时域AMARI的盲去卷积算法研究

利用Bussgang性质作为代价函数，给出了一种基于高阶累积量的盲源分离算法，该算法利用连续修正方法对代函数进行优化，得到源信号的盲分离。针对实际应用。生成3路卷积混合信号进行仿真分离。与源信号相比，分离结果除；列顺序改变、幅值缩放和时间延迟外，其他信息基本得到了保留，从而证明了该算法的有效性。     

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。     

基于子空间分解的多通道盲解卷积算法

针对卷积混合信号,提出了一种新的多通道盲解卷积算法,该算法首先利用子空间分解方法,将信号卷积混合模型变换成线性混合模型,然后利用线性混合盲分离算法分离出源信号.该算法相对频域盲解卷积算法来说无需解决线性混合盲分离中存在的幅度和排列顺序的模糊性问题,而且该算法不要求信号独立同分布,只要求各源信号统计独立即可.因此,该算法可以直接在中频对观察信号进行处理.计算机仿真结果表明,该算法不仅能对不同频不同调制方式的通信信号进行盲解卷积,而且对同频同调制的通信信号,该算法同样有效.     

一种基于人工蜂群优化的有序盲源抽取方法

提出了一种基于人工蜂群优化的盲源抽取方法,该方法首先根据源信号的高阶统计特性构造了用于估计分离向量的目标函数,然后通过人工蜂群算法优化其函数获得最佳分离向量,并达到逐次恢复源信号的目的。仿真实验结果表明,该方法不仅能依4阶累积量绝对值降序地实现源信号的盲分离,还能同时分离服从亚高斯分布的图像信号和超高斯分布的语音信号。     

基于QR分解的最大负熵盲分离算法

提出了一种新的实时线性混叠信号盲分离算法。该算法先采取白化混叠信号将混叠矩阵转换为正交矩阵,然后基于QR分解理论,并结合源信号相互独立时负熵最大的特点而导出。该方法避免了目前许多学习算法中矩阵逆的计算,从而大大地减少了分离的计算量。理论分析与仿真结果表明该算法不仅具有很好的分离效果,而且也减少了分离时间,其效果均优于Andrzej(1996)和Pham(1999)的相应结果。     

一种任意信号源盲分离的高效算法

提出了信号源盲分离的DBBSS算法.利用随机变量概率密度函数非参数估计的核函数法,对混合信号的概率密度函数及其导数进行估计,并由此估计信号的评价函数(score function).解决了现有信号源盲分离算法中,普遍存在的非线性函数只能凭经验选取,以及混合信号同时包含超高斯信号和亚高斯信号时,算法失效的问题.该方法非常简单,可以直接应用于所有以非线性函数代替评价函数的信号源盲分离算法.仿真结果验证了算法的有效性.     

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。     

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。     

基于旋转变换的最小互信息量盲分离算法

一种新的实时线性混叠信号盲分离算法在本文提出.该算法先采取白化混叠信号将混叠矩阵转换为正交矩阵,然后基于 QR 分解理论,将混叠信号进行一系列初等旋转变换,并结合源信号相互独立时互信息量最小的特点,导出了一种新的自适应盲分离算法.该方法回避了目前基于信息理论方法中(如Torkkola 1996;Pham 1999;Lee 2000以及谭2000等)对"ln|det w|"的复杂计算.我们不仅给出了详细的理论证明,而且也进行了仿真试验,理论分析与仿真结果表明该算法减少了分离时间,并具有很好的分离效果.     

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。     

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。     

改进MCMA盲均衡算法

针对MCMA算法的收敛速度与稳态误差之间矛盾突出的问题,构造了新的误差函数,并建立误差函数与步长因子之间的非线性函数关系,提出了一种新的修正步长盲均衡算法(MS-MCMA).通过仿真比较了新算法与MCMA、ME-MCMA及DMSign-CMA算法之间的性能,结果表明,新算法不仅改善了收敛速度,而且也降低了稳态误差.     

一种基于峰度的盲源分离算法研究

盲源分离(BSS)问题是在缺少先验知识的情况下，从接收到的观测信号中恢复统计独立的源信号。独立分量分析(ICA)方法把多维随机矢量转换为尽可能统计独立的分量，是现代解决盲源分离问题最主要的方法之一。本文给出了一种基于峰度的盲源分离算法，与用Comon的方法求解Givens矩阵相比，结构清晰、实现简单，而且几乎没有对源信号的概率密度函数做任何假设，可以对几乎所有概率密度的源信号进行分离，还借鉴了Comon的成对处理原则，把算法推广到了解决一般的盲源分离问题。仿真证明了该算法的有效性。     

一种新的多目标盲波束形成技术研究

该文提出了一种新的多目标盲波束形成算法。该方法在最小二乘恒模算法的基础上,通过对一种新的代价函数的最小化,来盲估计波束形成器的权矢量,从而完成对多目标的分离与定向。同时,采用一种改进的神经网络结构解决了最小二乘算法中矩阵求逆的运算,不但能有效提高运行速度,而且易于用硬件实时实现盲波束形成。仿真实验验证了该算法的有效性和正确性。     

针对线性群时延畸变的加权多模盲均衡算法

群时延失真是影响卫星通信系统误码性能的重要因素之一。本文分析了高速卫星信道的线性群时延模型,依此模型提出了改进的加权多模盲均衡算法(MWMMA)。该算法引入Sigmoid函数的变形形式,构造了加权幂指数随迭代误差自适应变化的函数关系,在不需要通过大量仿真实验预先确定模式转变门限值的前提下,利用迭代误差的递减实现算法从MCMA模式通过多模自适应切换为DD模式。通过对多种算法的仿真比较,得到该算法不仅能使通过群时延信道的16QAM信号收敛集中,而且具有更小的稳态剩余码间干扰;同时,基于该算法对64QAM和256QAM传输信号的均衡仿真结果,验证了该算法对高阶QAM信号的均衡具有一定的适用性。      

欠定线性瞬时混合盲分离矩阵求解算法

针对欠定线性瞬时混合中的混合矩阵条件数较大的情况,使用最小二乘估计算法求解源信号造成的噪声放大问题,研究了一种求解分离矩阵的算法。此方法基于最大信干噪比的原则建立代价函数,通过最优化此函数得到分离矩阵。仿真实验表明,该算法与最小二乘算法相比可以改善在混合矩阵条件数较大时噪声放大影响下的分离性能。     

粒子群算法用于盲信号分离的研究

提出一种采用粒子群优化算法进行盲信号分离的新方法,为盲信号分离领域提供一种新的研究思路与方法。该方法采用峰度作为适应度函数,利用粒子群算法对由多个源信号混合而成的信号进行盲信号分离。与自然梯度法盲信号分离相比,粒子群算法精度更高,收敛速度更快,实例仿真成功地对两个图像混合信号进行了盲分离,表明了算法的有效性和优越性。     

改进的独立分量分析在语音分离中的应用

对于自适应盲分离算法,选择步长参数以达到理想的分离性能是必要的。结合基于估计函数的可变步长自适应优化方法,提出了基于负熵的自适应算法,有效提高了算法的收敛速度,降低了算法性能对步长的依赖性。仿真实验证明了此改进算法具有较好的分离效果。     

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。     

基于细菌趋药性算法的盲图像分离方法

提出了一种新的基于细菌趋药性(BC)算法的盲图像分离方法,利用图像信号的规范四阶累积量作为目标函数,使用BC算法对目标函数进行优化以实现图像的盲分离。每分离出一幅图像后,从混合图像中消除该幅图像成分后再进行下一次分离,从而最终实现所有源图像的逐次分离。仿真结果表明,本文算法能够有效实现对多幅混合自然图像的盲分离,且具有较好的分离效果。