非正交联合对角化盲源分离算法

提出一种表征联合对角化近似程度的代价函数,给出优化该代价函数的非正交联合对角化算法．该代价函数对经典的最小二乘代价函数进行了改进,使原算法中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．因此,可通过基于梯度下降法的迭代算法交替估计3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,实现盲源分离．分析了算法的收敛性能,证明存在估计误差时,该算法依然全局渐进收敛．仿真结果表明,与经典的非正交联合对角化(ACDC)算法相比,该算法收敛所需计算时间仅为ACDC的一半,而全局拒噪水平改善了6dB,可有效地解决瞬时盲源分离问题．     

基于盲源分离的语音降噪研究

盲源分离是近年来发展起来的一种新的信号分离技术,具有很好的应用前景.针对卷积混合模型,采用短时傅里叶变换将时域信号转化为频域,然后采用瞬时混合模型中的联合近似特征矩阵对角化算法,对频域带噪语音进行分离.从而实现语音降噪的目的,并解决了频域中存在的信号尺度和排序不确定性问题.通过在matlab上的仿真实验充分证明了该方法在语音降噪中的可行性.     

基于非正交联合对角化的盲波束形成

该文提出了一种基于非正交联合对角化的盲波束形成算法。该算法不需要预白化,直接对阵列接收信号的四阶累积量矩阵进行联合对角化,得到非正交的分离矩阵,避免了由白化引入的误差。仿真实验表明,新算法在低信噪比下相比于JADE算法有更好的分离效果,而且该算法还可以通过增加采样数据点长度来提高分离性能。     

基于循环优化的矩阵联合对角化算法及在盲源分离中的应用

通过对一组与盲源分离中观测信号有关的目标矩阵进行近似联合对角化,可以有效解决盲源分离问题。提出一个非正交的循环优化的联合对角化算法。待优化的2个函数分别为矩阵对角化处理后的非对角元素的平方和与对角元素的平方和,通过对两者的循环最小化和最大化处理即可获得对角化器。对比仿真实验表明本文算法可以获得更好的盲源分离效果。     

采用二阶特征窗的语音盲分离方法

利用语音信号的短时平稳特性,提出了一种二阶特征窗语音盲分离方法。该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响;用长度等于语音信号基音周期的等距特征窗连续分割预白化观测数据,在每个加窗的数据帧计算不同的时滞协方差矩阵。利用联合近似对角化时滞协方差矩阵集合得到旋转参数,最终达到语音信号的盲分离。该方法消除了有色噪声的影响,只需用到二阶信息就能很好地分离语音信号。仿真实验验证了该方法的有效性。     

直接正交联合对角化盲分离算法

针对盲源分离问题,利用白化预处理后信号的二阶和高阶累积量矩阵具有正交联合对角化的结构性质,以及多个实对称矩阵具有相同特征向量即可同时正交对角化的实对称矩阵的特征分解的理论,提出一种基于部分累积量矩阵特征分解的直接正交联合对角化算法. 该算法仅需要部分累积量矩阵信息,从而大大降低计算过程中的存储量和计算量. 通过数值模拟,该算法和经典的JADE算法性能接近,可以有效地进行盲分离.     

基于负熵粒子群算法的盲信号分离研究

针对粒子群对盲信号分离时出现早熟等现象,提出负熵粒子群算法.首先将信息负熵最大化作为粒子群的目标函数,不依赖其它的非高斯性度量判断,避免识别混叠矩阵;然后对观测信号进行中心化和白化处理,用分离矩阵调整,使各个信号分量之间独立,大权重粒子做全局搜索,小权重的做局部搜索,混叠矩阵对所有列元素数组完成分离;最后给出了算法流程.MATLAB仿真结果显示该算法能够有效地完成盲信号分离和主要参数的提取.     

基于协方差矩阵对角化的盲信号分离

将基于协方差矩阵对角化的盲分离方法用于盲分离。当信号具有时间结构且空间独立时,通过对角化独立成分的自协方差矩阵（不同时延下的协方差矩阵）对混合信号进行盲分离。首先构造白化信号的时延协方差矩阵,然后选取不同的时延,将协方差矩阵的对角化程度表示成代价函数,最后利用梯度下降法得到分离矩阵。此方法和基于极大似然估计的FastICA算法的对比试验说明了此算法的有效性。     

应用盲源分离法消除旋转机械振动信号噪音与干扰

工业过程状态检测和故障诊断的信号,会受到相邻设备振动信号的干扰及噪音信号污染,影响对机器运行状态的准确判断和诊断.提出扩展干扰或噪音为一个源向量方法,利用盲源分离技术,研究机械源为线性卷积混叠模型,建立盲源分离技术消除振动干扰或噪音的算法.应用在风机轴振动信号试验表明,经盲源分离处理风机转子失衡引起轴振动信号的功率谱,优于未经处理的信号功率谱,证明了盲源分离技术消除机械设备间振动干扰和噪音信号的有效性.     

基于独立分量分析的混叠跳频信号分离算法

为解决混叠跳频信号的分离问题,在深入研究独立分量分析（ICA：Independent Component Analysis）理论基础上,结合跳频通信的特点,提出了基于独立分量分析的混叠跳频信号分离算法,实现了对混叠跳频信号的盲分离。该算法将基于负熵最大化的FastlCA算法应用到混叠跳频信号分离中。通过仿真实验表明,该算法能成功地排除乘性噪声干扰,完成对混叠跳频信号的分离。虽然分离信号的幅度、相位等参数较源信号发生了变化,但并不影响后续工作。这一过程在未知任何先验参数的条件下完成,并取得了较好的分离效果,为跳频通信信号的分离工作提供了新思路。     

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.     

一种小波域盲源分离算法

针对基于相合束广义特征分解时域盲源分离方法受滤波器或时延影响大、性能不稳定的问题,提出了一种基于相合束广义特征分解的小波域盲源分离算法．该算法通过信号小波变换的正交性,增强信号的非高斯性,减小信号的分离难度;利用双正交小波具有线性相位特性且对信号有良好逼近能力的优点,对小波系数进行相合束广义特征分解,得到稳定的分离矩阵．该算法不仅保留了时域算法的优点,而且可以随机选取滤波器,当源信号多于3个时仍可以完全分离出源信号．4个语音信号的盲源分离仿真结果表明了算法的有效性．     

基于盲源分离的电站锅炉多源泄漏定位研究

为解决电站锅炉多源泄漏问题,对多源泄漏混叠信号分离及定位进行研究。采用快速独立分量算法对混叠信号进行分离,将分离后的各源信号进行广义互相关得出时延估计,通过最小二乘定位算法得出泄漏点位置。仿真结果表明,快速独立分量算法能够将压力为0.8 MPa的5 mm、8 mm口径混叠喷流信号进行分离,不同位置分离后的同一源信号保持了原有的相关性,计算所得时延估计与真实值误差在0.029 ms;最小二乘定位算法在-0.15 ms至0.15 ms时延误差范围内时,定位误差保持在0.2 m以内,相对模型尺寸精度为2%。通过基于盲源分离的电站锅炉多源泄漏定位方法能够有效地将多源信号分离并进行定位。     

噪声环境下基于胎心电检测信号相关性判别的盲分离分析

胎心电是目前研究的一个热点.基于线性叠加盲分离模型,孕妇腹部的胎心电检测信号在原理上是可以通过盲分离算法进行分离的.然而临床复杂的采样环境往往会破坏信号的线性叠加特性导致一般盲分离方法难以提取出微弱的胎心电信号.为此,本文提出了一种带噪情况下基于判断多路孕妇腹部混叠信号是否满足时域稀疏线性叠加特性判决方法.通过现有的心电检测手段,找到孕妇腹部混叠心电信号的稀疏区域并计算信号间的相关性,以度量多路信号的稀疏线性混叠程度.仿真结果表明,本文提出的基于胎心电检测信号的判别方法直观地反映了多路信号间的混叠线性程度,可为FastICA算法在胎心电的应用提供一个前期的判断依据,以便获得更优的分离效果或选择另外的盲分离算法.     

基于单源区间的欠定盲源分离中源信号个数的估计

讨论观测信号个数少于源信号个数时盲源分离中源信号个数估计的问题;提出了一种首先利用单源区间对观测信号预处理,去除非单源区间的点,再通过改进的K-均值聚类方法来估计源信号个数,进而估计出混叠矩阵。仿真结果表明,与常规聚类算法比较,该算法复杂度较低,估计精度有显著提高。     

分布式MIMO-OFDM系统多频偏盲估计

针对多径信道下分布式多输入多输出正交频分复用系统多载波频偏估计问题和多频偏盲估计难、现有盲估计方法较少的情况,利用多径信道下分布式多输入多输出正交频分复用信号模型与盲源分离领域中信号模型类似的特点,利用卷积混合盲源分离思想,去除接收信号的多径影响及模糊度,得到只含频偏的发送信号,将多维频偏估计问题变成单维估计问题,最后用单个信号频偏盲估计算法得到频偏估计值. 仿真结果表明,提出算法适用于更为复杂的多径信道和正交频分复用信号,具有比导频辅助方法更优的估计性能. 在5dB信噪比下,多频偏盲估计的均方误差可达10^-6.     

卷积混合信号频域单源盲分离方法

利用滑窗短时傅里叶变换将信号时域卷积混合形式转换到频域瞬态混合形式,这样可用瞬时混合模型中各种成熟的ICA算法进行卷积混合信号的盲分离。基于卷积混合信号频域盲分离算法,针对实际环境分离滤波器阶数较高的情况,在每个频率点利用一种快速收敛的单源算法即复数固定点算法,一次分离出一个源信号。为防止每次分离收敛于同一信号,采用抽气技术,把分离出的源信号从待分的混合信号中抽出,同时解决其存在的排序和幅度不一致的问题,实现卷积混合信号的盲分离。计算机仿真证实了该方法的有效性,对油气勘探具有参考价值。     

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.     

多径信道下阵元约束布位的信号盲提取算法

为实现频率选择性衰落信道下未知信道信息时的盲信源提取,建立一个等价的卷积混叠信号模型,利用观测数据的“过去”、“现在”样本空间,在时域中推导出一种基于四阶累计量的盲信号提取算法,避免了频域的“排序”问题.通过接收阵元的约束性布位,简化了运算,计算机仿真实验验证了算法的有效性,并表明其具备一定的噪声抑制能力.     

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.