基于最大信噪比的盲源分离算法的修正与比较

对基于最大信噪比的盲源分离算法进行了修正,解决了原算法在一些情况下失效的问题,并且比较分析了以上算法和全局最优盲源分离算法的分离性能。仿真结果表明,修正了的基于最大信噪比的盲源分离算法和全局最优盲源分离算法经常在分离性能上很相近,且都解决了修正前算法在一些情况下失效的问题。     

几种盲源分离算法的比较

文章研究了基于高阶统计量的FastlCA算法、基于信息理论的Infomax算法和基于四阶统计量的JADE算法等几种典型盲源分离算法在噪声环境下的分离性能.比较结果显示各种算法分离噪声信号的性能是不同的.对于某些混有一定噪声的特定信号,某些算法的分离性能要优于其他信号.研究结果还表明,基于信噪比和信号的特性来选择盲源分离算法能够给出令人满意的分离效果.     

基于广义高斯分布模型的盲源分离算法

分析了盲源分离的自然梯度算法与常规梯度算法的差异,研究了在自然梯度算法中引入不完整基后的算法特性,严格剖析了不完整自然梯度方法的成因与机理,数学上论证了与自然梯度盲源分离算法相比,不完整自然梯度算法避免了因源信号非平稳或幅值快速变化而引起的数值不稳定,并利用广义高斯分布模型模拟不完整自然梯度算法中的非线性激活函数,根据高斯指数值的不同选择,使该算法适用于服从任意分布源信号的方法。分别选取非平稳语音信号、脑电和心电信号以及正弦波和脑磁波信号进行仿真实验,结果表明基于广义高斯分布模型的不完整自然梯度算法完全能够恢复出这些不同类型的源信号。     

基于WKGV-KICA 的盲源信号分离算法

基于核学习的非线性映射能力,提出一种小波核广义方差的核独立成分分析算法WKGV-KICA.小波核函数具有近似正交,适用于信号局部分析的优点.与互信息相联系,将核广义方差作为对比函数对统计独立性进行衡量,可以获得理想的数学特性.将该算法应用于宽范围的盲源分离问题的实例中,并与现有算法进了比较.实验结果表明, WKGV-KICA算法在同等条件下的分离精度更高,而且性能更好.     

基于盲源分离的地震资料去噪技术

研究地震数据准确采集问题,针对地震噪声淹没在强机器噪声中,对有效地震信号的提取传统方法已经不再适用.在进行地震勘探数据采集时,经常会受到机械设备的强噪声干扰.为有效分离信号找出新技术,提出盲源分离(BSS)技术,可以在统计独立的意义下对混合信号进行分离.用BSS的原理和算法,结合地震数据的信噪模型分析,重点利用BSS来消除机器噪声.仿真结果表明,BSS在消除机器噪声的同时,能够很好的保护有效地震信号,可以大大提高资料的信噪比,为应用提供了参考.     

基于线性预测的固定点盲源分离算法

将可预测性作为盲源分离的代价函数,可以提取具有不同时序结构的源信号.但这种算法的批处理形式收敛速度较慢,本文针对这种算法进行了改进,根据Kuhn-Tucker条件,提出了基于线性预测的固定点盲源分离算法.与A.K.Barros等提出的批处理算法相比,基于线性预测的固定点批处理算法具有更快的收敛速度.本文提出的固定点批处理算法具有运算量低、无需设置步进长度的优点.实际采集的语音数据试验验证了该算法的有效性.     

基于C MEX S函数的盲源分离仿真研究

在分析基于最大信噪比盲源分离算法数学模型的基础上,利用C语言编写S函数,并提出了基于最大信噪比盲源分离系统仿真建模的方法.在Matlab/Simulink中,构造C MEX S函数的简化结构,建立独立功能的模块(如中心化模块、白化处理模块、基于最大信噪比分离模块及后处理的排序模块等),再对各个功能模块进行有机的结合,从而搭建基于最大信噪比盲源分离系统仿真模型,为提高复杂系统模型的仿真速度,以及与仪器仪表结合的设计与调试提供了新的思路.仿真结果证明了采用C MEX S函数方式搭建模型的快速性与有效性.     

基于Hough变换的时频盲源分离算法

1998年,Belouchrani,A和Amin,M.G基于时频分布提出了一种经典的时频盲源算法,不足是当有噪声存在时,性能会下降。主要考虑源噪声的盲源分离问题,以Wigner分布计算观测信号的时频阵并将其看做图像,利用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,运用自项点理论选择合适的矩阵进行联合近似对角化估计源信号。该方法扩展了盲源分离的限制条件,且通过把噪声能量扩展到整个参数平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。     

基于改进遗传算法的盲源分离算法研究

在传统盲源分离算法的基础上,提出了一种基于改进遗传算法的盲源分离算法。改进遗传算法可有效地抑制寻优陷入局部最小,防止了震荡,加快了权值的收敛速度,适用于非线性混叠情况。实验结果表明,将遗传算法和盲源分离相结合对于多路混叠语音信号具有较好的分离效果。     

基于FastICA算法的盲源分离

近年来,ICA(Independent Component Analysis,独立成分分析)已成为处理BSS(Blind Source Separation,盲源分离)问题的主要手段,同时也受到人们越来越多的关注,为此讨论ICA的原理及其优越性.首先介绍ICA,然后引入FastICA算法的推导过程,最后通过MATLAB仿真将其与梯度算法、PCA(Principal Component Analysis,主成分分析)算法所得的仿真结果进行对比分析.通过算法验证,经FastICA处理得到的分离信号与源信号相关系数的绝对值不小于0.99,与其他两种算法比较可以明显地得到FastICA是一种更为有效的盲源分离方法.     

应用信号变化度的线性混合信号盲分离算法

论文首先给出了信号变化度的概念,并证明了信号变化度的一个性质:互相独立的一组源信号的线性混合信号的变化度介于源信号中的最小变化度和最大变化度之间。然后,利用矩阵广义特征值理论,给出了一种基于线性混合信号盲分离算法。该算法计算简单,具有闭解形式;并能分离源信号中既有亚高斯信号又有超高斯信号的情况。仿真结果表明该算法是有效的,并具有很好的分离性能。     

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.     

基于特征向量盲分离的多频微弱信号检测方法

研究了低信噪比条件下混合信号的盲分离,针对实际探测的微弱信号常常是多个频率微弱信号共存的情形, 进行了利用特征向量盲分离检测多个频率周期性微弱信号的研究, 以便把利用特征向量盲分离的微弱信号检测应用于信号处理中微弱信号的提取.该方法首先建立混合信号阵元接收模型,利用多路传感器信号盲分离提取有用信号,达到微弱信号检测的目的.仿真和实测数据试验结果表明,此方法可检测出湮没在强噪声环境中的微弱信号的幅度和频率,在-30dB极低信噪比下恢复出了多个弱信号,具有很高的可靠性.     

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。     

基于盲源分离和噪声抑制的语音信号识别

为了更准确地在噪声环境中对不同语音信号进行识别,提出了一种用于普适语音环境下的自优化语音活动检测(VAD)算法,该算法运用个性化语音命令自动识别系统的语音信号,并能够有效地从多个发声者的混合语音中分离出个体发声者的声音,通过跟踪语音功率谱的较高幅度部分和自适应地抑制噪声来检测发声者的语音信号;设计并实现了一种处理多个发声者任务的自动语音识别(ASR),免去了对干净的语音变化进行先验估计,直接利用噪声本身产生语音/非语音判决的阈值以完成自优化过程;使用语音数据库NOIZEUS进行了评价测试,实验结果表明,所提出的盲源分离和噪声抑制方法不需要任何额外的计算过程,有效地减少了计算负担。     

一种新的卫星测控副载波信号分离方法

研究卫星测控信号优化问题,针对测控侦察中卫星测控副载波信号分离识别耗时长的问题,为了满足测控侦察实时准确信息的要求,提出一种基于最大信噪比的副载波分离算法,根据独立信号分离效果越好时信噪比越大的特点,建立信噪比目标函数,利用估计信号的滑动平均代替源信号,通过广义特征值求解实现对目标函数的优化,求出的广义特征值所构成的特征向量矩阵即为目标函数的最优解,优化过程不需要任何迭代.MATALAB仿真结果表明,与FastICA算法相比,运算复杂度低,分离效果较好,能够较好地分离卫星测控副载波信号,满足测控侦察的要求.     

基于Givens矩阵和联合非线性不相关的盲源分离新算法

针对源信号统计独立的盲源分离(Blind Source Separation,BSS)问题,提出了一种基于Givens矩阵和联合非线性不相关的盲源分离新算法.由于分离信号独立性的度量是影响算法有效性的重要因素,因此首先提出了一种改进的度量独立性的方法,该方法以独立源信号的联合非线性不相关来度量独立性;其次,结合Givens矩阵可以对分离矩阵施加正交性约束且能减少要估计参数个数的性质,将盲源分离问题转化成无约束优化问题,并利用拟牛顿法中的BFGS算法求解该无约束优化问题,得到分离矩阵;最后,通过模拟混合信号和真实语音混合信号的分离实验验证了该算法的有效性.