一种基于盲源分离的直扩信号载频检测算法

在复杂的背景噪声中检测直扩信号并估计参数是信号处理研究的难点课题之一,在接收端如何降低高斯噪声等背景噪声的影响成为急需解决的问题.这里提出了一种基于盲源分离的直扩信号载频检测算法,采用独立分量分析的高阶累计量算法将直扩信号从包含高斯噪声的背景中分离出来,然后采用边带相关算法估计载波频率.该方法不需要知道混合矩阵,不需要做预白化处理.计算机仿真结果证明了算法的有效性.     

基于EEMD的地声信号单通道盲源分离算法

针对只有一个观测通道时,基于矩阵运算的盲源分离算法将会失效的问题,提出一种适用于单观测通道的地声信号盲源分离方法.首先采用总体经验模态分解方法将观测信号分解为固有模态矩阵,使单通道的欠定问题转化为多通道的正定问题,再利用已有的盲源分离算法进行分离.仿真实验说明该方法可以抑制宽频及瞬态干扰,有效地提取源信号,而且对频带有...     

基于自然梯度的语音信号盲源分离优化算法

针对自然梯度算法在语音信号盲源分离中存在的稳定性差、分离性能不佳等问题,利用分离程度作为权重改进Pearson相关系数,将权重改进的相关系数作为控制步长的因子,从而使得步长的变化更加精准,减小随机扰动项对稳态的影响。同时充分利用动量项“奖励一致的梯度,惩罚不一致的梯度”的特性,根据混合信号分离程度的变化方向决定动量项的增减,进一步提高了算法的收敛速度。试验结果表明：与现有的自适应步长自然梯度算法相比,优化算法的信噪比均值更高,方差更低,说明该算法的分离效果更佳,而且减小了对初始值的敏感性,鲁棒性更好;且优化算法的串音误差曲线进入稳态所需的迭代次数更少,说明该算法的收敛速度更快。     

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.     

一种基于新代价函数的盲源信号分离算法

选择两个函数的线性组合作为代价函数,基于组合的任意性,保证了加性噪声盲源信号分离的有效性,提高了信号处理的通用性.根据分离矩阵的Frobenius范数的收敛理论,在上述改进措施基础上,得出了改进的迭代规则,对混合源信号进行估计.经过仿真实验,结果显示信号分离效果较好.     

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.     

基于相关熵的盲源分离算法

提出了基于相关熵的盲源分离算法。与传统独立成分分析(ICA)方法利用四阶统计量或时间结构的盲源分离不同,该算法从信息理论学习中的相关熵概念出发,利用相关熵中蕴涵的各偶数阶统计信息,通过参数化中心相关熵与独立性测度的关系,建立代价函数,并通过优化算法对其进行寻优,从而得到解混矩阵并分离出源信号。仿真结果表明,在分离超高斯混合源和次高斯混合源时,分离性能优于传统的ICA方法。     

基于能量算子的单通道盲分离中源信号数目估计算法

分析了利用Teager能量算子检测信号奇异点的原理,给出了数字调制混合信号能量函数幅度的表达式,重点研究了加性高斯白噪声对混合信号能量函数的影响,提出一种基于能量算子的单通道盲分离中源信号数目估计算法。仿真结果验证了算法的有效性。     

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.     

基于遗传神经网络的语音信号盲分离算法

通过分析基于神经网络的经典盲分离算法具有容易陷入局部极小点,从而导致收敛速度慢和分离效果不准确的缺点,本文首先利用遗传神经网络算法对分离权值进行初始化,然后通过选择操作、交叉操作和变异操作,进行样本训练控制,在整个搜索空间进行搜索,得到分离矩阵最优值,最后实现了语音信号的盲分离。实验表明：该算法具有分离速度快、效果明显等特点。     

一种适用于复信号的盲源分离新算法

针对复数字通信信号盲源分离中存在相位模糊的问题,提出了一种新的快速盲分离算法,该算法将只适用于实信号的FastICA盲分离算法推广到复数字通信信号中,同时还可以消除同相和正交分量相互独立的复信号的相位模糊性.该算法不用考虑步长的选择问题,不仅收敛速度快,而且具有与实FastICA算法一样的稳定性.仿真结果表明,该算法既可以分离不同载频的数字通信信号,也可以分离同载频的数字通信信号;既可以分离不同调制方式的数字通信信号,也可以分离相同调制方式的数字通信信号.     

基于信号能量的浊语音盲信号分离算法

针对以往单声道浊语音分离算法对目标语音信号分离不稳定性和信噪比低的不足,引入了浊语音的另一个重要特征,即信号能量。提出了一种基于信号能量的浊语音分离算法,算法对经典的Hu-Wang算法进行了改进,将能量特征应用于听觉重组部分,通过能量特征来改进目标语音听觉流的重组性能,降低噪声对重组后的目标听觉流的干扰,提高算法的稳定性。实验结果表明:与Hu-Wang算法相比较,该改进算法可提高目标语音的分段信噪比,改善了目标浊语音的分离性能。     

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。     

基于非负矩阵分解的欠定卷积盲源分离方法

针对音频信号欠定卷积混合模型的盲源分离求解问题,提出一种基于非负矩阵分解(NMF)的盲源分离方法.该方法以板仓-斋藤(Itakura-Saito)散度和的最大值为目标函数,利用高斯分量表示源信号的短时傅里叶变换(STFT),使用乘积更新算法估计频域内的源信号,以提高其估计的准确度.仿真结果验证了该方法的有效性.     

基于盲源分离的CDMA系统上行链路多用户检测

在分析码分多址(CDMA)系统信号模型的基础上,提出了一种基于盲源分离的多用户检测算法,该算法充分利用了各用户信息之间的独立性.仿真结果表明,当信噪比一定时,该算法的误符号率是传统最小均方差(MMSE)算法的50%左右. 当干扰用户与期望用户的功率比（干信比）为40?dB时,本算法的误符号率比MMSE检测算法要低2个数量级,而且干信比越高,抗远近效应性能改善的程度就越大.     

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.     

盲分离在缺陷信号处理中的应用

针对钢管二维漏磁检测系统中,轴向缺陷检测装置中探头采集到各路轴向缺陷信号之间的互扰问题,采用基于相对梯度算法的盲分离技术,消除探头中各通道传感器采集信号之间的互扰.仿真结果表明,该方法具有稳定的可靠性和有效性,可以有效消除信号间互扰,提高检测设备探测缺陷能力,具有一定的应用前景.     

复值信号盲分离算法的研究

针对现有盲源分离算法适用范围受限、收敛速度过慢等问题,提出了一种适用于任意非高斯统计独立的复值信号快速盲分离算法.该算法以复值信号的峭度最大化为目标函数,采用修正的复值拟牛顿迭带算法对目标函数优化.分别用圆对称和非圆对称复值信号以及二者混合信号作为信号源对该算法和现有算法进行仿真对比.实验结果表明,该算法相对现有算法,不但很好地分离出非圆对称复值信号和圆对称复值信号,对于二者混合的信号仍有很好的分离效果,而且具有收敛速度快、不需要步长调节参数、分离误差小等优点.     

基于盲源分离技术的运动单位动作电位检测

采用独立分量分析(ICA)技术和二阶非平稳源分离(SEONS)算法来研究肌肉轻度收缩情况下的表面肌电信号(SEMG)的运动单位动作电位(MUAP)检测问题,通过仿真实验来探讨两种算法对SEMG信号的分离性能,并将算法应用于肌肉轻度收缩时(10%MVC)的真实SEMG信号分解研究.仿真SEMG信号分解实验结果表明,两种算法对MUAP检测效果均较为满意,且随着噪声的增加有所变差,肌肉轻度收缩时(10%MVC)真实SEMG信号分解实验也论证了两种算法实际应用的可行性.盲源分离(BSS)技术为研究隐含在肌电信号中的运动单位募集和发放等信息提供了有效途径,较符合SEMG信号特性,因而可应用于SEMG信号分解及运动单位动作电位(MUAP)检测等相关领域的研究.