基于分值函数估计的自然梯度盲分离算法

分值函数估计的准确性是影响自然梯度盲分离算法收敛速度和稳定性的一个重要因素.提出了一种通过函数逼近直接估计分值函数的方法.用一组正交多项式的线性组合来逼近分值函数,其性能用均方误差来衡量.线性组合的系数向量可运用分值函数的性质,通过最小化均方误差自适应学习得到.将估计到的分值函数代入自然梯度迭代公式中就得到新算法.实验...     

基于分级迭代变步长的自然梯度盲源分离算法

自然梯度算法是处理盲源分离问题的一个重要方法.自然梯度算法的分离速度与稳态性能之间存在矛盾,步长增大收敛速度加快,但是稳态误差随之增大.自适应变步长算法是解决收敛速度与稳态误差之间的矛盾的有效手段.基于原有自适应算法,提出了一种分级迭代变步长算法,更好地解决了算法存在的收敛速度与稳态误差的矛盾.仿真结果表明,该算法具有更快的分离速度和更好的稳态性能.     

基于自然梯度的盲分离算法混合气体分析

结合盲分离算法和热催化传感器特性,对混合气体进行分离,讨论了混合气体分析的盲可分离性.使用一个热催化传感器,引用自然梯度的盲分离算法对CH4和CO的混合气体进行分析和验证.实验结果表明,此方法可有效地分析CH4和CO的浓度,提高了分析精度.     

基于自然梯度的盲分离算法的混合气体分析

结合盲分离算法和热催化传感器特性,对混合气体进行分离,讨论了混合气体分析的盲可分离性。使用一个热催化传感器,引用自然梯度的盲分离算法对CH4和CO的混合气体进行分析和验证。实验结果表明,此方法可有效地分析CH4和CO的浓度,提高了分析精度。     

一种改进的自适应不完整自然梯度盲源分离算法

与自然梯度盲源分离算法相比,不完整自然梯度算法避免因源信号非平稳或幅值快速变化而引起的数值不稳定.在深入分析和推导该算法的基础上,针对其中非线性激活函数难以确定的困难,提出一种利用峰度对激活函数进行自适应选择的改进算法.该算法无需已知源信号的先验信息,既保留了不完整自然梯度算法恢复非平稳源信号的优势,又可使其适用于服从任意分布的源信号.仿真比较结果表明,该方法性能优于选择正切函数作为激活函数的不完整自然梯度算法,分离效果较好.     

基于PID神经网络的后非线性盲源分离算法

PID神经网络是一种新型的前向神经元网络,它的隐层单元包含比例（P）、积分（1）、微分（D）元,各层神经元个数、连接方式、连接权初值均按PID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法,用最大熵值方法推导了PID神经网络算法的后非线性分离学习公式,该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时,用单个PI神经网络分离;对输入3个混叠信号时,用单个PID神经网络分离;对输入更多的混叠信号时,可采用多个独立的PID神经网络来分离。仿真结果验证了单个PID神经网络算法,能分离线性或后非线性混叠信号。     

基于品质函数估计的非线性盲源分离算法

研究非线性盲源信号分离优化问题。由于混合信号同时包含超高斯和亚高斯信号且混合信号具有很强的非线性时,传统的非线性盲源分离算法中对于品质函数的选取一般都是通过经验,现有算法难以取得理想的分离效果。在Pearson模型的基础上提出了一种新的估计品质函数的方法,算法能够成功地估计出次高斯(sub-Gaussian)和超高斯(super-Gaussi-an)混合信号的品质函数,同时克服了Pearson模型对同类信号只能估计得到相同的品质函数的缺陷,提高了算法的估计精度。通过在MATLAB仿真验证了算法的可行性和有效性,成功估计出源信号的品质函数且实现了非线性盲源分离。     

一种基于后非线性盲分离的图像解混技术研究

文中将一种后非线性盲分离算法应用于图像解混,该算法不需要额外的附加源信号信息,实现了非线性混合图像的全盲分离.首先,对后非线性混合模型进行微分变换,形成如同线性瞬时混合模型的形式,经论证源信号的微分形式仍保留了源信号的统计特性,达到简化的目的;其次,依据信号的相关特性来建立相应的目标函数及其递推方式,实现盲信号分离目的;最后,通过仿真试验来验证文中算法的有效性、可行性.实验证明,所采用的算法计算量小、收敛速度快、分离指标高,实现了混合图像的全盲分离,扩大了盲分离算法在图像解混技术中的应用范围及影响.     

后非线性混叠信号盲源分离算法综述

结合非线性盲源分离研究不断发展的现状,选取最常见的后非线性混叠信号盲源分离问题为对象,综述其算法,介绍了解混叠模型,说明了基于广义Gram-Schmit正交化构造解的存在性及非唯一性.在此基础上,阐释了分离方法和思路,概述了基于互信息最小化的独立性测度,并分析评述了不断涌现的后非线性盲源分离典型算法.最后指出,目前关于后非线性盲源分离算法的研究存在的共性问题,并对进一步的研究方向进行了展望.     

基于符号算子的变步长不完整自然梯度算法

通过引入不完整约束使不完整自然梯度算法有效克服传统自然梯度算法的缺点和不足,即当源信号幅度随时间快速变化或在某段时间为零时,不完整算法仍能较好地工作.同时,从一般动态分离模型中推导出的符号算子可改善算法的收敛性.结合上述两种思想提出一种基于符号算子的不完整自然梯度算法,增加基于代价函数梯度的变步长运算以平衡算法中收敛速度和稳态误差之间的矛盾.仿真结果表明,改进算法的性能明显优于传统算法,在保持良好稳态误差的基础上大大加快收敛速度.     

基于广义相关系数的后非线性盲信号分离算法

基于互信息最小化的独立性测度对各分离信号间的非线性相关度度量没有归一化的问题,提出一种基于广义相关系数的肓信号分离(BSS)算法.首先选取后非线性混叠模型(PNL)分析基于广义相关系数的独立性测度;然后采用Gram-Charlier扩展形式估计输出参数并获取评价几率函数,结合最陡下降法求得分离矩阵和参数化可逆非线性映射的算法迭代公式.仿真结果表明,采用所提出的算法能够定量分析各分离信号间的非线性相关程度,有效分离后非线性混叠信号.     

高斯扩散特性图象的盲解卷积

图象的盲解卷积恢复具有重要的理论和实际意义,许多情况下系统的扩散特性不能精确获得。针对一类相对平滑或类似高斯分布的扩散特性,建立一种图象盲解卷积算法,采用交替迭代方法。适合总体最小二乘求解。算法能有效地确定点扩散函数,图象恢复质量有明显改善。最后的仿真实验表明了算法的有效性和稳定性。     

一种改进的图像迭代盲反卷积算法

针对传统迭代盲反卷积算法收敛速度慢、容易出现解模糊等问题,提出一种改进的图像迭代盲反卷积算法。利用动量矩求解图像的有限支持域,在支持域中使频率域和空间域交替迭代,从而实现图像的盲复原。仿真结果表明,与传统迭代盲反卷积算法和基于小波变换的盲反卷积算法相比,该算法的收敛速度较快,具有较好的图像恢复效果。     

频域盲解卷积局限性分析及一种改进算法

在频域盲解卷积问题中,时域信号的卷积混合转化为频域信号在有限频点的瞬时混合,使算法复杂度大大降低。但这种算法的局限是分离结果存在次序和幅度上的不确定性,并且窗函数长度和信号非平稳性之间存在相互制约的关系。文中对语音信号频域盲解卷积算法存在的制约因素进行分析并提出一种改进的基于包络相关性的排序方法。在分裂谱法的基础上,通过“分裂”后的多路信号求得“总包络”,再依据“总包络”进行排序,从而克服传统的直接依据输出信号包络相关性进行排序的不足。实验结果表明,采用本方法可获得较高的分离质量。     

一种基于ICA的同态盲反卷积算法

盲反卷积是图像处理、语音信号处理、通信、系统辨识和声学等许多研究和应用的基本问题,具有重要的理论与应用价值。根据无损检测中盲反卷积问题的特点,提出了一种新的基于ICA的同态盲反卷积算法。该算法首先将检测信号变换到复倒谱域,将卷积混合模型变为线性混合模型,即ICA问题;然后通过ICA将系统冲击响应和输入信号分离;最后,根据分离的复倒谱信号,重构其时域信号。论文提出的盲反卷积算法具有运算量小,计算速度快,分离精度高等特点,且不受信道是否为最小相位信道的影响。计算机模拟和实验数据都证明了算法的有效性。     

基于高阶累积量的盲反卷积算法的比较

通过对高阶统计理论以及对建立在高阶统计理论基础上的累积量盲反卷积算法的分析与研究,研究了两种基于高阶累积量的盲反卷积算法的原理,并且通过这两种算法对信号的处理结果,比较了这两种算法的性能.