基于约束NMF的盲源分离算法

非负矩阵分解(NMF)是解决非独立源信号混合的盲分离的另一条新途径.该文提出一种基于约束NMF的盲源分离算法,在对NMF估计得到的源信号施加最小相关约束的基础上,对混合矩阵估计施加行列式约束,实现NMF的唯一分解.与已有算法相比,本算法放宽了对混合矩阵的稀疏性要求,大幅提高了信号分离质量.该算法仍适用于独立源信号分离问题.     

基于阵列结构的盲源分离算法

利用源信号的统计独立性提出了一种由混合信号和分离信号估计混合矩阵的算法,避免了一次矩阵求逆运算。同时,利用天线阵列的结构信息提出了一种直接重构混合矩阵的算法,该算法不需要估计源信号的载频和入射角。仿真结果表明,所提算法与基于来波方向估计的盲分离算法性能相当,在信号入射角间隔较大时,所提算法性能优于普通的盲分离算法,并且大大减少了运算量。     

基于JADE和平行因子分解的欠定混合盲辨识算法

针对源信号个数未知的欠定混合盲源分离问题,本文提出了一种基于特征矩阵联合近似对角化（Joint Approximate Diagonalization of Eigenmatrices, JADE）和平行因子分解的欠定混合盲辨识算法,该算法不需要源信号满足稀疏性要求,仅在源信号满足相互独立和最多一个高斯信号的条件下,通过将JADE算法中的样本四阶协方差矩阵叠加成三阶张量,再对此三阶张量进行平行因子分解来完成源信号数和混合矩阵的估计,由于平行因子分解的唯一辨识性在欠定条件下仍然满足,该算法能够解决欠定盲源分离问题。并对该欠定混合盲辨识算法进行了深入的分析。通过仿真实验,计算估计矩阵与混合矩阵的平均相关误差,结果表明本文提出的算法在适定和欠定混合时均具有很好的辨识效果,而且实现简单,可满足实际应用的要求。      

基于最小体积约束的频域卷积盲源分离

频域盲源分离算法多数基于窄带假设，该假设在长混响环境下不成立。基于卷积传递函数（Convolutive Transfer Function, CTF）的多通道非负矩阵分解（Multichannel Nonnegative Matrix Factorization, MNMF）方法不依赖窄带假设，在长混响环境下的分离性能较其他传统算法有显著提升。但是，非负矩阵分解（NMF）对源信号功率谱进行近似估计在大多数情况下是病态的，其最优解不唯一。本文提出了一种基于最小体积约束的频域卷积盲源分离方法，在多通道非负矩阵分解（CTF-MNMF）的目标函数中，引入NMF基矩阵的最小体积约束来提高问题的适定性和求解参数的可辨识性。采用Majorization-Minimization (MM)优化方法对最小体积约束的目标函数进行求解，导出了估计参数的闭式解。仿真实验表明，在长混响环境下，所提方法比CTF-MNMF具有更好的分离性能。     

一种基于广义协方差矩阵的欠定盲辨识方法

针对欠定盲源分离模型中的混合矩阵估计问题,研究了一种基于广义协方差矩阵的欠定盲辨识方法。该方法利用观测信号采样数据的广义协方差矩阵性质,将构建的一系列模型函数堆叠为一个张量模型,进而将欠定的混合矩阵辨识转换为张量分解模型中秩一分量的估计。理论分析和仿真结果表明,基于广义协方差矩阵的欠定盲辨识方法比经典的基于二阶协方差矩阵和基于四阶累积量的欠定盲辨识方法具有优越的性能。     

一种基于自注意力机制的欠定盲信号提取算法

自鸡尾酒会问题提出以来,欠定盲信号提取一直都是研究的热点和难点.应用较多的非负矩阵分解算法只能处理能以NMF建模的源信号.因此,利用深度网络替代NMF模型,将扩展多通道变分自动编码器与引入注意力的基于X-vector的目标信号判别模块结合,提出了一种欠定盲信号提取算法.使用VoxCeleb1数据集,通过RIR-Gene...     

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。     

基于时频分布的欠定混叠盲分离

针对欠定混合信号的盲分离问题,提出了基于时频分布的欠定盲分离算法,首先计算信号的时频分布矩阵并找出信号的自源时频点,然后把自源点对应的时频分布矩阵表示成三阶张量并通过张量分解估计出混合矩阵,最后通过计算矩阵的伪逆和时频合成来完成源信号的恢复.该算法不需要假设源信号是稀疏的或相互独立的.仿真结果表明与已有算法相比本文方法...     

基于非负矩阵分解算法进行盲信号分离

独立分量分析(ICA)已被广泛运用于线性混合模型的盲源分离问题,但却有两个重要的限制:信源统计独立和信源非高斯分布。然而更有意义的线性混合模型是:观测信号是非负信源的非负线性混合,信源之间可以统计相关且可以为高斯分布。本文针对盲源分离问题,提出了一种运用新近国际上提出的一种非负矩阵分解算法(NMF算法)进行统计相关信源的盲源分离方法,该方法没有信源统计独立和信源非高斯分布的限制,只要信源之间没有一阶原点统计相关,则可很好实现对信源的分离。大量仿真及与传统ICA进行盲源分离的比较,验证了运用NMF进行包括统计相关信源和高斯分布信源的盲源分离的可行性和有效性。     

基于四阶累积张量方法的欠定盲源信号分离

针对瞬时欠定盲源信号分离问题,提出一种四阶累积张量分解算法.首先构建观察信号四阶累积协方差,依据源信号具有相互独立且均值为零的性质,对累积协方差化简并扩展到张量域,得到四阶累积张量.采用分层交替最小二乘算法对四阶累积张量进行非负库克分解,求得非负库克模型的参数,同时获得非负混合矩阵并求其伪逆,最终估计出源信号.选用真实的语音信号和生物信号进行仿真实验,结果表明该方法提高了源信号和非负混合矩阵的估计性能.     

Simultaneous Blind Separation of Instantaneous Mixtures With Arbitrary Rank

This paper presents a gradient-based method for simultaneous blind separation of arbitrarily linearly mixed source signals. We consider the regular case (i.e., the mixing matrix has full column rank) as well as the ill-conditioned case (i.e., the mixing matrix does not have full column rank). We provide one necessary and sufficient condition for the identifiability of simultaneous blind separation. According to our identifiability condition and the existing general identifiability condition, all source signals are separated into two categories: separable single sources and inseparable mixtures of several single sources. A sufficient condition is also derived for the existence of optimal partition of the mixing matrix which leads to a unique maximum set of separations. One sufficient condition is proved to show that each maximum partition of the mixing matrix corresponds to a unique class of separated signals and as a result we can determine the number of maximum partitions from the classes of outputs under different separation matrices. For sub-Gaussian or super-Gaussian source signals, a cost function based on fourth-order cumulants is introduced to simultaneously separate all separable single sources and all inseparable mixtures. By minimizing the cost function, a gradient-based method is developed. Finally, simulation results show the effectiveness of the present method.     

一种引入自适应动量项的变步长混沌信号盲分离算法

该文针对混沌信号盲分离问题,提出一种改进盲分离算法。该算法利用信号分离评价指标来构造函数实现步长和动量因子的自适应调整,然后将构造函数代入盲分离算法中并引入自适应动量项。区别于大多数算法不对混合矩阵进行估计的问题,该算法用变步长函数迭代估计出混合矩阵,从而得到全局矩阵和估计评价指标,以此迭代更新步长和动量因子,最终得出分离矩阵。仿真表明,该算法依据估计评价指标构造函数调整步长和动量因子方法是有效的,在平稳和非平稳环境下对混合混沌信号分离时都能达到收敛速度快且稳态误差小的效果;在混入色噪声时,比传统算法抗噪性能好,表明该文算法在混沌信号盲分离处理中有一定应用价值。     

基于广义特征值的病态混叠盲源分离算法

提出了一种新的病态混叠盲源分离算法.算法首先对观察信号进行预处理,把多余的观察信号剔除,使预处理后的混叠矩阵 A 是行满秩的;然后,通过把恢复信号的部分和的协方差与恢复信号的协方差之比的对数作为代价函数,使优化代价函数转化为求解一个广义特征值问题.在较弱的条件下,证明了该算法能够恢复出所有理论上能被分离出的源信号.数值仿真表明该算法非常有效.     

基于最大信噪比盲源分离的脑电信号伪迹滤波算法

心电和眼电伪迹是脑电信号中最常见的干扰,本文提出一种基于最大信噪比盲源分离的伪迹滤波算法.该算法以分离矩阵为变元建立源信号的信噪比目标函数,寻找能使目标函数达到极大(或极小)值的分离矩阵,进而通过分离矩阵求得估计信号.算法的实施过程是,首先利用小波变换去除在原始脑电信号中的部分噪声,然后用基于最大信噪比盲源分离的伪迹滤...     

基于零空间表示和最大似然的欠定盲源分离方法

针对欠定情况下源数的估计、解混叠矩阵和源信号恢复关键技术,提出一种源数未知的欠定盲源分离算法,首先利用S变换和聚类技术相结合来估算源数和混叠矩阵,然后将源信号以零空间形式表示,再通过最大似然估计关于其后验概率以达到恢复源信号的目的。仿真实验结果表明了该方法不仅能同时分离服从超高斯分布和亚高斯分布的源信号,且比其他传统的方法具有更优越的估计性能。     

A complex mixing matrix estimation algorithm in under-determined blind source separation problems

This paper considers the complex mixing matrix estimation in under-determined blind source separation problems. The proposed estimation algorithm is based on single source points contributed by only one source. First, the problem of complex matrix estimation is transformed to that of real matrix estimation to lay the foundation for detecting single source points. Secondly, a detection algorithm is adopted to detect single source points. Then, a potential function clustering method is proposed to process single source points in order to get better performance. Finally, we can get the complex mixing matrix after derivation and calculation. The algorithm can estimate the complex mixing matrix when the number of sources is more than that of sensors, which proves it can solve the problem of under-determined blind source separation. The experimental results validate the efficiency of the proposed algorithm.     

基于特征向量选择的非线性盲分离算法

在基于解广义特征方程的线性混合信号盲分离方法的基础上,结合核特征空间给出了一种基于特征选择的非线性混合信号盲分离算法。该算法首先将非线性混合信号映射到高维特征空间,根据适应度函数选出一组完备的特征向量基。其次,通过这组特征向量基将高维特征空间的信号映射到参数空间,从而把非线性混合信号盲分离问题转化为特征空间的线性混合信号盲分离问题。在特征空间中,应用基于解广义特征方程的线性混合信号盲分离方法对信号进行分离。该方法稳定性好,收敛精度高,计算量小。仿真结果表明该算法具有良好的分离性能。     

A Mixing Matrix Estimation Algorithm for Underdetermined Blind Source Separation

This paper considers mixing matrix estimation for underdetermined blind source separation. First, we propose an effective detection algorithm to identify single source points where only one source occurs. The detection algorithm finds single source points by utilizing the time–frequency coefficients of mixed signals and the complex conjugates of the coefficients. Then, a method based on probability density is proposed in order to find more reliable single source points and cluster them. Finally, the mixing matrix is obtained through re-selecting and clustering single source points. The experimental results indicate that the algorithm can accurately estimate the mixing matrix when there are fewer sensors than sources.     

基于时间可预测性的差分搜索盲信号分离算法

针对基于仿生智能优化的盲信号分离算法计算量偏大的问题,提出了一种新的基于差分搜索的盲信号分离算法。采用信号在时间上的可预测性度量作为目标函数,使用差分搜索算法对目标函数进行优化求解。利用去相关消源方法从混合信号中去除每次分离出的源信号成分,通过逐次分离最终实现对所有源信号的成功恢复。仿真实验表明,所提算法可以有效实现对混合信号的盲分离。与其他算法相比,该算法在保证了更高分离精度的同时,具有更低的运算量。