一种充分利用变量结构的解卷积 混合盲源分离新方法

 针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toeplitz结构和源信号相关矩阵的块内对角化结构的基础上,交替估计代价函数中的三组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现信道的盲均衡和源信号的盲分离.分析了三迭代算法的收敛性能,证明即使存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与其他经典的两步算法相比,提出的一步算法能够更好地估计混迭矩阵并恢复出源信号,有效地解决了卷积混合盲源分离问题.     

基于三二次优化的语音卷积盲分离方法

 针对语音信号卷积混迭模型,利用语音信号近似独立及短时平稳特性,提出一种基于三二次迭代优化的混迭矩阵多分量联合估计方法,交替估计三组待定参数的二次代价函数实现联合块对角化,在时域解决卷积混迭盲分离问题.理论分析了所提方法的计算复杂度和迭代收敛性.实验表明,相比于类Jacobi方法,所提方法收敛速度更快,且全局拒噪水平平均改善5dB,巴克谱失真系数改善达0.12.     

基于二阶统计量的语音信号时域卷积盲分离算法

该文针对语音信号卷积混迭模型,利用信号间近似不相关和短时平稳等二阶统计特性,根据盲分离固有的排列和尺度不定性,改进最小二乘拟合函数,将关于混迭矩阵的四次函数转化为3组待定参数的二次函数。提出优化该代价函数的非正交联合块对角化算法,分3个子步,每个子步求解一个最小二乘问题,交替估计3组待定参数,逼近代价函数最小点。与ZJBD等同类方法相比,该方法具有计算复杂度低,估计精度高且对初始参数选择不敏感等特点,可直接在时域实现语音卷积盲分离。     

基于多步分解算法的解卷积混合盲源分离新方法

该文提出一种基于二阶统计量的时域多步分解算法求解卷积混合盲源分离问题。引入白化处理,将混迭矩阵转变成酉矩阵,同时,根据源信号不同延时下相关矩阵所具有的块状对角结构,将酉矩阵分为不同的列块。针对各列块之间相互正交的特性,提出一种关于某一特定列块的最小二乘三二次代价函数。利用一种常规的基于梯度下降法的三迭代算法,交替估计代价函数中的3组待定参数,搜索其最小点,得到酉矩阵一个列块的估计。利用系统化的多步分解算法(MSA),依次估计酉矩阵的每个列块,最终得到整个酉矩阵的估计,进而恢复出源信号。仿真结果表明,新方法性能优于经典的SUB方法及新近提出的JBD-NonU方法,可有效地解决卷积混合盲源分离问题。     

利用盲源分离算法实现DOA估计

提出一种基于快速盲源分离算法实现波达方向（DOA）估计的方法。构造了具有对角化结构的相关矩阵组,引入解盲源分离问题的联合对角化代价函数,采用一种快速的复数域乘性迭代算法求解代价函数,得到混迭矩阵逆的估计,进而实现DOA估计。与同类算法相比,该算法具有更广的适用性和更精确的DOA估计性能。仿真实验结果验证了算法的快速收敛性和优越的估计性能。     

一种利用结构特点实现复数域联合对角化解盲源分离新算法研究及应用

联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题,且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题,提出了一种基于结构特点的联合对角化（Structural Traits Based Joint Diagonalization,STBJD）算法,既取消了预白化操作解除了对目标矩阵的正定性限制,又允许目标矩阵组为复值,具有极广的适用性.首先,引入矩阵变换,将待联合对角化的复数域目标矩阵组转化为新的具有鲜明结构特点的实对称目标矩阵组.随后,构建联合对角化最小二乘代价函数,引入交替最小二乘迭代算法求解代价函数,并在优化过程中充分挖掘所涉参量的结构特点加以利用.最终,求得混迭矩阵的估计并据此恢复源信号.仿真实验证明与现存的有代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比,STBJD算法具有更高的收敛精度,能有效地解决盲源分离问题.     

基于特征函数和矩阵代数的卷积直扩信号分离

针对多个直接序列扩频信号在多径信道传输后的卷积盲分离问题,提出了一个基于特征函数和矩阵代数的卷积盲分离方法。首先利用多传感器的条件,构建生成信号模型,且证明此模型符合独立子空间分析的基本条件;接着通过引入独立子空间分析的定义,证明直扩信号源的特征函数的Hessian矩阵满足块对角化性质;然后利用矩阵代数中矩阵分解的方法,将多个矩阵的联合块对角化问题转化为求取某个矩阵代数的可交换代数的一般性矩阵问题。当这个一般性矩阵被对角化时,卷积盲分离问题求解简化为求取一组齐次线性方程组的一个随机解。理论分析还表明,当噪声信号为高斯白噪声且具有相同的能量时,算法对于噪声具有非常强的鲁棒性。最后通过计算机仿真和与现有算法的比较,验证了新算法的有效性和可靠性,且具有更好的分离性能和相对更少的约束条件。新算法的不足之处是所需传感器数目较多,但在大规模传感器条件下能满足要求。      

一种快速的频域盲语音分离系统

对真实环境中的混迭语音信号进行盲分离是一个非常困难的任务。许多在仿真信号环境下工作很有效的算法常常不能成功地分离真实环境中录取的混迭语音信号。本文通过对一系列预处理(如解相关),独立分量分析和后处理(解排列和尺度不定性)算法进行优化和有机结合,提出了一种快速的频域盲语音分离系统,有效地实现了对卷积混迭的语音信号的盲分离。特别,文中引入一种改进的数据白化算法,它可以节省运算量并提高独立分量分析算法的收敛速度。基于真实录音信号的仿真实验显示该系统能够快速和稳健地分离卷积混迭的语音信号。     

MIMO信道的卷积盲分离新算法

文章针对观测信号数目多于源信号数目的过定混叠情形,基于最小均方误准则,将问题转化为求解一个关于信道参数和源信号的优化问题,通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,再通过对两个表达式的相互逐次替代来寻求源信号,由此给出了“逐次替代“过定卷积混叠盲分离方法.     

基于递归神经网络的信息理论盲源分离准则

本文基于一个全连接递归网络结构,给出一种新的信息理论的盲源信号分离准则。该准则在保证最大化信息传输的同时最小化输出互信息,从而使网络输出相互独立。由此准则推导的算法对传输中的信息损失引入了Hebb项。该算法既可以分离超高斯源的混迭,又可以分离亚高斯源的混迭信号。计算机仿真结果表明了该算法的良好分离性能。     

一种非平稳卷积混合信号的时域盲源分离算法

该文将卷积混合盲源分离模型中的向量进行重新规划并对联合近似对角化方法加以推广,提出一种非平稳卷积混合信号的时域盲源分离算法。该算法先将采集到的卷积混合信号进行重排,使之满足重新定义向量后的瞬时混合模型特征,然后考虑到信号的非平稳特性,采用空间白化和联合近似块对角化方法分离出源信号。由于没有使用域变换而是从新的角度将卷积混合问题简化为瞬时混合问题,避免了卷积运算或域映射过程,降低了算法的复杂度。仿真实验验证了该算法的有效性并就参数的变化对信号干扰比的影响进行了分析。     

多用户MIMO系统下行链路的空分多址发送预滤波技术研究

该文提出了一种用于多用户MIMO系统下行链路的空分多址发送预滤波技术,通过在目前已有的基于块对角化的联合TX-RX MMSE算法的基础上,增加新的约束条件,使等效信道由块对角化矩阵变为完全对角化矩阵,就可以在发送端同时将多用户干扰(MUI)和用户内部各根天线之间的干扰完全消除。改进后的算法除了具有基于块对角化的算法的特点外,还具有更切实可行,简化接收机设计的优点。     

基于细节分量提取的脉压雷达信号检测技术

小波分解可以将信号分解为多层近似分量与细节分量，脉压雷达信号的脉内信息可以在细节分量中得到很好的体现，因此小波变换方法对脉压信号有着很大的优势。Mallat快速算法使小波变换走向工程实用成为可能，对ADC输出的数据流做小波分解，得到各层的细节分量，找到波形失真较小并且能够反映脉内特征的细节分量作为新的数据源，对之进行相关处理，完成信号检测。文章最后以实际雷达信号为对象进行了实验，实验结果表明该方法是切实可行的．     

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.     

基于广义特征值的病态混叠盲源分离算法

提出了一种新的病态混叠盲源分离算法.算法首先对观察信号进行预处理,把多余的观察信号剔除,使预处理后的混叠矩阵 A 是行满秩的;然后,通过把恢复信号的部分和的协方差与恢复信号的协方差之比的对数作为代价函数,使优化代价函数转化为求解一个广义特征值问题.在较弱的条件下,证明了该算法能够恢复出所有理论上能被分离出的源信号.数值仿真表明该算法非常有效.     

基于小波变换和独立分量分析的含噪混叠语音盲分离

含噪混叠语音的分离是语音信号处理中的重要研究问题。该文针对语音信号的非平稳特性与不同语音源之间的相互独立性,提出用小波变换与独立分量分析相结合的方法来进行分离。首先利用小波变换分别对各含噪混叠语音进行消噪,然后用独立分量分析的方法对消噪后的混叠信号进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个语音源信号的最终估计。仿真结果表明这种方法取得了很好的分离效果。     

具有延迟的欠定语音盲分离

探讨具有延迟的欠定语音盲分离问题,针对语音信号的部分W-分离正交性,提出一种新的基于混叠矩阵估计的语音盲分离方法.首先对观测信号进行短时傅里叶变换,选定一个信号作为参考信号,构造幅度衰减向量和时间延迟向量,提取单源主导区间的观测信号作为观测样本;然后对观测样本进行聚类,通过估计参考信号的混叠系数来估计混叠矩阵;最后结合...     

基于旋转变换法的雷达信号分选

在电子对抗条件下,如何在密集的电磁环境中实时地分离出各雷达辐射源信息、得到正确的测量参数是进行雷达对抗的关键。独立分量分析（ICA）是根据信号源的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。由于传统的多参数分选方法很难满足实时性的要求,文中研究分析了基于旋转变换的思想,将独立分量法应用到雷达信号分选中来,并给出了雷达辐射源的独立分量法的数学模型、算法和仿真分析,获得了比较好的雷达信号分选效果。