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.     

一种新的盲源分离拟开关算法

针对电子战中各种信号混叠严重难以分离的现象,在盲源分离开关算法基础上提出一种新的盲信源分离拟开关算法.该算法引入单位对称加权滑动向量来加权每次迭代所得的分离信号作为源信号,用峭度取代原算法的峭度符号位作为判断函数来自适应选择加权相应激活函数,以此优化学习算法,结合信号分选的具体应用,给出了迭代结束的评判方法.计算机仿真实验表明,在强噪声背景影响下,该算法能够更加有效地分离空间未知多源线性混叠信号,且在分离效果、稳定性、处理速度和抗噪性能上都比原算法有较大改进.     

一种快速在线盲源分离方法

传统的独立分量分析方法大多采用批处理的方式,不能满足时变混合系统中盲源分离的需要.文章通过修改基于负熵的代价函数,导出了一种快速在线盲源分离算法,并采用一种基于函数估计的自适应变步长方法优化了算法的性能.通过真实录制语音信号的仿真试验,说明算法的收敛速度和稳态性能均优于自然梯度变步长算法.     

一种基于新代价函数的盲源信号分离算法

选择两个函数的线性组合作为代价函数,基于组合的任意性,保证了加性噪声盲源信号分离的有效性,提高了信号处理的通用性.根据分离矩阵的Frobenius范数的收敛理论,在上述改进措施基础上,得出了改进的迭代规则,对混合源信号进行估计.经过仿真实验,结果显示信号分离效果较好.     

一种小波域自适应图像盲水印算法

对载体图像进行整数小波变换,采用不重复零树小波编码及自适应量化小波系数,在其中高频区域,将水印图像嵌入到重要系数上.实验表明,算法自适应性强,运算速度快,具有较好的不可见性及较强的鲁棒性.     

一种基于盲源分离的直扩信号载频检测算法

在复杂的背景噪声中检测直扩信号并估计参数是信号处理研究的难点课题之一,在接收端如何降低高斯噪声等背景噪声的影响成为急需解决的问题.这里提出了一种基于盲源分离的直扩信号载频检测算法,采用独立分量分析的高阶累计量算法将直扩信号从包含高斯噪声的背景中分离出来,然后采用边带相关算法估计载波频率.该方法不需要知道混合矩阵,不需要做预白化处理.计算机仿真结果证明了算法的有效性.     

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...     

非线性LMS算法实现盲源分离

在经典的最小均方(LMS)算法中引入非线性函数,得到一种非线性LMS算法.该算法根据LMS算法建立了相应的对照函数,用自然梯度推导出了自适应盲源分离算法,并且分别给出了实数算法和复数算法的详细推导过程.结果发现得到的算法即为最大化熵和最小化互信息(ACY)算法,从而揭示了ACY算法与LMS算法的关系,同时也得到ACY算法的复数形式.计算机仿真试验验证了算法的有效性.     

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.     

基于盲源分离与二代小波变换结合的声音信号分析

采用二代小波与盲源分离结合的信号处理技术对已知声音信号合成的信号进行试验,显著地显示出有用信号在处理过程中的处理情况.通过使用MATLAB工具箱中的小波工具箱和ICA独立分量分析工具箱对信号处理过程进行了仿真,并用性能指数和相似系数对仿真结果进行了验证.结果表明,该方法对于复杂环境下语音信号的处理有很好的试验结果.     

用于统计相关源信号的盲分离方法

现有的盲信源分离方法大多以信源统计独立为前提条件．针对相关信源的瞬时混合,提出了一种采用“两步法”对其进行盲分离的方法．首先,对两传感器观测信号比值的方差进行比较,方差值相等的相继采样时刻就是只有一个源信号单独存在的时刻．这些时刻的观测信号矢量就是对混合矩阵中与该源信号对应的列矢量的估计,利用这一性质可以估计出混合矩阵．然后,由估计出的混合矩阵得到分离矩阵,从而恢复出源信号．计算机仿真试验证明了该方法的正确性．     

Blind source separation based on generalized gaussian model

Since in most blind source separation(BSS)algorithms the estimations of probability density function(pdf)of sources are fixed or can only switch between one sup-Gaussian and other sub-Gaussian model,they may not be efficient to separate sources with different distributions.So to solve the problem of pdf mismatch and the separation of hybrid mixture in BSS,the generalized Gaussian model(GGM)is introduced to model the pdf of the sources since it can provide a general structure of univariate distributions.Its great advantage is that only one parameter needs to be determined in modeling the pdf of different sources,so it is less complex than Gaussian mixture model.By using maximum likelihood(ML)approach,the convergence of the proposed algorithm is improved.The computer simulations show that it is more efficient and valid than conventional methods with fixed pdf estimation.     

基于选优估计函数的盲信号分离

基于独立分量分析的盲信号分离问题，提出了一种选优估计函数的新方法，即在信号分离的初始阶段选择具有良好暂态特性的估计函数，而在跟踪阶段使用具有良好稳态性能的渐进最优估计函数．该方法克服了已有算法收敛速度和稳态性能之间的矛盾．仿真结果证明了算法的有效性．     

盲信号分离研究分类与展望

通过对盲信号分离最新发展的研究，对现有的盲信号分离研究理论进行了总结分类，提取了在盲信号分离中主要使用的优化准则，通过介绍对比函数理论和局部稳定性理论，以及算法的性能指标，给出了盲信号分离的研究框架，并对盲信号分离的进一步研究方向进行了有关展望．     

双系统自适应耦合盲源分离算法

结合两个固定步长的盲源分离系统,提出了一种双系统自适应耦合盲分离算法。该算法利用滑动因子来调整两个分离系统在算法所处不同分离阶段的比重,并基于随机梯度方法获得了滑动因子的自适应更新规则。仿真实验表明,本文算法在平稳和非平稳环境下都具有较好的收敛和分离性能。     

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．     

一种基于负熵的信赖区域盲分离方法

研究基于瞬时混合信号的盲分离问题。以负熵作为代价函数,提出了一种基于最大化负熵的信赖区域盲源分离方法,该方法保持了牛顿法的快速收敛特性,具有全局收敛性。分别用基于负熵的信赖区域法和牛顿算法对三路随机混合信号实施分离,仿真结果证明该方法且具有和牛顿算法一样的收敛速度,而稳态误差比牛顿算法减小约7dB,因此具有更好的稳态性能。     

未知源信号个数盲信号分离的半参数统计方法

将半参数统计模型引入源信号个数未知的盲分高中，给出了源信号个数(其值n不大于观测信号的个数m)未知，混合矩阵列满秩时，盲分离半参数统计模型的估计函数，得到了由此估计函数给出的半参数统计学习算法．由于分离模型的任一分离点都是该算法的平衡点，比已有算法有更好收敛稳定性，通过计算机仿真验证了半参数统计学习算法的有效性和良好的收敛稳定性。