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。     

利用盲源分离算法实现DOA估计

提出一种基于快速盲源分离算法实现波达方向（DOA）估计的方法。构造了具有对角化结构的相关矩阵组,引入解盲源分离问题的联合对角化代价函数,采用一种快速的复数域乘性迭代算法求解代价函数,得到混迭矩阵逆的估计,进而实现DOA估计。与同类算法相比,该算法具有更广的适用性和更精确的DOA估计性能。仿真实验结果验证了算法的快速收敛性和优越的估计性能。     

一种新的多信号卷积混合信号盲分离算法

对于含噪声情况下多个源信号卷积混合盲分离,由于混合矩阵比较复杂,分 离算法会出现迭代次数增加、收敛速度变慢等问题。在对多信号卷积混合进行合理简 化的基础上,提出一种以四阶累积量为独立准则的多信号卷积混合的新的时域盲源分离算法 。由于采用高阶累积量为独立准则,该算法对高斯噪声具有良好的抑制作用,改善了信噪比 。 其次,算法也建立了步长因子的选取与二次残差之间的非线性函数关系,使得算法既获得了 较 快的收敛速度,也得到较高的分离精度。仿真数据表明提出的算法对于多个源信号卷积 混合具有良好的分离效果。     

一种基于盲源分离的雷达抗干扰技术

如何提高雷达的抗干扰能力一直是雷达信号处理的一大问题，问题的解决可以使雷达的检测和跟踪能力得以提高。在日趋复杂的信号环境下，传统的信号处理方法的局限性愈来愈大。本文通过对雷达信号处理过程和盲源分离技术的分析研究，提出采用基于盲源分离的多步处理抗干扰方法进行雷达抗干扰信号处理，可使雷达在复杂背景下具有更强的抗干扰能力。仿真试验结果证明这种新的雷达抗干扰处理方法是可行和令人满意的。     

单通道下基于盲源分离扩频通信抗干扰算法研究

提出了单通道下基于盲源分离的扩频通信抗干扰方法.所提方法利用扩频序列的周期性,把单通道下的欠定盲源分离问题转换成超定盲源分离问题.算法从整体域统计特性对于扰信号进行估计抵消,同时在抗干扰的过程中完成了解扩.从原理上讲,这种抗干扰方法比目前常用的单通道下基于局部域特性的抗干扰方法具有更好的性能.理论分析和仿真结果表明了算法的有效性.     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

改进的自然梯度盲源分离算法在非平稳环境中的应用

对于传统的自然梯度算法,在处理非平稳信号时,在步长更新迭代过程中,非平稳信号变化幅度过快而导致分离矩阵幅度变化的不稳定,从而影响分离效果。针对此问题,结合变步长的思想,本文提出了基于正交约束的自然梯度盲分离算法,该算法主要对恢复信号进行约束,通过使用瞬时误差有目的地控制变步长,从而加快算法收敛速度且提高了分离精度,同时保证了非平稳环境下分离过程的稳定性。结果表明,正交约束下的盲源分离算法可以高效地分离出非平稳环境下的源信号。     

三重降噪的盲源分离抗干扰算法

为了提高低信噪比条件下盲源分离的性能,提出了一种基于互补集合经验模态分解降噪、小波阈值降噪和随机共振降噪的三重降噪盲源分离抗干扰算法,分析了三种互补集合经验模态分解降噪与小波阈值降噪相结合的前降噪方案和扩频结合随机共振的后降噪方案,仿真讨论了所提算法的抗干扰性能。仿真结果表明,该算法在一定范围低信噪比条件下能够从受扰的混合信号中恢复出通信方的期望信号。     

An NMF algorithm for blind separation of convolutive mixed source signals with least correlation constrains

Most of the existing algorithms for blind sources separation have a limitation that sources are statistically independent. However, in many practical applications, the source signals are non- negative and mutual statistically dependent signals. When the observations are nonnegative linear combinations of nonnegative sources, the correlation coefficients of the observations are larger than these of source signals. In this letter, a novel Nonnegative Matrix Factorization (NMF) algorithm with least correlated ...     

Variable-step blind source separation method with adaptive momentum factor

A variable-step blind source separation algorithm based on the natural gradient with adaptive momentum factor was proposed,which could cope with the determined blind source separation in the environment of stationary and non-stationary.Function estimation mixed matrix was constructed by performance index.The estimated performance index was obtained by the estimated mixed matrix,and the constructor was updated by the estimated performance index.Then,the constructor was plugged with appropriate experienced parameter into the proposed algorithm and step and momentum factor was adaptively adjusted.Finally,the estimation source signals could be obtained.Simulations show that the proposed algorithm is effective to estimate the mixed matrix in the stationary and non-stationary environments,and the proposed algorithm has faster convergence speed and lower steady error as well as separates source signals effectively.     

超定盲信号分离的半参数统计方法

研究观测信号的数目m不小于源信号的数目n情况下盲信号分离问题.首先证明若混合矩阵满列秩,则在本质相等意义下,存在唯一的m×m非奇异矩阵使得分离系统的输出除零信号外,其它非零信号即是希望提取的源信号.基于此,采用半参数统计方法构造超定盲信号分离的估计函数,给出相应的学习算法;理论证明了该算法具有等变化性和分离矩阵的非奇异特性,并借助于源信号数目未知且动态变化的计算机仿真验证了其有效性.     

一种基于边缘信息的图像信号盲分离方法

在从多幅混合图像分离出原始图像信号的过程中,当原始图像信号之间不满足统计独立条件时,采用一般的独立分量分析方法将无法分离出正确的原始图像。针对这一缺陷,结合图像信号特点提出了一种基于图像边缘信息的独立分量分析方法。实验证明,这种方法能在一定程度上提高此类图像的分离效果,同时能有效地克服高斯白噪声的影响。     

Nonlinear blind source separation algorithm based on spline interpolation and artificial bee colony optimization

A post-nonlinear blind source separation algorithm based on spline interpolation fitting and artificial bee colony optimization was proposed for the more complicated nonlinear mixture situations.The separation model was constructed by using the spline interpolation to fit the inverse nonlinear distortion function and using entropy as the separation criterion.The spline interpolation node parameters were solved by the modified artificial bee colony optimization algorithm.The correlation constraint was added into the objective function for limiting the solution space and the outliers wuld be restricted in the separation process.The results of speech sounds separation experiment show that the proposed algorithm can effectively realize the signal separation for the nonlinear mixture.Compared with the traditional separation algorithm based on odd polynomial fitting,the proposed algorithm has higher separation accuracy.     

基于盲源分离的共形阵列二维DOA估计

本文给出了一种基于特征矩阵联合近似对角化（JADE, Joint Approximate Diagonalization of Eigen-matrices）的共形阵列信号DOA估计算法。该算法首先对接收数据进行白化处理,利用白化后的数据构造四阶累计量矩阵,通过对特征矩阵联合近似对角化获得流形矢量矩阵的估计,从而实现信号的DOA估计。算法对阵列形状限制小,无需谱峰搜索。以圆台共形阵列为例,通过仿真实验验证了算法的有效性。     

基于时间结构盲源分离算法的工频干扰消除

研究了基于时间结构盲源分离算法的基本原理,在分析其特点和适用范围的基础上,提出了采用时间结构盲源分离算法消除地震信号采集过程中工频干扰的方法,并与基于FastICA的方法进行了性能比较.研究结果表明,本方法能够有效地消除地震信号中的工频干扰,同时保护有用信号,且干扰消除性能具有明显优势.     

自适应变步长的动量项盲源分离方法

针对传统盲源分离算法采用单一步长而无法同时兼顾收敛速度与稳态性以及动量因子选取的问题,介绍了一种盲源分离优化方法。该方法依据自然梯度算法(Natural Gradient Algorithm,NGA)的收敛条件,通过输出信号建立一种新的表示信号分离程度的度量指标,通过此度量指标构造非线性单调函数,使步长与动量因子参数自适应调节,从而可以合理、准确地选择参数。仿真表明了在平稳和非平稳环境下所提分离指标的正确性,且该指标可有效监测信号分离程度;针对步长及动量因子参数选取所设计的优化策略能够有效地缓解固定值对算法性能的约束,在有无噪声的情况下,均获得了优良的分离效果。     

基于智能单粒子与信号变化度的盲源分离算法

提出了一种新的基于智能单粒子优化的有序盲源分离算法。采用信号变化度作为分离的目标函数,利用球坐标变换方法对分离向量进行变换,使用智能单粒子优化算法对目标函数进行求解,通过去相关方法从混合信号中去除已分离出的源信号成分,最终实现按照信号变化度降序分离出各源信号。仿真结果表明,本算法能够有效实现对源信号的有序分离,且分离精度很高。     

基于omap的盲分离实现

本项目介绍了一种基于负熵最大的FastICA算法,它以负熵最大作为一个搜寻方向,实现顺序地提取独立源。并且通过合理分配硬件资源,优化软件代码,提高了该算法在omap上的实现速度。结果表明,这是一种非常有价值的盲源分离新方法。     

An EME blind source separation algorithm based on generalized exponential function

This letter investigates an improved blind source separation algorithm based on Maximum Entropy （ME） criteria. The original ME algorithm chooses the fixed exponential or sigmoid ftmction as the nonlinear mapping function which can not match the original signal very well. A parameter estimation method is employed in this letter to approach the probability of density function of any signal with parameter-steered generalized exponential function. An improved learning rule and a natural gradient update formula of unmixing matrix are also presented. The algorithm of this letter can separate the mixture of super-Gaussian signals and also the mixture of sub-Gaussian signals. The simulation experiment demonstrates the efficiency of the algorithm.     

语音信号盲分离方法研究

本文采用WVA分布与联合对角化的盲分离算法,估计出源语音信号,实现对混叠信号的盲分离。通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离。