盲源分离技术及其应用

盲源分离技术是盲信号处理领域的一个重要的分支20世纪90年代中期,盲源分离技术得到了迅猛的发展,并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。对盲源分离的相关理论、算法和应用进行了介绍和探讨。     

盲源分离综述——问题、原理和方法

盲源分离,是从观测到的混合信号中恢复不可观测的源信号的问题。作为阵列信号处理的一种新技术,近几年来受到广泛关注。文章按源信号不同的混合方式,将盲源分离问题分为三种类型：线性瞬时混合、线性卷积混合和非线性混合,综述了它们各自分离的原理和方法,并结合国内外的研究现状,对未来的发展作出了展望。     

盲源信号分离技术

盲源信号分离是一种功能强大的信号处理方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出独立的信号分量。本文简要介绍信号源分离的基本思想、算法、发展历程以及盲分离的应用领域。最后展望了盲信号分离问题研究的发展方向。     

盲源分离技术现状及发展趋势

盲源分离是最近十几年发展起来的新研究领域,是在知其少量或完全未知先验信息情况下提取源信号的信号处理方法,特别适用于通信侦察领域。盲源分离模型大致分为线性瞬时模型、线性卷积模型、非线性模型及欠定模型。简述了每种模型盲源分离算法的基本思想及常用方法。重点介绍了目前相对成熟的基于线性瞬时模型的三种盲源分离方法：批处理、自适应和逐次提取。目前线性瞬时盲源分离研究较成熟,未来的研究热点是卷积模型、欠定模型等算法研究及如何提高算法性能等方面。     

盲源分离和盲反卷积

盲信号处理是信号处理领域的热点研究问题,盲源分离和盲反卷积是盲信号处理的重要组成部分近年来取得许多重要进展.本文主要介绍盲源分离和盲反卷积的基本模型、数学原理和研究进展;分析了各种方法的特点并指出了进一步的研究方向.     

盲源分离中的非高斯性极大准则

盲源分离是试图从给定的一组混合观察数据中恢复未知的独立信号源。介绍了盲源分离常用的独立性度量准则之一——非高斯性极大准则，并阐明了其在盲源分离中的应用原理。     

基于盲源分离的无源雷达信号处理研究

为解决基于FM资源的无源雷达直达波与目标反射波的精确提取与分离比较困难的问题,在对数据进行源数估计后,将改进的FastICA算法应用于无源雷达直达波与目标反射波的提取中,最后运用基于相关系数的排序和相位调整算法对排序和相位进行调整。仿真结果表明运用该方法可以实现从同频、邻频的混合信号中精确分离和提取出元源雷达直达波与目标反射波信号,为进一步的无源雷达精确定位估计打好了基础。     

基于独立分量分析的盲源分离研究

通过对独立分量分析发展的研究，分析了现有的经典算法，包括负熵法、EASI法、最大似然估计法等，并提出了一种改进的EASI算法，很好地解决了收敛速度和稳态误差之间的矛盾。通过仿真试验和比较，多角度地指出了各算法的优缺点，而且改进型EASI算法综合表现优于其他算法。最后给出了进一步的研究方向。     

基于盲源分离的通信侦察信号处理

盲源分离技术有非常重要的理论意义和实用价值,在信号处理的一些领域得到了广泛应用。本文简单介绍了盲源分离技术,并通过实例说明在通信侦察中的应用,显示出它在通信侦察中的广阔应用前景。     

基于独立分量分析的盲源分离方法研究

盲源分离是指在没有任何先验知识的前提下,从观测到的多个混合信号中提取或分离出未知源信号的过程.本文主要探讨了基于独立分量分析的盲源分离自然梯度算法及活动函数的选取,并利用该算法实现了5路混合信号和3路自然语音信号的分离,最后在Mat-lab2008下进行了仿真验证.结果表明该算法能够有效实现语音信号的分离.     

一种有效的语音信号盲分离方法

频域盲语音信号分离存在着排序模糊问题,提出一种基于相邻频点幅度相关和DOA估计相结合的解排序模糊方法,并且通过对一系列预处理（白化）、独立分量分析和后处理算法的优化和有机组合,很好地实现了卷积混合语音信号的盲分离。用真实录制的语音信号进行了仿真实验,恢复出来的源信号的信干比较分离之前提高了约13dB,证明了算法的有效性。     

盲信号分离及盲信号抽取研究

盲信号分离技术是将混合信号中的源信号分离出来的一种功能强大的信号处理方法,已成为信号处理领域的研究热点。阐述了盲信号分离的发展现状,介绍了盲信号分离问题的数学模型,给出了盲源分离的基本思想。对盲信号分离算法进行了研究,阐述了盲信号分离几种典型算法的特点及性能,对与盲信号分离紧密相关的盲信号抽取算法进行了总结,并对盲信号分离的进一步研究进行了展望。     

独立分量分析盲信号分离方法研究

盲源分离是指从多个相互独立的源信号的混合信号中分离出源信号来。独立分量分析法是盲源分离的一种新方法,由于其在语音信号处理、阵列信号处理、生物医学信号处理、移动通信及图象处理等领域的应用前景,越来越引起人们的关注,成为研究的热点。介绍一种基于四阶累积量的非高斯性最大化的ICA算法解决盲源分离的问题,并给出了该算法分离通信信号的计算机仿真结果,验证了算法的有效性。     

混合语音信号的盲分离

重点研究了卷积混合语音信号的盲分离方法。语音信号是非平稳信号,但是它在短时间上具有平稳性。因此,本文对语音信号进行加窗傅立叶变换（FFT）将卷积混合问题转换为频域上每个频点的瞬时性BSS（blind source separation）问题,采用定点（fixed—point）ICA（independent component analysis）算法对混合语音信号进行了分离,并用matlab进行了仿真。     

一种基于ICA的盲信号分离快速算法

基于ICA(独立成分分析:Independent Component Analylsis)原则,给出一种盲信号分离的快速学习算法.通过寻求观测变量线性组合的四阶累积量(即kurtosis系数)局部极值,得出该算法的模型和步骤.将该算法用于盲信号分离实验,实验结果表明,该算法在盲信号分离和信号特征提取方面具有收敛速度快、无需动态参数等优点.该算法能有效地分离出任意分布的非高斯盲源信号的各个独立成分,是信号处理的一种新的、高效可靠的方法.     

一种快速的频域盲语音分离系统

对真实环境中的混迭语音信号进行盲分离是一个非常困难的任务。许多在仿真信号环境下工作很有效的算法常常不能成功地分离真实环境中录取的混迭语音信号。本文通过对一系列预处理(如解相关),独立分量分析和后处理(解排列和尺度不定性)算法进行优化和有机结合,提出了一种快速的频域盲语音分离系统,有效地实现了对卷积混迭的语音信号的盲分离。特别,文中引入一种改进的数据白化算法,它可以节省运算量并提高独立分量分析算法的收敛速度。基于真实录音信号的仿真实验显示该系统能够快速和稳健地分离卷积混迭的语音信号。     

不确定信号源个数的语音分离

介绍了两种语音分离的算法--独立成分分析(ICA)方法和稀疏混合模型方法.在信号源个数小于或等于观察信号个数的情况下,使用独立成分分析方法;在信号源个数大于观察信号个数的情况下,使用稀疏混合模型方法.在各种情况下,进行了大量实验,结果表明,在信号源个数不确定的情况下能较好地分离出原始的语音信号.     

基于高阶累积量的瞬时线性混合盲信号分离算法

讨论了盲信号分离的应用及瞬时线性混合模型盲信号分离的一般原理 ,介绍了几种常用的盲信号分离算法 ,并对其中的算法进行了实验仿真与分析