基于训练序列的峭度盲源分离算法

峭度盲源分离算法是一种自适应盲分离算法,可用于阵列天线和MIMO中的信号处理。本文提出利用通信中的训练序列来改善峭度盲分离的收敛速度,并以性能指数、相关系数作为比较标准进行了仿真,仿真结果证实了利用训练序列可以提高峭度盲分离算法的收敛速度。     

一种改进的用于稀疏表示的正交匹配追踪算法

稀疏表示理论在军事目标识别、雷达目标参数估计等领域应用越来越广,而目标信号的稀疏表示通常不唯一,因此产生了大量的稀疏表示算法。本文基于现有稀疏表示算法的研究,提出一种改进的正交匹配追踪(OMP)算法。首先采用非线性下降的阈值更快速地选择原子,确定备选原子集,提高了算法速度;其次用正则化的二次筛选剔除备选原子集中能量较低的原子,保证了算法精确度;并设置迭代停止条件实现算法的稀疏度自适应。实验结果表明,本文算法可以实现稀疏表示求解精确度和速度上的平衡,求解速度比基追踪(BP)算法快,精确度比OMP、正则化OMP(ROMP)、基于自适应OMP回溯(BAOMP)算法高。     

多人声混叠语音信号的盲源分离算法研究

介绍了一种基于峭度的盲源分离算法,利用峭度极大来度量极大化非高斯性,通过渐进正交化的不动点迭代找到独立成分,并对带噪多人声混叠语音信号进行分离仿真,从而提取出感兴趣的目标语音,验证了该算法的可行性;通过与其他盲源分离算法的分离结果进行定性和定量的对比分析,验证该算法的有效性和应用前景.     

一种新的自适应步长盲源分离算法

自然梯度盲源分离算法通常采用固定步长,但这样做会造成算法收敛速度慢和跟踪能力差.为此,提出了一种新的自然梯度自适应步长盲源分离算法,使步长在每次迭代中根据其他参数的变化做出相应的调整.在非稳态环境下,计算机仿真试验结果表明,新算法不仅具有良好盲分离性能,而且在上述两个方面都有了较大改善.     

一种自适应算法的语音信号盲分离

盲信号处理算法主要有批处理算法和自适应算法两类,本文导出了一种批处理和自适应相结合的快速独立分量分析（Fast Independent Component Analysis, Fast ICA）算法,将该算法应用于语音信号盲分离处理,通过综合实验,从分离前后的波形、频谱图和主要评价参数说明该算法具有良好的信号分离效果。与扩展联合对角化（The Joint Approximative Diagonalization ofEigenmatrix,JADE）算法和自然梯度（Natural Gradient,NG）算法比较, fast ICA算法具有更好的分离效果。      

一种改进的基于高阶累积量的语音盲分离算法

盲分离算法被广泛用于语音信号处理领域中，本文给出了一种改进的基于高阶累积量的盲信号分离算法并且被用来进行双路语音增强，本文还提出了最速下降法滤波器抽头系数更新算法。模拟和实际录音的实验表明所提方法的有效性。     

基于萤火虫算法的变步长语音信号盲源分离

针对传统的自然梯度算法对语音信号进行盲源分离时,算法存在收敛速度和稳态误差的矛盾。文中提出一种新的变步长自然梯度算法,利用荧火虫算法对自然梯度算法的步长调整,使算法的步长随信号的分离度变化,并通过计算机仿真验证了该算法的有效性,算法的分离效果更好,收敛速度更快,且稳态误差更小。     

一种新的基于稀疏表示的单通道盲源分离算法

该文针对稀疏表示应用于单通道盲源分离中存在字典间互干扰的问题,通过在常规联合字典中引入一个新的子字典 共同子字典,提出一种新的基于稀疏表示的单通道盲源分离算法。新的字典学习目标函数中单个源的保真度由对应子字典和共同子字典构成,共同子字典的存在可以有效避免某一源信号在其他子字典上寻求成份而带来的互干扰问题。目标函数的求解通过交替执行稀疏表示、字典更新和比例系数优化3个步骤来实现。在测试阶段,通过收集单个源所对应子字典和共同子字典上的分量可以估计出混合信号中的单个源信号,从而达到盲源分离的目的。在语音数据库上进行的对比实验发现,所提算法较传统算法和前沿算法在两个通用评价指标上最高有近1 dB的提高。     

基于改进人工蜂群算法的盲源分离方法

 针对现有盲源分离方法大多存在收敛速度慢、分离精度低的问题,提出一种基于改进人工蜂群(Artificial Bee Colony,ABC)算法的盲信号分离方法.在ABC的邻域搜索公式中自适应调整步长,并加入全局最优解指导项,增强局部趋化性搜索能力.改进的ABC算法保持了ABC全局搜索和局部搜索之间的平衡,使ABC算法可以达到更好的寻优效果,从而提高盲源分离算法的分离精度和稳定性.实验结果表明,提出的改进盲源分离算法可以有效地分离线性瞬时混合信号.与其它算法相比,该算法具有更优异的分离性能,并具有更快的收敛速度.     

一种基于峰度的盲源分离算法研究

盲源分离(BSS)问题是在缺少先验知识的情况下，从接收到的观测信号中恢复统计独立的源信号。独立分量分析(ICA)方法把多维随机矢量转换为尽可能统计独立的分量，是现代解决盲源分离问题最主要的方法之一。本文给出了一种基于峰度的盲源分离算法，与用Comon的方法求解Givens矩阵相比，结构清晰、实现简单，而且几乎没有对源信号的概率密度函数做任何假设，可以对几乎所有概率密度的源信号进行分离，还借鉴了Comon的成对处理原则，把算法推广到了解决一般的盲源分离问题。仿真证明了该算法的有效性。     

峭度自适应学习率的盲信源分离

本文提出了一种自适应学习率盲信源分离的自然梯度算法,自适应学习率仅依赖于神经网络输出峭度平方和的负指数.开始阶段由于小的峭度,学习率大收敛速度快.之后,随着峭度变大,学习率慢慢变小,产生小的稳态误差.在线性无记忆混合的情况下,用欠高斯信源进行的模拟实验表明,与固定学习率相比,本文提出的峭度自适应学习率盲信源分离算法具有收敛速度快和稳态误差小的特点.     

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。     

基于延时估计的实时语音盲分离算法

目前盲分离算法相当复杂,对硬件的运算速度要求很高,无法满足实时性要求。根据盲信号分离的原理和特点,提出了一种基于延时估计的实时语音盲分离算法,大大提高了盲解分离的运算速度,主客观评价表明其具有很好的分离效果,证明了算法的有效性。     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

一种基于ICA的盲信号分离快速算法

基于ICA(独立成分分析:Independent Component Analylsis)原则,给出一种盲信号分离的快速学习算法.通过寻求观测变量线性组合的四阶累积量(即kurtosis系数)局部极值,得出该算法的模型和步骤.将该算法用于盲信号分离实验,实验结果表明,该算法在盲信号分离和信号特征提取方面具有收敛速度快、无需动态参数等优点.该算法能有效地分离出任意分布的非高斯盲源信号的各个独立成分,是信号处理的一种新的、高效可靠的方法.     

基于变步长自然梯度算法的盲源分离

相比标准梯度而言,自然梯度算法以其更快的收敛速度和更好的分离性能在盲源分离中占据着重要地位。由于常用的自然梯度算法是基于固定步长的,因此无法真正解决收敛速度和稳态误差之间的矛盾。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,提出了一种新的自然梯度算法。由于该算法采用的步长是时变的,加快了收敛速度,减小了稳态误差,从而很好地解决了固定步长的内在矛盾。计算机仿真结果证实了理论分析,并说明了该算法明显优于通常的自然梯度算法。     

盲源分离中的非高斯性极大准则

盲源分离是试图从给定的一组混合观察数据中恢复未知的独立信号源。介绍了盲源分离常用的独立性度量准则之一——非高斯性极大准则，并阐明了其在盲源分离中的应用原理。