未知源信号峭度正负性的盲分离

大多数的盲分离算法假设源信号峭度的正负性是己知的，并据此选择相应的非线性函数近似评价函数(score function)。针对源信号峭度的正负性未知的情况，本文提出了一个评价函数的参数估计方法，本算法能有效地分离混合在一起的超高斯信号和亚高斯信号，仿真结果验证了算法的有效性。     

改进的信息最大化语音盲分离算法

提出一种改进的基于信息最大化的语音盲分离算法,克服了以往算法收敛速度慢,串音误差大的缺点.新算法分析了多种非线性函数的转换特性,采用一种新的更合适的非线性函数,并依此推导出分离算法的学习规则.实验表明,改进的算法有效实现了混叠语音信号的盲源分离,收敛速度更快,串音误差更小,取得了良好、稳定的分离效果.     

一种峭度依赖的参数自适应盲分离算法

针对超高斯与亚高斯混合信源分离算法上存在的不足,该文提出一种峭度依赖的参数自适应盲分离算法。该算法用加权双高斯模型估计超高斯与亚高斯信源分布,在自然梯度框架下,依据峭度实现模型参数自适应。通过使用混合图像对其进行验证,实验表明该算法不仅可以有效实现超高斯与亚高斯混合信源的分离,而且比已有算法具有更好的分离和收敛性能。     

Research on blind source separation algorithm of the extension information maximization

盲源分离技术是信号处理和神经网络领域近年来的一个热点研究课题,由于其能够从观测的混合信号中恢复出源信号,而对源信号和混合系统的先验知识要求很少,因此在语音信号处理、无线信号处理、生物医学信号处理、地震信号处理,以及图像增强等方面都具有非常重要的理论意义和实用价值。信息最大化盲源分离算法能够有效地分离语音信号的瞬时混合,但是不能分离超高斯信号（如语音信号）和亚高斯信号（如正弦信号）的混合。基于此,本文讨论了扩展信启、最大化盲源分离算法,通过仿真表明,该算法可以有效的对各种源信号的线性即时混合进行分离,实验证明了该算法的有效性。     

基于NPCA的盲源分离算法

主要讨论了基于非线性主分量分析(NPCA)的盲源分离,从理论与实验2个方面详细分析了算法的特性与效果。针对算法中的非线性函数选择的问题,采用了在线统计的方法,即根据不同的输入信号选择不同的非线性函数。从实验结果可以看出,该方法不仅可以很好地解决源信号为亚高斯信号混合的盲源分离问题,而且对源信号为亚高斯和超高斯信号混合的盲源分离问题也取得了很好的效果。     

基于遗传算法的超亚高斯混合信号盲分离

针对基于扩展信息最大化算法的盲源分离算法在分离超亚高斯混合信号时依赖于信号的峭度估计且对初始分离矩阵和步长较为敏感的问题,提出了一种基于遗传算法的盲源分离算法。该算法以分离信号之间的互信息作为代价函数,采用非多项式函数的逼近方法解决了互信息求解过程中涉及到的负熵的计算问题,用遗传算法代替梯度寻优算法最小化代价函数。仿真结果表明:在分离超亚高斯混合信号时,该算法计算简单,鲁棒性好,迭代100次时性能指数值达到0.025 5,分离性能优于基于扩展信息最大化算法的盲源分离算法。     

基于等变化自适应源分离算法的滚动轴承故障信号自适应盲提取

针对复杂工况下滚动轴承故障信号盲提取问题,该文提出一种独立分量分析(ICA)中非线性函数自适应选择方法,解决了等变化自适应源分离算法(EASI)在多类振动源共存的情况下无法分离轴承故障信号的问题。此外,为了解决在线盲分离算法稳态误差与收敛速率的平衡问题,提出基于模糊逻辑的自适应迭代步长选择方法,极大地提高了学习算法的收敛速度,且稳态误差更小。轴承故障数据的盲提取仿真结果验证了算法的性能。     

多人声混叠语音信号的盲源分离算法研究

介绍了一种基于峭度的盲源分离算法,利用峭度极大来度量极大化非高斯性,通过渐进正交化的不动点迭代找到独立成分,并对带噪多人声混叠语音信号进行分离仿真,从而提取出感兴趣的目标语音,验证了该算法的可行性;通过与其他盲源分离算法的分离结果进行定性和定量的对比分析,验证该算法的有效性和应用前景.     

任意信号源的盲分离

在盲信号分离中，常用的方法假设源信号的密度函数已知或由某一类带参数的函数来逼近，一旦假设的密度函数和真实的密度函数不一致或源信号不是同一分布，所用的方法就不能正确地分离出源信号。针对这一问题，本文用高斯混合模型来逼近任意分布的源信号的密度函数，并提出了一种迭代的期望最大化算法。计算机仿真表明，该算法能够有效地分离出真实的源信号。     

基于GRD-Hough变换的多高斯源盲分离算法

盲源分离有一个重要假设:源信号最多只含一个高斯信号。否则,基于统计量的盲分离算法性能会恶化。本文从广义矩形分布出发,通过把时域中的一维信号映射到二维的时-频表示来提供信号的频谱内容随时间变化的信息,并对时频谱进行Hough变换处理,利用不同高斯源的时频分布差异性,避开统计量提出了一种能分离多个高斯源的盲分离算法,扩展了盲源分离的应用领域。     

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。     

一种新的多信号卷积混合信号盲分离算法

对于含噪声情况下多个源信号卷积混合盲分离,由于混合矩阵比较复杂,分 离算法会出现迭代次数增加、收敛速度变慢等问题。在对多信号卷积混合进行合理简 化的基础上,提出一种以四阶累积量为独立准则的多信号卷积混合的新的时域盲源分离算法 。由于采用高阶累积量为独立准则,该算法对高斯噪声具有良好的抑制作用,改善了信噪比 。 其次,算法也建立了步长因子的选取与二次残差之间的非线性函数关系,使得算法既获得了 较 快的收敛速度,也得到较高的分离精度。仿真数据表明提出的算法对于多个源信号卷积 混合具有良好的分离效果。     

一种基于盲源分离的雷达抗干扰技术

如何提高雷达的抗干扰能力一直是雷达信号处理的一大问题，问题的解决可以使雷达的检测和跟踪能力得以提高。在日趋复杂的信号环境下，传统的信号处理方法的局限性愈来愈大。本文通过对雷达信号处理过程和盲源分离技术的分析研究，提出采用基于盲源分离的多步处理抗干扰方法进行雷达抗干扰信号处理，可使雷达在复杂背景下具有更强的抗干扰能力。仿真试验结果证明这种新的雷达抗干扰处理方法是可行和令人满意的。     

单通道下基于盲源分离扩频通信抗干扰算法研究

提出了单通道下基于盲源分离的扩频通信抗干扰方法.所提方法利用扩频序列的周期性,把单通道下的欠定盲源分离问题转换成超定盲源分离问题.算法从整体域统计特性对于扰信号进行估计抵消,同时在抗干扰的过程中完成了解扩.从原理上讲,这种抗干扰方法比目前常用的单通道下基于局部域特性的抗干扰方法具有更好的性能.理论分析和仿真结果表明了算法的有效性.     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

改进的自然梯度盲源分离算法在非平稳环境中的应用

对于传统的自然梯度算法,在处理非平稳信号时,在步长更新迭代过程中,非平稳信号变化幅度过快而导致分离矩阵幅度变化的不稳定,从而影响分离效果。针对此问题,结合变步长的思想,本文提出了基于正交约束的自然梯度盲分离算法,该算法主要对恢复信号进行约束,通过使用瞬时误差有目的地控制变步长,从而加快算法收敛速度且提高了分离精度,同时保证了非平稳环境下分离过程的稳定性。结果表明,正交约束下的盲源分离算法可以高效地分离出非平稳环境下的源信号。     

三重降噪的盲源分离抗干扰算法

为了提高低信噪比条件下盲源分离的性能,提出了一种基于互补集合经验模态分解降噪、小波阈值降噪和随机共振降噪的三重降噪盲源分离抗干扰算法,分析了三种互补集合经验模态分解降噪与小波阈值降噪相结合的前降噪方案和扩频结合随机共振的后降噪方案,仿真讨论了所提算法的抗干扰性能。仿真结果表明,该算法在一定范围低信噪比条件下能够从受扰的混合信号中恢复出通信方的期望信号。     

An NMF algorithm for blind separation of convolutive mixed source signals with least correlation constrains

Most of the existing algorithms for blind sources separation have a limitation that sources are statistically independent. However, in many practical applications, the source signals are non- negative and mutual statistically dependent signals. When the observations are nonnegative linear combinations of nonnegative sources, the correlation coefficients of the observations are larger than these of source signals. In this letter, a novel Nonnegative Matrix Factorization (NMF) algorithm with least correlated ...     

Variable-step blind source separation method with adaptive momentum factor

A variable-step blind source separation algorithm based on the natural gradient with adaptive momentum factor was proposed,which could cope with the determined blind source separation in the environment of stationary and non-stationary.Function estimation mixed matrix was constructed by performance index.The estimated performance index was obtained by the estimated mixed matrix,and the constructor was updated by the estimated performance index.Then,the constructor was plugged with appropriate experienced parameter into the proposed algorithm and step and momentum factor was adaptively adjusted.Finally,the estimation source signals could be obtained.Simulations show that the proposed algorithm is effective to estimate the mixed matrix in the stationary and non-stationary environments,and the proposed algorithm has faster convergence speed and lower steady error as well as separates source signals effectively.