阶累积量对高斯噪声的不敏感性,给出了一种基于盲源分离的雷达信号分选方法,可以对高斯噪声背景中混合的多个雷达信号实现分选。最后给出了该方法的计算机仿真,结果证明了该方法的有效性。     

一种基于非线性PCA的卷积混合盲源分离算法

 本文针对卷积混合的盲源分离,首先提出了一种基于非线性主成分分析(PCA)的准则,然后推导出了一种递推最小二乘(RLS)算法.该算法为时域盲源分离算法,分为两个阶段,第一阶段为混合信号的白化,第二阶段为基于白化信号的RLS迭代.新算法不存在频域算法在每个频点的幅度与次序不确定性的问题,具有较快的收敛速度.文中最后通过仿真试验验证了本文算法的有效性.     

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。     

一种信号源盲分离的神经网络算法

本文提出了一种新的盲信号分离的神经网络算法。神经网络的第一层使用奇异值分解(SVD)方法对观测信号进行预白化处理。在传感器的数目不少于源信号的情况下,预白化处理能够估计出源信号的数目,同时压缩掉冗余信息。神经网络的第二层是分离层。分离层的权值矩阵应该是正交矩阵。本文应用一个正交严格受限(SOC)算法调整分离网络的权值。其中,用恢复信号的四阶互累积量的平方构造代价函数。仿真实验验证了算法的有效性。     

基于步长自适应的盲信号分离

本文提出一种在盲信号分离中利用模糊控制理论对步长进行自适应调节的方法，它可以使得原有的Ｈ－Ｊ算法具有更快的收敛速度，满足分离时变信号的要求，一些模拟结果证明，该算法是一种安全有效的算法。     

基于聚谱分析的多通道盲信号自适应分离算法

该文提出一种在多传感器中多种信号混叠的分离方法。该方法通过分析传感器数据的聚谱来提取未知信号,并利用线性方程基本算法估计有限脉冲响应的耦合系统,该方法对于多通道谱重叠的有色输入信号盲解卷积十分有效。作为该算法的扩展,可以应用于包括准周期信号等非平稳信号的分离。并将该算法应用于电磁辐射的测试,仿真结果证明了其有效性和快速性。     

基于粒子滤波的混沌信号盲分离

该文首先建立了混沌信号盲分离问题的状态空间模型,进而通过引入Rao-Blackwellisaion策略和加扰动的方法,提出了一种基于粒子滤波的在线盲分离算法。在此基础上,为了降低分离后信号中的残留噪声,提出了新颖的延迟估计方法,很好地解决了传统的延迟加权(delay-weight)方法中信号源之间的相互干扰问题。     

基于PPSO-GRADS算法的盲信号分离

该文将联姻策略应用在粒子群算法中,提出一种并行分阶段的基于粒子群优化算法的盲信号分离方法(PPSO-GRADS)。该算法具有收敛速度快,分离精度高的特点。通过仿真证明该算法比未使用联姻策略的粒子群算法有更好的性能,在收敛速度和分离效果上比传统的梯度算法,遗传算法都有较明显的改善。     

基于独立分量分析的雷达信号分选算法

对盲信号的独立分量分析（ICA,independent component analysis）技术进行了研究,并将其应用到雷达信号分选当中,仿真实验证明能够取得很好雷达信号分离效果,为雷达信号分选提供了新的思路。     

基于盲信号分离的自适应回声抵消算法

在视频会议和免提通信系统中,扬声器和麦克风之间的声耦合严重影响语音通信系统的质量。文中提出了一种用基于盲信号分离（BSS）的自适应声回波对消（AEC）方法,可有效解决回声和噪声对近端语音信号的影响。该方法不仅能减少背景噪声对回波对消的影响,而在双向通话时,可直接利用盲信号分离技术分离出近端语音。     

基于波束域预处理的阵列盲信号分离方法

相控阵雷达采用多个阵元进行信号的接收处理,其多通道信号处理可以采用盲信号处理的方法进行目标源信号分离.由于阵元间距导致信号在阵元间产生相位延迟,在进行盲分离的时候一般只能采用卷积混合模型,盲分离过程是较为复杂的多通道反卷积问题.文中对阵列接收信号进行波束域预处理,通过确定的空间波束相位补偿,将阵元域的多时延混合信号变换为瞬时混合信号,从而采用简单的实数分离算法即可完成信号分离,分离信号可用于后置处理.所提方法简单有效,相比常规阵列信号处理方法,可直接适用于宽带信号.仿真实验验证了其有效性.     

基于盲源分离的雷达信号分选方法

传统的信号分选算法建立在脉冲描述字（PDW）参数分析的基础上,对同频或频谱混叠的雷达信号可能无法分选.鉴于越发明显的常规雷达信号处理方法的局限性,通过仿真手段,用盲源分离的方法对混合后的雷达信号进行分选.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

基于广义特征分解的盲信号分离算法

针对复杂环境下的线性混叠信号,给出了一种基于广义特征分解的盲信号分离方法。在信号数目未知的情况下,该方法利用广义特征分解即可获得混叠矩阵,无需进行常规的迭代运算即可实现对线性混叠信号的分离。实验证明了该方法的可行性和有效性。