基于区域增长校正的频域盲源分离排序算法

卷积盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序模糊问题。该文提出一种基于区域增长校正的频域盲源分离排序算法。首先对卷积混合信号短时傅里叶变换,在频域的各个频点处建立瞬时模型进行独立分量分析,在此基础上使用分离信号功率比的相关性,对所有频点进行逐点排序置换。其次根据阈值将排序后的结果划分为若干个小区域。最后按区域增长方式进行区域置换与合并,最终得到正确的分离信号。区域增长校正可最大限度地减少频点排序错误扩散现象,从而改善分离效果。在模拟和真实环境中分别进行语音盲源分离实验,结果表明所提算法的有效性。

     

一种新的频域盲语音分离排序算法

针对频域盲源分离过程中存在的排序模糊性问题,提出了一种新的解决方法.该方法将整个频段分为低频、中频和高频三个部分.在低频段采用比较不同频率点间幅度相关系数大小的排序算法,在中频段采用基于波束形成方位估计的排序算法,在高频段采用比较幅度相关系数大小和波束形成相结合的排序方法.实验中采用评价盲分离算法性能的工具箱BSS_EVAL作为评价标准,仿真结果表明,该排序算法的分离性能大大优于单独采用比较幅度相关系数大小的排序算法和单独基于波束形成方位估计的排序算法.     

基于相关系数的盲源分离排序和相位调整法

针对盲源分离后信号存在排序和相位不确定性的情况,提出一种基于相关系数的盲源分离排序和相位调整法,通过对盲源分离后信号运用该方法进行排序和相位调整,从而消除盲源分离后信号存在的相位和排序不确定性。仿真结果表明,在混合矩阵主对角线元素占优的情况下,此法可以有效地消除盲源分离后信号存在的排序和相位不确定性。     

基于频谱相关的时域盲分离排序算法

由于水声信道的时变性,水声信号分离后存在排序模糊性,限制了盲分离算法的应用.针对盲分离后信号存在排序模糊性的问题,提出了一种基于频谱相关的盲分离排序算法.根据水声环境中各信号的频谱差异,对分离后信号进行重新排序,来改善盲分离算法的排序模糊性.仿真实验表明,该算法可以有效消除分离信号的顺序不确定性,提高盲分离算法的性能.     

基于相邻频点幅度相关的语音信号盲源分离

排序和幅度不一致性是在频域进行信号盲源分离的主要困难。针对语音信号邻近频点间信号幅度相关性能良好这一特点，本文提出基于相邻频点间幅度相天的盲源分离算法，用以消除卷积信号盲源分离过程中排序不确定性。本算法理论简单，稳健性好。仿真结果表明该方法对卷积混合后的语音信号能得到较好的分离效果，并且耗时较短。     

基于性能权重聚类的频域盲分离排序算法

卷积混合盲源分离可以在频域得到有效解决,但频域盲分离必须要解决排序模糊性问题。本文提出了一种基于性能权重聚类的频域盲分离排序算法,该算法利用聚类来得到顺序参考,对各频点上分离信号的准确性进行计算,根据分离结果的准确性予以不同频点不同的聚类权重,从而提高聚类结果的可靠性。通过对频点进行分段处理可以有效抑制排序错误的传播,提高算法性能。最后通过多组仿真实验验证了基于性能权重聚类的频域盲分离排序算法的普适性与性能上的优越性,同时也探究了接收端个数对算法性能的影响。仿真结果表明本文提出的基于性能权重聚类的频域盲分离排序算法相较于传统的幅度相关性排序算法在信干比上会有2 dB左右的提升。接收天线数越多,算法分离性能越好。     

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.     

基于相关矩阵的频域盲分离排序方法

排列模糊性和幅度模糊性一直是在频域上分离卷积混合信号所面临的主要问题,针对该问题,给出了一种基于相邻频点的幅度相关之和的、快速有效地解决频域分离算法中排列模糊性的方法;即通过定义相邻频点的相关矩阵并通过其置换形式来解决排列模糊问题,从而在频域上有效的分离源信号,仿真证明,该算法可以对卷积混合信号实行快速有效分离,分离效果理想,并大幅减少计算量。     

盲源分离现状及发展

盲源分离（BBS ）作为一门与信息理论、信号处理、人工神经网络、概率论等学科均有交叉的新兴研究领域,得到了研究学者们的热切关注。阐述了盲源分离的概念,介绍了其分类,分析了其应用领域,归纳了盲源分离的国内外发展近况及趋势,并对未来进行了展望。     

盲源分离技术及其应用

盲源分离技术是盲信号处理领域的一个重要的分支20世纪90年代中期,盲源分离技术得到了迅猛的发展,并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。对盲源分离的相关理论、算法和应用进行了介绍和探讨。     

一种有效的语音信号盲分离方法

频域盲语音信号分离存在着排序模糊问题,提出一种基于相邻频点幅度相关和DOA估计相结合的解排序模糊方法,并且通过对一系列预处理（白化）、独立分量分析和后处理算法的优化和有机组合,很好地实现了卷积混合语音信号的盲分离。用真实录制的语音信号进行了仿真实验,恢复出来的源信号的信干比较分离之前提高了约13dB,证明了算法的有效性。     

空间电子探测信号盲分离研究

给出了盲信号分离中的瞬时混合,时延混合和卷积混合三种混合模型,介绍了两种具体的盲分离算法,等变自适应盲分离算法和非高斯性最大化的快速定点算法.其中对于窄带源信号,对时延混合模型进行了扩展,提出了用复数域瞬时盲信号分离算法分离时延混合信号的新思路.最后给出了相应的仿真和实验结论,实验结果表明用基于复数的盲分离算法确实能够有效地分离阵列接收的时延混合信号.     

独立分量分析盲信号分离方法研究

盲源分离是指从多个相互独立的源信号的混合信号中分离出源信号来。独立分量分析法是盲源分离的一种新方法,由于其在语音信号处理、阵列信号处理、生物医学信号处理、移动通信及图象处理等领域的应用前景,越来越引起人们的关注,成为研究的热点。介绍一种基于四阶累积量的非高斯性最大化的ICA算法解决盲源分离的问题,并给出了该算法分离通信信号的计算机仿真结果,验证了算法的有效性。     

混合语音信号的盲分离

重点研究了卷积混合语音信号的盲分离方法。语音信号是非平稳信号,但是它在短时间上具有平稳性。因此,本文对语音信号进行加窗傅立叶变换（FFT）将卷积混合问题转换为频域上每个频点的瞬时性BSS（blind source separation）问题,采用定点（fixed—point）ICA（independent component analysis）算法对混合语音信号进行了分离,并用matlab进行了仿真。     

基于波束域预处理的阵列盲信号分离方法

相控阵雷达采用多个阵元进行信号的接收处理,其多通道信号处理可以采用盲信号处理的方法进行目标源信号分离.由于阵元间距导致信号在阵元间产生相位延迟,在进行盲分离的时候一般只能采用卷积混合模型,盲分离过程是较为复杂的多通道反卷积问题.文中对阵列接收信号进行波束域预处理,通过确定的空间波束相位补偿,将阵元域的多时延混合信号变换为瞬时混合信号,从而采用简单的实数分离算法即可完成信号分离,分离信号可用于后置处理.所提方法简单有效,相比常规阵列信号处理方法,可直接适用于宽带信号.仿真实验验证了其有效性.