基于四阶累积张量方法的欠定盲源信号分离

针对瞬时欠定盲源信号分离问题,提出一种四阶累积张量分解算法.首先构建观察信号四阶累积协方差,依据源信号具有相互独立且均值为零的性质,对累积协方差化简并扩展到张量域,得到四阶累积张量.采用分层交替最小二乘算法对四阶累积张量进行非负库克分解,求得非负库克模型的参数,同时获得非负混合矩阵并求其伪逆,最终估计出源信号.选用真实的语音信号和生物信号进行仿真实验,结果表明该方法提高了源信号和非负混合矩阵的估计性能.     

基于四阶累积量的稳健的通信信号盲分离算法

该文针对有噪环境中的通信信号盲分离问题,提出了一种在噪声环境下性能良好的盲分离算法,该算法将稳健的白化算法与四阶累积量矩阵的联合对角化相结合。仿真结果表明,该算法分离性能比一般的近似联合对角化(JAD)算法有很大改善,干信比可降低近10dB,而算法的运算量没有太多增加。     

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。     

基于四阶累积量张量联合对角化的多数据集联合盲源分离

该文提出一种基于四阶累积量张量联合对角化的联合盲源分离(J-BSS)算法。首先通过计算4阶互累积量将多数据集信号的J-BSS问题转化为4阶张量联合对角化问题。接下来,基于雅可比连续旋转将张量联合对角化这类非线性优化问题,转化为一系列可获取闭式解的简单子优化问题,并通过交替迭代对多数据集混合矩阵进行更新,进而实现J-BSS。实验结果表明,所提算法具有良好的收敛性能,较之现有的同类型BSS及J-BSS算法具有更高的精度。此外,该算法在分离实际胎儿心电信号方面也表现出良好的性能。

     

基于四阶累积量的重叠语音分离

文章将文献「１」给出的信号盲分离的一个理论判据应用于实际重叠语音信号的分离,给出了实现该判据的迭代算法,并对其中的参数选择等进行了讨论。实验表明,对于由两个语音分量构成的重叠语音信号,只要合理地选择其参数,就能有效地将其分离。     

一种新的联合对角化盲源分离算法分析

盲源分离是一种多通道的信号处理方法。应用盲源分离理论,可以在不知道传输通道的情况下,仅依靠采集到的信号,提取出各种源信号。构建累积量联合矩阵,进行对角化处理,得到分离矩阵,是一种很常见的盲源分离方法。针对通常算法精度不高的问题,提出了一种将基于二阶累积量和基于四阶累积量综合在一起的盲源分离算法。该方法结合了两种方法的优点,既考虑了二阶时空间上的不相关,又考虑了四阶累积量度量的独立性。     

基于四阶累积量和简化粒子群的盲分离算法

针对线性混合盲信号分离问题,本文提出一种基于四阶累积量和简化粒子群优化的盲信号分离新算法。该算法采用信号的四阶累积量作为目标函数,运用简化粒子群优化算法对目标函数进行优化,最终实现对混合信号的盲分离。仿真结果表明,该算法能够有效实现对会议语音混合信号的盲分离,跟其他算法相比,具有更快收敛速度和分离精度。     

一种基于盲源分离的雷达信号分选方法

盲信号分离是近几年才发展起来的,用于解决从混合观测数据中分离源信号的一门新技术,已在众多领域中获得了广泛的应用。文中结合高阶累积量对高斯噪声的不敏感性,给出了一种基于盲源分离的雷达信号分选方法,可以对高斯噪声背景中混合的多个雷达信号实现分选。最后给出了该方法的计算机仿真,结果证明了该方法的有效性。     

基于累积量和循环平稳参量的OFDM信号盲检测

为解决正确检测和识别OFDM信号的问题,提出一种新的OFDM盲检测方案.该方案在缺乏先验知识的条件下,充分利用OFDM时域包络渐近高斯性分布的特点,对已有基于累积量的识别特征参量提取进行改进,有效的抑制了瑞利衰落及高斯噪声对接收端信号调制模式识别性能的影响.在此基础上,为改善现有累积量算法无法区分OFDM与高斯信号的不足,应用二阶循环平稳性分析分选OFDM及高斯信号,构成OFDM信号检测的总体方案.仿真实验评估了该方案的有效性:验证该方案可在瑞利衰落信道下正确识别OFDM调制模式并在多径信道及较低信噪比下分选出OFDM信号.     

一种有效的语音信号盲分离方法

利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,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.     

基于对称四阶互累积量的盲信号分离算法

本文提出一种适用于非平稳随机过程的基于对称四阶互累积量及其时间特性的盲信号分离理论,并给出基于块的迭代学习算法和在线自适应学习算法.仿真实验表明,这些算法具有很好的稳定性和较高的分离性能.     

盲源信号分离方法研究

盲源信号分离是信号处理和神经网络领域的研究热点问题。介绍了盲源信号分离的概念、分类和基本数学模型;探讨了盲源分离中源信号和信道的假设条件,目标函数的建立,代价函数的优化,以及一般盲源分离算法实现步骤。给出了几种常见的目标函数和算法,并分析了它们的特点。     

基于阵列结构的盲源分离算法

利用源信号的统计独立性提出了一种由混合信号和分离信号估计混合矩阵的算法,避免了一次矩阵求逆运算。同时,利用天线阵列的结构信息提出了一种直接重构混合矩阵的算法,该算法不需要估计源信号的载频和入射角。仿真结果表明,所提算法与基于来波方向估计的盲分离算法性能相当,在信号入射角间隔较大时,所提算法性能优于普通的盲分离算法,并且大大减少了运算量。     

伪随机码的盲信源分离方法

根据伪噪声通信及伪随机码的相关特性,提出一种采用盲信源分离方法从伪码扩频信号中分离不同伪码序列的方法,并探讨该方法在CDMA监听系统中的应用。采用该分离方法能快速准确地分离和识别不同用户的伪码特征,来获得该用户的语音或数据信息,具有很好的应用前景。     

盲信号分离

阵列处理和数据分析的一个典型问题是从混合的观测数据向量中恢复不可观测的各个源信号.盲信号分离是解决这一问题的一门新技术,近几年吸引了信号处理学界和神经网络学界众多学者的研究兴趣.本文将以独立分量分析和非线性主分量分析为主要对象,综述盲信号分离技术的理论、方法及应用等方面的发展,并作有关展望.     

基于盲源分离的雷达信号分选方法

传统的信号分选算法建立在脉冲描述字（PDW）参数分析的基础上,对同频或频谱混叠的雷达信号可能无法分选.鉴于越发明显的常规雷达信号处理方法的局限性,通过仿真手段,用盲源分离的方法对混合后的雷达信号进行分选.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

最小误码率准则盲源分离算法

针对通信混合信号的盲分离问题,结合通信系统中的误码率性能指标,本文提出一种基于最小误码率准则的盲源分离算法。本算法基本原理是,将推导的最小误码率准则结合最大似然原则建立盲源分离代价函数,形成一种最小误码率约束的代价函数,接着借助于自然梯度下降搜索,最小化代价函数实现盲源分离。仿真实验分析表明提出的最小误码率约束代价函数得到的盲源分离算法,比原有的最大似然原则代价函数得到的盲源分离算法,具有更好的收敛性能和分离精度。      

基于细菌觅食的盲源分离算法研究

细菌觅食算法是一种基于细菌觅食行为的智能优化算法.盲源分离是盲信号处理的重要方面.为了提高盲源分离的有效性,根据盲源分离和细菌觅食算法的基本原理,提出了一种基于细菌觅食行为的盲源分离算法.用MATLAB对提出的这一算法进行仿真,并将其分离结果与传统独立分量分析算法的分离结果相比较.实验结果表明这是一种分离效果优于传统独立分量分析算法的有效分离算法.证明了基于细菌觅食盲源分离算法的可行性和有效性.     

基于低阶预白化与新型网络传递函数的盲源分离方法

α-稳定分布可以更好地描述实际应用中所遇到的具有显著脉冲特性的随机信号和噪声。与其它统计模型不同, α稳定分布没有统一闭式的概率密度函数,其二阶及二阶以上统计量均不存在。本文先简要介绍稳定分布统计特性,再提出了适用于盲信源分离的神经网络结构与基于分数低阶统计量与子空间技术的预白化过程,并利用一种新型传递函数修正了分离算法,提出了一种基于分数阶预白化与新型传递函数的盲信源分离方法。计算机模拟和分析表明,这种算法是一种在高斯和分数低阶α稳定分布噪声条件下具有良好韧性的盲信源分离方法,是对传统的二阶统计量基础上的盲信源分离方法的改造与推广。     

基于均匀线阵的盲分离算法

针对现有的最小二乘恒模盲分离算法虽然能实现源信号分离但分离信号间仍存在相关性的问题,在建立均匀线阵接收模型和分析现有算法的基础上,提出了一种将阵列结构和已有算法相结合的修正小二乘恒模盲分离算法,并进行了实验仿真。仿真结果表明,修正算法有效地降低了分离信号间的相关性,将分离结果用于信号测向,实现了对空间信号源的高分辨率测向。