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.     

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Parzen核估计的ICA算法及其性能分析

基于概率密度非参数估计的Parzen核估计，提出了一种新的独立成分分析（1CA）算法，实现了对源信号分布的全“盲”要求。该算法由观测信号样本出发，实现了对分离信号评价函数的直接估计，从而在一定程度上解决了1CA算法中如何选取估计信号评价函数的难题且能对任意的源混合信号（包括：超高斯与亚高斯分布，对称与非对称分布）进行有效盲分离。模拟实验从统计性质和计算时间2个方面说明了所提算法的性能。     

基于时频特征检测的网络入侵信号盲源分离算法

网络入侵信号是一种非平稳随机信号,传统的检测算法难以有效提取信号的冲激响应特征,盲分离性能不好,故提出了一种基于时频分析和干扰滤波匹配的网络入侵信号盲源分离算法.采用时频特征检测方法进行信号的盲源分离处理,构建网络入侵信号时频分析处理模型,使用WVD时频分布结合Hough变换进行时频分析,设计盲分离滤波器实现对入侵信号的检测滤波,提取三阶统计量、四阶统计量及高阶谱作为信号的时频特征,估计信号的瞬时频率,得到入侵信号的盲源参数估计结果,基于时频特征检测实现对信号的盲源分离改进.仿真结果表明,采用该算法进行网络入侵信号的盲源分离和检测,准确检测概率较高,实现了对入侵信号的盲源分离和准确拦截.     

基于小波变换和稀疏成分分析的盲图像分离法

针对图像信号不满足稀疏性条件,不能直接用稀疏成分分析模型进行盲分离的现象,提出一种基于小波变换和稀疏成分分析的盲图像分离法. 利用小波分解将混合图像从空域转化到频域,获取混合图像高频对角分量,在频域空间利用线性聚类稀疏成分分析法估计混合矩阵,进而最终重构源图像. 实验结果表明,该方法能准确有效地提取源图像. 目视结果及相关系数分析结果均表明,与经典独立成分分析法(FASTICA)相比,该方法分离精度高,分离效果好.      

非参数GKNN估计的高效独立成分分析算法

基于概率密度非参数估计的广义k-最近邻估计(GKNN)和线性独立成分分析(ICA)神经网络,提出了一种新的ICA非参数算法,实现了对源信号分布的全“盲”要求．传统的ICA算法不能分离一般的包括超高斯、亚高斯和非对称分布的杂系混合信号,因此它们需知道源信号的一些信息．基于GKNN的非参数密度估计直接由观测信号样本出发,实现了对分离信号评价函数的直接估计,从而在一定程度上解决了ICA算法中如何选取估计信号评价函数的难题．所提算法可以只用一种灵活的评价函数分离任意的杂系混合信号,该算法为ICA的更广泛应用铺平了道路．模拟实验从统计性质和计算时间说明了所提算法性能的优越性．     

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。     

基于二阶统计量的盲辨识方法研究

在信号的预处理阶段,可简化盲源分离或独立分量分析方法,采用基于二阶统计量的盲辨识方法,分离不同功率谱的有色源信号,以改善自适应系统的收敛特性,消除冗余或减少噪声污染。提出了一种基于特征值分解的二阶统计量的盲辨识方法,可以较好地识别混合矩阵,对有色源信号进行盲源分离。通过不同时滞t的比较,以及不同算法的比较,证明了该辨识方法对不同的时滞在t=1时的分离效果最好,且该方法比其他方法的分离效果更好。     

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.     

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。     

基于时频域的具有延迟的欠定盲分离

本文针对衰减-时延混合模型,提出一种改进欠定语音盲分离算法。利用独立语音在时频域上的近似稀疏性,提出势函数面-聚类方法,通过此方法可直接获得源信号的个数和各声源方位信息,省去传统聚类方法中衰减-时延的配对步骤,提出的新势函数具有很好的适应性。分离阶段,利用势函数面聚类方法估计声源信号方位信息重构声源相对传递函数,采用非线性时频掩蔽方法分离感兴趣目标语音信号,实现了不同方位信息声源信号的欠定分离,放宽了对稀疏性的限制。仿真实验证明了此分离方法的可行性和有效性,弱混响条件下的分离信号输出信噪比平均达到了16dB。     

一种改进的稀疏多径信道均衡方法简

Traditional channel equation methods are based on the multi-path richness hypothesis, which is complicated and inefficient in sparse channels. In this paper, a sparse multi-path channel equation method is proposed. The sparse channel estimation is carried out using a small number of pilot tones based on Compressed Sensing (CS). The equation inverse filter is derived from the channel estimation. The procession of inverse filter solution is modeled as an optimization problem and a greedy algorithm is proposed which can bring about a near optimal solution. The new algorithm requires fewer iterations than linear prediction and gets almost optimal filter parameters when the rank is high enough. The modularized structure of the greedy algorithm is designed which is less complicated and can be easily realized. Simulation shows that the BER performance of the proposed equation method is improved significantly with the increase of SNRs. At 15dB of the SNR it gains 10dB in power efficiency relative to LMS.     

一种最大密度检测欠定混合矩阵估计算法

针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。     

一种均匀线阵的信号分离方法研究

为了进一步改善阵列信号处理中盲源分离算法的分离性能,本文提出了一种基于DOA估计的阵列信号分离方法。该方法的基本思想是利用MUSIC算法实现对阵列信号DOA的预先估计,构建一预估计方向加载矩阵W,使加载后的混合信号在该预估计DOA上的信号能量最大化,最后利用传统的盲源分离算法分离接收到的混合信号,得到原始信号波形。仿真结果表明,该方法分离效果优于直接的盲分离算法,原始信号与分离信号相关系数接近于1,但同时牺牲较大运算量。     

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.     

旋流排气管的一维非定常流动研究

在不考虑摩擦,且管道通流面不变时,针对旋流排气管的一维非定常流动数理模型中旋流动量矩方程的特殊性,采用一种新型含有可导函数的变形加法分离变量法,导出满足该方程新的代数显式解析解。该解含有任意可导函数,即有无限多个解。由此提出了求解一阶线性齐次偏微分方程的新算法,即含有可导函数的加法分离变量法。理论研究表明,由加法分离变量法所得的解为自变量的任意可导函数都可满足该类方程。     

独立分量分析在心房纤颤检测中的应用研究

为了从心房纤颤患者的动态心电图记录中抽取心房活动信号并对其进行特征分析，提出了一种无损型心房纤颤自动诊断方法.证明了应用独立分量分析（ICA）必须满足的3个基本条件：源间独立性、瞬时线性混合和至多一个高斯源，并建立了盲源分离的数学模型.采用快速固定点优化算法分析仿真试验和临床数据，计算各被分离分量的峰度值，有效提取了心房纤颤信号，定性和定量地表明了该方法的准确性和鲁棒性.     

水声稀疏信道估计与大范围白适应平滑预测研究

研究了对水声稀疏信道的估计与预测．基于水声稀疏信道模型提出了信道重要权系数检测迭代估计算法来对信道的时域冲激响应进行估计,该算法无需预先知道信道多径数,同时可有效利用预估的信道多径数下限减少计算量;基于线性自回归模型提出了大范围自适应平滑预测算法来对水声信道进行预测,无需估计复杂的水声信道二阶统计特性,通过降低信道采样速率和局部平滑以进一步降低预测误差．文中算法比最小二乘（LeastSquares,LS）算法和匹配追踪（MatchingPursuit,MP）算法性能更为优越;当通信距离较短时,信道预测误差在10^2内．本文算法能够对水声稀疏信道进行有效估计和预测,可为水声通信中的自适应技术提供依据．     

基于四阶累积量的频差参数估计快速算法

针对传统的基于4阶累积量的参数估计方法因其计算复杂度很高,影响了参数估计的实时性要求的问题,研究了基于4阶累积量的频差参数估计的快速算法.对传统方法提出改进,采用切片处理的方法降低了计算复杂度,与传统方法相比,快速算法能够将复杂度降低2个数量级.引入矩阵论中极小范数解的理论求得矩阵方程的最优解,最后估计出频差参数.实验结果表明:快速算法能有效地对频差参数进行估计,在此基础上进一步验证了采样点数、信噪比等相关参数对频差估计精度的影响.