一种基于l1范数的欠定盲源分离算法

提出了一种基于两步法的欠定盲源分离新算法.在混叠矩阵估计阶段,采用基于势函数的聚类方法,在源信号恢复阶段,提出一种快速的稀疏信号重构算法.系统方程As(t)=x(t)的任一解,由它的一个特解与其相对应的齐次线性方程组的一组基的线性组合之和表示,从而使原来直接估计有n个独立变量的源信号s(t)转化为估计只有n-m个独立变量的系数向量z.再借助稀疏表示实现盲源信号的分离.仿真实验验证了新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求.     

跳频信号的欠定盲源分离

针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法. 该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据. 通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4dB;同时所提算法处理的数据量小,计算复杂度低.     

基于单源区间的欠定盲源分离中源信号个数的估计

讨论观测信号个数少于源信号个数时盲源分离中源信号个数估计的问题;提出了一种首先利用单源区间对观测信号预处理,去除非单源区间的点,再通过改进的K-均值聚类方法来估计源信号个数,进而估计出混叠矩阵。仿真结果表明,与常规聚类算法比较,该算法复杂度较低,估计精度有显著提高。     

基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法.首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵.然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点.仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能.     

基于最小均方误差和稀疏特征的欠定盲源分离

针对欠定条件下的盲源分离问题,即观测信号个数小于信源个数的情况,提出了一种基于最小均方误差和稀疏特征的算法．首先,利用变换后信源的稀疏特征,采用一新的势函数通过聚类算法估计混叠矩阵．然后利用混叠矩阵和信源自身的相关性,通过寻找信源在聚类方向时间点上的精确值,以均方误差最小为准则寻找最佳分离矩阵实现信源的分离,克服了传统的分离算法在寻找最佳分离子矩阵方面的缺点．仿真结果显示使用该方法分离的信号具有更高的信噪比,和其他同类方法相比具有更优越的分离性能．     

欠定盲源分离算法的研究现状及展望

针对盲源分离技术中欠定线性瞬时混合盲源分离的问题,基于"两步法"思路,从混合矩阵估计和源信号恢复算法两方面总结了国内外的研究现状,剖析了限制算法应用的理论问题,对欠定盲源分离下一步的研究工作进行了展望.     

基于源数估计的无约束欠定盲源分离算法

信源数目的估计是欠定盲源分离的前提条件,为了提高混合信号分离的准确性,提出一种Hough加窗法。利用Hough变换的思想将观测信号转变为角度变量,对变换域中的角度直方图进行加窗获得变换量的聚类区域,其峰值数即为信号源的数目。在此基础上,通过寻找变换量与混合矩阵列向量的关系可得到混合矩阵的估计值。提出一种无约束分离算法,由内点法从散点图分布中选取合适的初始迭代值,通过梯度下降法实现信号的分离。仿真实验结果表明,Hough加窗法具有较高的估计精度、较强的抗噪声性以及较低的稀疏敏感性,无约束分离算法具有较好的分离效果。     

一种改进的势函数欠定盲源分离算法

针对原有的拉普拉斯混合模型势函数法复杂度高、随机选取部分观测数据点作为初始聚类中心的算法聚类结果不稳定、准确率低的问题,提出了一种改进的势函数欠定盲源分离算法．该算法在基于密度概念的基础上,以簇内距离小、簇间距离大为原则,选取部分高密度点作为势函数的初始聚类中心．理论分析与仿真实验表明,改进算法的复杂度大大降低,而估计准确度降低很少．在信噪比为10dB时,该算法仿真时间降为原始势函数法的5％;相对随机选取算法,在计算复杂度基本一致的前提下,该算法的估计准确度大大提高,源信号个数估计准确率由61％提高到85％,混合矩阵估计误差由0.47下降为0.27．     

欠定盲分离时变混合矩阵的估计

针对欠定盲分离中时变混合矩阵的估计问题,在稀疏域二维最小偏差角算法的基础上,提出了一种改进的欠定盲分离时变混合矩阵估计算法。该算法通过判断原始阵各列上是否都有观测点聚集和聚集在原始阵上的观测点以外的点的聚集方向,来检测变化时刻;并利用基于点密度大区域检测算法估计混合矩阵。改进算法对于混合矩阵发生某些列增加、消失和变化时均能检测出变化,并且在大幅提高变化时刻检测概率和混合矩阵估计精度的同时,降低了复杂度。实验仿真结果表明,在20 dB信噪比时,混合矩阵估计精度提高了60%以上。     

欠定模型下源信号及混合矩阵动态变化时的盲分离

提出了一种改进的两步法实现欠定模型下信源及信道动态变化时的盲分离。首先通过实时的观测信号,基于稀疏域二维最小偏差角判断混合矩阵的变化时刻,进而估计动态变化的混合矩阵并获得实时的源数目;再采用基于伪提取矢量的方法恢复动态的源信号。在源信号的恢复中,使用常规的基于线性规划的欠定盲分离方法,以进行对比。结果表明,该方法能处理信源及信道动态变化时的欠定盲分离,并且分离速度比基于线性规划的方法快数十倍。仿真结果表明了该算法的良好性能。     

局部充分稀疏的欠定时盲信号源分离

针对欠定时的盲信号分离,提出了局部充分稀疏条件下估计混叠矩阵A的新算法.该算法不要求源信号所有采样时刻都充分稀疏,先通过搜索,把处于同一直线的向量一一归类,再对所得的类的向量进行处理,把混叠矩阵A确定出来.仿真实验结果表明算法是有效的.     

稀疏盲源分离问题的恢复性研究

采用稀疏分量分析方法,研究了基于稀疏表示的欠定混叠盲信号分离的可恢复性,给出了在l2范数下,源信号可恢复的充分必要条件,并进一步讨论了l2范数解对噪声的鲁棒性.     

基于RBF网络的欠定盲分离源信号恢复

基于优化近似(l0)范数的算法应用于欠定盲分离源信号恢复时,存在算法复杂度较高,恢复精度受步长影响较大的问题,为此,提出了基于径向基函数(RBF)网络的欠定盲分离源信号恢复算法.该算法借助RBF网络进行交替优化,同时引入修正牛顿法对最小化近似l0范数进行求解,避免了传统的近似(l0)范数重构算法因步长选择不当造成恢复精度较低的缺点.仿真结果表明,与现有的基于平滑(l0)范数的算法相比,所提方法在保证较高恢复精度的同时复杂度明显降低.     

盲稀疏源信号分离算法的恢复性研究

基于一种两步稀疏表示的方法,利用随机框架讨论欠定盲源分离的恢复能力.盲稀疏源信号分离算法一般假设源信号是充分稀疏的,讨论了在源信号不充分稀疏的情况下欠定盲源分离的恢复能力的概率估计,进一步刻画了源的稀疏性与恢复能力的关系,揭示了利用两步法处理盲源分离问题的有效性.     

基于相似度检测的欠定混合矩阵盲估计

针对现有欠定盲分离混合矩阵估计方法中存在的估计精度低以及时间复杂度高等缺点,提出一种基于相似度检测的欠定混合矩阵估计方法.该方法能够在没有任何先验信息的条件下自适应地估计出源信号数目以及混合矩阵,而且不需要进行迭代,时间复杂度低.仿真结果表明,与现有的一些混合矩阵估计方法,如改进K-均值聚类法和拉普拉斯势函数法相比,所提出的方法在源信号数目估计准确率、混合矩阵估计精度以及时间复杂度等方面都具有明显优势.     

基于似P范数FOCUSS的稀疏信号盲分离

把似P范数FOCUSS方法应用于稀疏信号盲分离中,采用k均值聚类算法来估计混合矩阵;然后利用似P范数FOCUSS方法来求解具有线性约束优化问题的稀疏源信号,从而给出了一种基于似P范数FOCUSS方法的稀疏信号盲分离算法。该算法计算量小,精度较高。仿真结果表明该算法是有效的,具有良好的分离性能。