基于矩阵对角化的盲源分离算法研究

盲源分离是从观测信号中恢复源信号的一种有效方法,目前已成为信号处理领域的研究热点。首先对三种盲源分离的算法进行分析,它们是:四阶盲辨识(FOBI)、特征矩阵的联合近似对角化(JADE)、二阶盲辨识(SOBI)。分析表明这些算法均有各自的不足,而另一方面,它们都是通过矩阵对角化实现盲源分离的。一个很自然的想法是将这些算法结合起来,以提高盲源分离的性能。仿真结果表明,JADE法和SOBI法的结合可以获得不错的盲分离效果。     

基于线性阵列的欠定盲源分离几何分析

采用线性阵列对欠定盲源分离问题进行建模,研究源信号的空间分布对欠定盲源分离的影响.利用二步法和稀疏分量分析解决欠定盲源分离问题,其中,混合矩阵的估计主要利用稀疏源信号的线性混合信号沿混合矩阵列向量方向线性聚类的特性.理论分析和仿真实验结果表明,当源信号在空间处于某些特定区域时,若采用线性聚类方法,混合矩阵是不可估计的,...     

基于偏度的低空目标声信号盲抽取算法

针对盲源分离信号顺序的不确定性以及基于峭度的盲抽取算法运算量大的问题,本文提出一种基于偏度的低空目标声信号盲抽取算法.该算法利用偏度的非对称性,将其作为信号非高斯性的度量,抽取出的信号可以按偏度绝对值的降序排列.与基于峭度的盲抽取算法相比,该算法大大减小了运算量,同时具有较好的分离效果,且对于噪声具有鲁棒性.声音信号及...     

基于细菌觅食优化的盲信号提取算法*

提出了一种新的基于细菌觅食优化的盲信号提取算法。采用负熵作为信号提取的目标函数,利用球坐标变换原理将对提取向量的求解转换为对旋转角度的求解。使用改进的细菌觅食优化算法对目标函数进行优化求解,从而实现对源信号的盲提取。通过多次提取和去相关消源过程,可以实现对所有源信号的成功提取。对多路语音信号混合后的盲提取实验验证了所提出算法的有效性。     

独立成分分析方法在盲源信号分离中的应用

独立成分分析（ICA）在国内尚属一门新型的方法，介绍了ICA的原理及其算法，然后介绍了该算法在盲源信号分离中的具体应用，并将此方法与主成分方法（PCA）进行了比较。结果表明，ICA在盲源信号分离中将是一种很有潜力的方法。     

基于FPGA模糊变步长的在线盲源分离算法的实现

针对变步长的在线盲分离的扩展Infomax算法,提出了模糊变步长在线盲分离的扩展Infomax算法,以MATLAB仿真为理论依据,即当信号逐渐被分离,峭度方差逐渐递减,而步长因子随峭度方差和峭度方差变化率的递减而平滑地减小。并以FPGA查找表来实现模糊变步长更新算法,用每一次FPGA内部串行的步长调整量来选通多路选择器的端口数据,以达到迭代步长更新的目的。通过仿真结果表明这种设计方法具有很强的实时性,可实时跟踪峭度方差曲线,从而能较好地实现超高斯和亚高新信号混合情况的盲分离,提高变步长的在线盲分离的收敛速度和精度。     

基于遗传算法的盲源信号分离技术研究

提出一种采用遗传算法进行盲信号分离的新方法,为盲信号分离领域提供一种新的研究思路与方法。该方法基于迁移策略,应用交叉和变异方法,生成新一代的染色体,对由多个源信号混合而成的信号进行盲信号分离。实例表明了该方法的有效性。     

基于ICA的相位编码信号欠定盲分离算法

针对二相编码信号时域或频城上不充分稀疏的情况,提出了欠定盲源分离中估计混合矩阵和恢复源信号的新方法.首先,利用二相编码信号成型模型的特异性,将欠定盲分离问题转化成卷积盲分离问题,然后通过抽头延时将其转化为线性瞬时混叠问题,通过独立分量分析(ICA)方法对延时后的观测信号进一步处理.为了准确地分离出源信号,利用峭度准则对...     

基于时变自回归模型的FAJD盲源分离算法

为实现多高斯源和相关源信号的盲分离,在快速近似联合对角化(FAJD)算法的基础上,将故障诊断领域的时变自回归理论成功地应用于相关源信号的盲分离和多高斯源信号的盲分离.首先采用时变自回归模型(TVAR)对源信号建模,并通过白化预处理使得建模后的源信号具有可联合对角化的结构;然后,通过基函数加权和的方法将时变参数近似为已知基函数的加权和的形式,将其变成时不变的参数,再通过递推最小二乘法求解出模型系数矩阵组;最后,将所求出的系数矩阵组作为快速近似联合对角化的目标矩阵组,通过FAJD算法实现混合信号的分离.Matlab仿真实验验证了所提出的算法对于相关源信号和多高斯源信号的分离是行之有效的.由于算法中TVAR模型的优良特性,此算法非常适用于混合通信信号的盲分离.     

交流电机调速系统振动信号的盲源分离

介绍了盲源分离的基本概念以及基于负熵的盲源分离技术。以交流电机变频调速系统振动信号为研究对象,介绍了快速定点独立分量分析（Fast ICA）方法,并通过MATLAB软件编程,对系统的实测振动信号进行了分离。分离结果表明,该算法能够从复杂振动信号中有效地分离出大部分源信号,实现主要振动源信号的提取。     

一种基于多层神经网络的盲信号分离算法

基于多层神经网络,提出一种盲信号分离算法.该算法不对信号的密度模型做任何假设,通过多层神经网络估计任意信号的概率密度函数,并由此估计信号的评价函数.同其他方法相比,该方法不仅具有更好的分离性能,而且收敛速度较快.该方法可直接应用于所有以非线性函数代替评价函数的盲信号分离算法.实验验证了方法的有效性.     

含噪BSS模型的BJD-Hough算法*

当噪声存在时,信号和混合阵的盲估计变得相当困难。针对信号源噪声污染情形,假设信号和噪声的时频谱不同,提出了一种时频去噪盲源分离方法。该方法以Born-Jordan分布计算混合信号的时频矩阵并将信号的时频分布看作图像,利用广义Hough变换将信号检测转换为在参数空间寻找局部极大值的问题,再运用自项点理论选择合适的时频阵进行对角化,进而估计源信号和混合阵。该方法扩展了盲源分离的限制条件,能有效分离各种非平稳源信号、非独立源信号,且通过把噪声能量扩展到整个时频面而只选择信号能量占主导的时频点,对噪声具有一定的抑制能力。     

盲编码与有信编码结合的音频扩谱水印技术

水印系统通常被看作为一种通信模型,水印相当于被传送的信息,宿主信号为信道第一噪声源,攻击为信道第二噪声源。有信编码可以抵制第一噪声源对水印的干扰,而盲编码可以抵制第二噪声源的干扰。文章尝试性地提出了盲编码与有信编码结合的自适应的音频扩谱水印算法,用有信编码来抵制第一噪声源对水印的干扰,用较高码率的盲编码抵制第二噪声源的干扰。通过大量的实验证明,与其它的水印编码方案相比[3,4],该文的方法在多种攻击测试中具有很强的鲁棒性,其结果接近脏纸理论[7]的理想性能。     

用于多信道盲反卷积的级联神经网络

对Bussgang盲均衡算法提出一种新而简单、但行之有效的扩展,它可以从未知交错的混合信号中提取多重源信号。即用级联神经网络,它的每一模块是由均衡子网络和压缩子网络组成。此法可适用于任何盲均衡算法(信号信道均衡的拓延),它也可以应用于源信号数目预先未知的情况。计算机模拟结果证实此方法的确是非常有效的。     

一种并行主偏度分析算法及其在盲源分离上的应用

盲源分离是一种从混合信号中提取和恢复源信号的信号处理方法。在众多盲源分离算法中,主偏度分析算法是近年来出现的一种以三阶统计量为目标函数的盲源分离算法,其运算速度快于常规的盲源分离算法,但因其采用了串行的计算方式,在使用中存在误差累积问题。针对这一问题,本文在主偏度分析算法基础上进行改进,提出了一种并行主偏度分析算法。该算法以并行计算代替串行计算,可以同时估计出各个独立成分对应的方向,避免了误差累积问题。数值仿真实验表明,与主偏度分析算法相比,并行主偏度分析算法既保持了计算速度,同时提高了对源信号的估计准确性。     

基于信号稀疏特性和核函数的非线性盲信号分离算法

文章结合核函数,把基于信号稀疏特性的线性盲分离方法应用于非线性混叠情况而给出了一种非线性混叠信号盲分离算法。该算法首先将混叠信号映射到高维核特征空间,其次,在核特征空间中构造一组正交基,通过这组正交基将高维核特征空间的信号映射到这组正交基张成的参数空间中,从而把非线性混叠信号盲分离问题转化为参数空间的线性混叠信号盲分离问题。最后,在参数空间中,应用基于信号稀疏特性的线性盲分离方法对信号进行分离。该算法收敛精度较高,稳定性好。仿真结果表明该算法是有效的,具有良好的分离性能。     

小波变换结合盲源分离的EEG情感识别

由于脑电信号独立源数目的不确定性以及其他噪声的干扰,使得采集的脑电信号各导信号之间产生串扰、源信号难以估计以及噪声混杂等问题,严重影响了对脑电信号的分析研究。将小波变换与盲源分离算法相结合,并对盲源分离算法中维格纳分布存在的交叉项干扰现象进行重排处理。主要思路是首先将每一导信号进行小波变换,提取出特征波β波,然后对这些β波信号进行基于重排光滑伪维格纳分布的盲源分离,分离出关联性极大的β波成分。实验结果表明,所用方法分离出了各导信号中关联性大的脑电信号成分,并在一定程度上解决了源信号难以估计等问题,使识别结果有明显的提升。     

功率谱估计和扩展子空间下的欠定盲分离

研究了欠定情形下的信号盲分离。充分利用信号的时频特性,提出了AR模型功率谱估计法滑动估计信号频率,设计带通滤波器近似获取源信号和欠定混合矩阵,以及扩展子空间向量基构造完备观测信号的方法,将问题转化为完备情况下的盲分离,最后运用FastICA方法实现了信号盲分离。仿真实验数据表明方法的可行性和有效性,为欠定盲分离问题研究提供了新的思路。     

盲源信号分离及其发展

盲源信号分离是信号处理学界和神经网络学界所共同关注的一个热点研究问题,主要介绍了盲源信号分离的基本数学原理和基本模型、求解问题的步骤;以基于高阶累积量和信息论准则的各种典型学习算法为主要对象,对其各种典型方法的数学理论以及特点做了分析,介绍了现在的研究进展,并指出进一步的研究方向。     

A parametric density model for blind source separation

In this paper, a parametric mixture density model is employed to be the source prior in blind source separation (BSS). A strict lower bound on the source prior is derived by using a variational method, which naturally enables the intractable posterior to be represented as a gaussian form. An expectation-maximization (EM) algorithm in closed form is therefore derived for estimating the mixing matrix and inferring the sources. Simulation results show that the proposed variational expectation-maximization algorithm can perform blind separation of not only speech source of more sources than mixtures, but also binary source of more sources than mixtures.