一种利用小波变换计算传感器束的盲分离方法

基于相合束广义特征分解的盲分离算法需要对传感器信号进行线性变换以得到传感器束,目前已有的变换方法有滤波处理和时延处理,滤波方法需要根据源信号选择滤波器,滤波器选得不合适,有可能分离不出源信号;时延方法不能分离3个以上语音信号的混合.该文提出一种利用小波变换计算传感器束的方法,由此得到的基于相合束广义特征分解的盲分离方法可分离3个以上语音信号的混合.     

跳频信号的欠定盲源分离

针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法. 该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据. 通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4dB;同时所提算法处理的数据量小,计算复杂度低.     

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KL散度的增量非负矩阵分解盲源分离算法

利用KL散度衡量增量非负矩阵分解效果,提高非负矩阵分解性能;施加行列式、稀疏性和相关性等约束条件,保证盲源信号分离的唯一性和性能;采用自然梯度下降法并选择合适的学习速率,得到源分离算法,该算法利用前一次分离结果和现在的输入信号矢量,迭代更新分离矩阵。仿真表明,KL-INMF盲源分离算法性能优于基于欧式距离INMF的盲源分离算法。     

基于EEMD的地声信号单通道盲源分离算法

针对只有一个观测通道时,基于矩阵运算的盲源分离算法将会失效的问题,提出一种适用于单观测通道的地声信号盲源分离方法.首先采用总体经验模态分解方法将观测信号分解为固有模态矩阵,使单通道的欠定问题转化为多通道的正定问题,再利用已有的盲源分离算法进行分离.仿真实验说明该方法可以抑制宽频及瞬态干扰,有效地提取源信号,而且对频带有...     

AWGN信道中盲源分离的时频联合两步消噪预处理方案

针对加性高斯白噪声AWGN环境下盲源分离算法的性能随信噪比降低而大幅下降的难点问题,借助于经验模态分解和小波变换2种时频分析方法,并对其消噪性能进行优势互补,采用"粗消噪-细消噪"的两步化思想,提出一种应用于盲源分离的时频联合两步消噪预处理方案.仿真试验与其他算法进行对比,证明了新的噪声预处理方案可以更有效地降低观测信号中的加性噪声,使盲源分离算法工作在更宽的信噪比范围内提高算法的鲁棒性,并说明了算法对通信信号具有数据延拓的必要性.     

基于二阶统计量的盲辨识方法研究

在信号的预处理阶段,可简化盲源分离或独立分量分析方法,采用基于二阶统计量的盲辨识方法,分离不同功率谱的有色源信号,以改善自适应系统的收敛特性,消除冗余或减少噪声污染。提出了一种基于特征值分解的二阶统计量的盲辨识方法,可以较好地识别混合矩阵,对有色源信号进行盲源分离。通过不同时滞t的比较,以及不同算法的比较,证明了该辨识方法对不同的时滞在t=1时的分离效果最好,且该方法比其他方法的分离效果更好。     

转子叶片裂纹故障特征提取研究

小波包分解能对信号高、低频部分局部进行细化并具有保留原信号时域特征的优点，是一种对非平稳信号进行有效识别的技术．文中从采集到的有叶片裂纹时的振动信号，用德比契斯小波对包含叶片裂纹故障的振动信号作4尺度小波包分解，通过选取适当的频段用小波包重构算法进行信号重构，提取叶片裂纹故障的特征，从而实现转子叶片裂纹故障诊断．     

基于时频特征检测的网络入侵信号盲源分离算法

网络入侵信号是一种非平稳随机信号,传统的检测算法难以有效提取信号的冲激响应特征,盲分离性能不好,故提出了一种基于时频分析和干扰滤波匹配的网络入侵信号盲源分离算法.采用时频特征检测方法进行信号的盲源分离处理,构建网络入侵信号时频分析处理模型,使用WVD时频分布结合Hough变换进行时频分析,设计盲分离滤波器实现对入侵信号的检测滤波,提取三阶统计量、四阶统计量及高阶谱作为信号的时频特征,估计信号的瞬时频率,得到入侵信号的盲源参数估计结果,基于时频特征检测实现对信号的盲源分离改进.仿真结果表明,采用该算法进行网络入侵信号的盲源分离和检测,准确检测概率较高,实现了对入侵信号的盲源分离和准确拦截.     

一种按块递归的盲源分离方法

自然梯度算法比随机梯度算法有更好的收敛性能和数值稳定性,块递归算法需要较少的运算时间． 结合这两者的优点,提出一种基于块递归的盲源分离算法． 首先基于自然梯度和非线性主分量分析,构造出按块递归更新的矩阵方程, 然后用QR分解和回代法逐块求解该矩阵方程得到最优分离矩阵． 与已有递归型盲源分离算法相比, 数值仿真实验表明本方法运行一次所需平均时间减少了65％, 所求矩阵的正交性能指标改善了10dB．     

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。     

独立分量分析在PET图像去噪处理中的应用

独立分量分析（independent component analysis,ICA）是基于信号高阶统计量的盲源分离方法.提出将这种算法与中值滤波和小波滤波相结合应用于正电子发射计算机断层扫描（Positron Emission Tomography,PET）图像的去噪处理中,并与中值滤波和小波滤波进行对比分析.仿真实验证明了本文算法相较于中值滤波和小波滤波在PET图像处理中取得了更好的效果.     

Tensor decomposition of generalized generating function-based blind identification of underdetermined mixtures

Aimed at the problem of underdetermined blind identification, an algorithm based on generalized generating function decomposition is proposed, which no longer imposes sparsity restrictions on source signals. First, the second derivative matrices of the generalized generating function are stacked to the third-order tensor form, from which the number of source signals can be blindly estimated. Then the tensor is decomposed with singular value decomposition, and the mixture matrix is estimated by the joint diagonalization method. Simulation results validate the effectiveness of the proposed algorithm, and show that the proposed algorithm can acquire a better estimation precision than other classical algorithms with the same SNRs in the conditions of well-posed and underdetermined mixtures, meanwhile it extends the field of blind source separation application via the generalized generating function restricted only to the well-posed case.     

欠定模型下源信号及混合矩阵动态变化时的盲分离

提出了一种改进的两步法实现欠定模型下信源及信道动态变化时的盲分离。首先通过实时的观测信号,基于稀疏域二维最小偏差角判断混合矩阵的变化时刻,进而估计动态变化的混合矩阵并获得实时的源数目;再采用基于伪提取矢量的方法恢复动态的源信号。在源信号的恢复中,使用常规的基于线性规划的欠定盲分离方法,以进行对比。结果表明,该方法能处理信源及信道动态变化时的欠定盲分离,并且分离速度比基于线性规划的方法快数十倍。仿真结果表明了该算法的良好性能。     

Underdetermined blind source separation using complementary filter based subband division

This paper considers the blind source separation in under-determined case,when there are more sources than sensors.So many algorithms based on sparse in some signal representation domain,mostly in Time...     

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。