局部充分稀疏的欠定时盲信号源分离

针对欠定时的盲信号分离,提出了局部充分稀疏条件下估计混叠矩阵A的新算法.该算法不要求源信号所有采样时刻都充分稀疏,先通过搜索,把处于同一直线的向量一一归类,再对所得的类的向量进行处理,把混叠矩阵A确定出来.仿真实验结果表明算法是有效的.     

差分跳频信号分离方法研究

差分跳频信号的无线传输方式使得在接收时会包含干扰信号,影响差分跳频信号的正确接收。在研究差分跳频信号产生机理和信号特性基础上,根据差分跳频信号的统计独立性,提出一种基于JADE的差分跳频信号分离方法,并对所提出的方法进行了仿真。仿真结果表明,提出的方法可实现对混合信号中差分跳频信号的有效分离.     

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.     

一种基于l1范数的欠定盲源分离算法

提出了一种基于两步法的欠定盲源分离新算法.在混叠矩阵估计阶段,采用基于势函数的聚类方法,在源信号恢复阶段,提出一种快速的稀疏信号重构算法.系统方程As(t)=x(t)的任一解,由它的一个特解与其相对应的齐次线性方程组的一组基的线性组合之和表示,从而使原来直接估计有n个独立变量的源信号s(t)转化为估计只有n-m个独立变量的系数向量z.再借助稀疏表示实现盲源信号的分离.仿真实验验证了新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求.     

稀疏盲源分离问题的恢复性研究

采用稀疏分量分析方法,研究了基于稀疏表示的欠定混叠盲信号分离的可恢复性,给出了在l2范数下,源信号可恢复的充分必要条件,并进一步讨论了l2范数解对噪声的鲁棒性.     

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。     

基于拟牛顿法的盲信号分离算法

以相关矩阵的联合对角化作为代价函数,基于拟牛顿法中的DFP法提出了一种新的盲信号分离算法,使算法的运行速度和分离效果得到了提高.仿真结果验证了算法的有效性.     

一种剪切波域的稀疏分量分析方法简

In applications of the image blind source separation, the traditional method of Independent Component Analysis(ICA) computes the mixed matrix by using source image directly, without using the prior knowledge that images can be represented sparsely in the transform domain, and it can not lead to a better effect. Based on the capacity of image sparse representation by shearlet, a method of sparse component analysis in the shearlet domain is presented. The image mixed source is first transformed to the shearlet domain and obtains a shearlet coefficient, then the sparsest coefficient is selected by computing kurtosis, and finally the sparse coefficient is used as the input of the ICA method to realize image separation. The complexity of the solving procedure represents a significant decrease since it chooses a less sparse coefficient. Experimental results show that, compared with the traditional ICA method, the method in this paper leads to a better separation effect and shortens the operation time of the algorithm.     

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.      

一种抗加性高斯白噪声的盲图像源分离方法

针对基于聚类稀疏成分分析的盲图像源分离方法噪声敏感的问题,提出了一种抗加性高斯白噪声的盲图像源分离算法.通过分析混合图像与噪声图像间的相关性,估计混合图像中的噪声并去除,对去噪后的混合图像进行稀疏成分分析,即分离出源图像.实验结果表明,该算法能直接、有效地去除同分布的加性噪声,使叠加噪声的混合图像得到精确的分离.     

基于非正交对角化算法的非平稳信号盲分离

运用分段平稳的思想处理非平稳信号,对每一子分段信号进行计算,得到相关矩阵群,并运用非正交对角化算法(alternatmg columns diagonal centers,ACDC)求得分离矩阵的逆阵,从而在混合信号中分离出源信号.仿真结果表明,在信噪比为40 dB的情况下,信号的平均干扰比可以保持在-15 dB以下.因而采用分段平稳和非正交对角化算法相结合的思想来处理信噪比较高时的非平稳信号,可以取得较好的分离效果.     

基于EEMD-JADE的桥梁挠度监测中温度效应的分离

针对桥梁挠度各成分的分离问题,提出一种基于EEMD-JADE的单通道盲源分离算法。首先,利用传统的集合经验模态分解法（Ensemble Empirical Mode Decomposition,EEMD）将单通道的桥梁挠度信号分解为一系列线性平稳的本征模函数（Intrinsic Mode Function,IMF）;然后,采用基于能量熵增量的判别法识别并剔除虚假的IMF分量,将能量熵增量较大的IMF分量组成盲源分离模型的输入信号;最后,采用矩阵联合近似对角化（Joint Approximate Diagonalization of Eigen-matrices,JADE）算法对输入信号进行盲源分离。JADE算法在源信号频率差异较小且频率有所混叠的状况下也能较好地分离出源信号,但要求观测信号数必须大于等于源信号数目;EEMD具有良好的自适应性,能够将单通道的混合信号进行多尺度分解,形成多通道信号,但分解结果存在端点效应与模态混叠。JADE算法能够解决EEMD分解结果存在的端点效应与模态混叠问题,且EEMD也解决了JADE分离算法的先决条件。两种算法优势互补,能够较好地分离出各挠度组分。通过有限元软件Midas/civil建立了背景桥梁模型,经仿真分析得到了各单项因素作用下的桥梁结构响应,并将其叠加在一起作为待分离的混合挠度信号。仿真信号分离的结果与源信号的相关系数均在0.98以上,说明分离效果较好。最后,采集实测挠度信号进行分离,处于对称位置测点分离出的各挠度组分的相关系数均在0.9以上,证明了该算法的适用性。     

基于VMD-PARAFAC的轴承故障欠定盲源分离

针对传统的轴承故障欠定盲源分离方法需要施加约束的问题,提出了一种基于变分模态分解(variational mode decomposition,VMD)和平行因子(parallel factor,PARAFAC)分析的欠定盲源分离方法.利用VMD算法将振动信号分解为多个带限本征模态函数(band-limited int...     

避免奇异解联合对角化的两种高效算法

针对避免奇异解的联合对角化算法计算量大的问题,提出两种改进的高效算法．在第一种改进算法中,将对角化矩阵行列式按当前更新的列展开,从而避免了计算行列式过程中的矩阵求逆．另一种改进算法将列交换后的对角化矩阵进行QR分解,由分解得到的上三角矩阵计算对角化矩阵的行列式．由于两种改进算法减少了一次矩阵求逆,因此降低了原算法的计算量．仿真结果表明,当目标矩阵个数和维数较大时,两种改进算法的计算量分别为原算法的18.9％和13.5％．     

粒子滤波盲均衡译码联合算法

粒子滤波在解决信道盲辨识和盲均衡问题上具有收敛快、抗深衰信道等优势.在粒子滤波盲均衡算法的基础上,依据卷积码的马氏性特点进行建模,提出了一种直接对信息序列做重要性采样的粒子滤波盲均衡和卷积码译码联合算法.同时,提出了噪声功率递推计算的方法,并将其应用于联合算法中噪声功率参数的自适应调整.仿真结果表明,相比分离算法,联合算法的收敛性能和误码率性能都有明显提高,而自适应调整功率参数的算法则降低了运算复杂度.     

基于时频独立分量分析的Wigner-Ville分布交叉项消除法

由于信号混合引起的交叉项严重降低了Wigner-Ville分布的时频分辨率，为此提出一种基于独立分量分析的Wigner-Ville分布交叉干扰项消除法.在无须了解信号混合系数的情况下，通过盲源分离法提取各独立分量信号，给出盲源分离结果不确定的解决方法.建立了包含自项与交叉项的时频分布矩阵，利用时频分布矩阵的联合对角化算法消除独立分量信号之间的交叉干扰项.通过独立分量自项求和重构Wigner-Ville分布，重构的Wigner-Ville分布具有良好的时频分辨率.数值仿真结果验证了算法的有效性.     

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。     

基于选优估计函数的盲信号分离

基于独立分量分析的盲信号分离问题，提出了一种选优估计函数的新方法，即在信号分离的初始阶段选择具有良好暂态特性的估计函数，而在跟踪阶段使用具有良好稳态性能的渐进最优估计函数．该方法克服了已有算法收敛速度和稳态性能之间的矛盾．仿真结果证明了算法的有效性．     

基于源数估计的无约束欠定盲源分离算法

信源数目的估计是欠定盲源分离的前提条件,为了提高混合信号分离的准确性,提出一种Hough加窗法。利用Hough变换的思想将观测信号转变为角度变量,对变换域中的角度直方图进行加窗获得变换量的聚类区域,其峰值数即为信号源的数目。在此基础上,通过寻找变换量与混合矩阵列向量的关系可得到混合矩阵的估计值。提出一种无约束分离算法,由内点法从散点图分布中选取合适的初始迭代值,通过梯度下降法实现信号的分离。仿真实验结果表明,Hough加窗法具有较高的估计精度、较强的抗噪声性以及较低的稀疏敏感性,无约束分离算法具有较好的分离效果。