基于盲辨识和盲均衡的直扩信号伪码估计方法

为了解决多径信道下直接序列扩频信号的伪码盲估计问题,在直扩信号等效联合信道模型的基础上,提出一种信道盲辨识与数据重用盲均衡相结合的伪码盲估计方法。该方法利用信道盲辨识方法估计得到等效联合信道,通过数据重用盲均衡进一步估计出伪码。理论分析与仿真验证表明,该方法在低信噪比条件下仍然可实现对多径直扩信号伪码序列的准确盲估计,并且对于m、Gold、M序列等不同伪码具有广泛适应性。     

基于独立分量分析的低压电力线信号去噪

针对低压电力线中的噪声,提出了一种运用独立分量分析原理对低压电力线信号进行消噪的方法,详细研究了低压电力线信道噪声特性以及独立分量分析原理,应用基于负熵的FASTICA算法对低压电力线信道载波进行去噪,并与小波去噪的效果进行了比较。实验结果表明,该去噪方法的去噪效果与小波去噪效果接近,其特色是通过电力线信号与噪声信号的盲源分离实现噪声去除,与小波去噪方法相比,该方法更简单容易、去噪效果好、自适应能力强。     

分布式MIMO-OFDM信号多频偏多信道联合盲估计

针对多径衰落信道下分布式多输入多输出正交频分复用(MIMO-OFDM)系统中频偏信道联合盲估计难的问题,提出了一种有效的多频偏多信道联合盲估计方法。该算法利用盲解卷积分离算法接收信号的同时得到有频偏影响的多个信道,对分离后的多个信号进行逐个频偏估计,补偿整体信道并去除信道模糊度,得到有效的信道估计值。仿真结果表明,与基于导频的频偏信道估计方法相比,所提算法可在5 dB获得1e-6的频偏估计精度,在15 dB左右获得1e-2的信道估计精度,实现了分布式MIMO-OFDM信号的多频偏多信道联合盲估计。     

FastlCA在MIMO信道估计中的应用研究

研究了MIMO无线通信系统的信道估计问题。通过对信道估计和盲分离问题的一致性分析,提出将盲分离的典型算法FastIcA应用于MIM0信道估计问题中,并将信号表征形式从实数域拓展到复数域。针对盲分离次序的不确定性以至造成的估计信道参数不对应的问题,提出了相关系数重新定位法对所得的解混矩阵进行修正,最终用矩阵求逆的方法求得信道估计问题的对应解。仿真实验结果证明了方法的有效性。     

FastICA在MIMO信道估计中的应用研究

研究了MIMO无线通信系统的信道估计问题。通过对信道估计和盲分离问题的一致性分析,提出将盲分离的典型算法FastICA应用于MIMO信道估计问题中,并将信号表征形式从实数域拓展到复数域。针对盲分离次序的不确定性以至造成的估计信道参数不对应的问题,提出了相关系数重新定位法对所得的解混矩阵进行修正,最终用矩阵求逆的方法求得信道估计问题的对应解。仿真实验结果证明了方法的有效性。     

抑制边缘效应的自适应单通道盲源分离

单入多出的盲源分离SIMO_BSS是一种特殊的欠定盲源分离。针对单信道问题,通常采用总体经验模态分解和独立成分分析联合使用EEMD_ICA算法。然而,以EEMD为基础的盲源分离算法,会产生边缘效应降低信号分离准确率。因此,提出了一种在端点处增加预测极值点的方法来抑制边缘效应,在时间、空间复杂度上要明显优于基于周期延拓源信号的方法,而且适用于长序列信号的分离。在不同的信噪比SNR下,通过心电ECG混合信号仿真,该方法比EEMD_ICA方法,以及EEMD_PCA_ICA方法分离出的信号相似度高。最后将该算法实际应用到周期压电信号中,结果表明该方法具有明显的去噪分离效果。     

基于自适应逆滤波器的盲卷积信号恢复

根据水声信号在实际环境下传播存在多途效应而造成反射信号之间产生时延差异的特点,研究了一种基于盲解卷积的水声平稳信道参数估计及声源分离的算法.针对实际的水声信道参数特点,提出了改进的自适应逆滤波器用于源信号的恢复.信道参数的估计是通过引入零均值、方差已知的参考信号,利用时空解相关技术实现的.最后通过仿真分析了时延和信噪比对于自适应滤波器最小均方误差的影响,并给出了源信号的恢复结果,验证了该方法的有效性.     

一种新的基于伪提取矢量的欠定盲分离方法

针对独立信号源的欠定盲分离,通过一定的理论分析,提出了一种基于伪提取矢量的欠定盲源分离方法。该方法通过判断采样点处取值占优的源信号,然后在观测信号采样点处选取对应的伪提取矢量,以恢复取值占优的源信号采样点的值,来实现欠定盲源分离。将该算法与经典的基于线性规划的欠定盲源分离方法进行了仿真,结果表明该方法由于在信号的各采样点处无需优化,因此大大提高了信号分离的速度,信号的分离速度要比基于线性规划的方法快数十倍。     

基于JADE算法的钢轨接头病害故障检测研究

论文分析无缝铁路焊接接头对车辆安全行驶的影响。基于运营车辆的振动响应进行轨道不平顺检测具有效率高,成本低等优点。本文提出将盲源分离算法应用于车辆振动响应信号的分析,盲源分离算法在对振动响应信号直接进行处理,无需源信号的先验知识和信道的参数,降低了轨道接头特征信号提取的难度。通过对南京至宁启线路的轨道接头不平顺进行现场测试,并用matlab编程对测试结果进行分析。分析结果表明本文所采用的盲源分离算法能够较好的提取出轨道接头不平顺的特征信息。     

基于二阶统计量的盲信号分离

研究讨论了一种只利用信号的二阶统计量来分离盲源信号的方法。该方法先估计传感器信号的相关矩阵,通过对其进行特征值分解,可以得到信号的主特征值和特征向量。同时可通过奇异值分解来得到预白化后的时滞信号的奇异值,利用这些信息来估计源信号。仿真结果表明:该方法计算工作量少,对多个盲混合信号有良好的分离性能。     

基于声源时延估计的欠定盲分离方法

提出一种基于声源时延估计的二元时频掩蔽方法.通过三个接收信号实现多于多个语音源信号的欠定盲分离.利用语音信号的W-分离正交性,在时频域估计各个源信号到达接收阵列的相对时延序列;进而基于信号时延序列的估计,采用最大似然算法将时频域划分为与源信号个数相同的互不重叠的时频点集合,每个集合(近似)只包含一个源信号的所有时频分量;再通过二元时频掩蔽依次恢复出各集合所对应的源信号.该方法性能通过主观试听得到了验证,其分段信噪比增益至少为13 dB.较之欠定解混迭估计技术DUET,本文方法得到的分离信号与实际声源信号的相异度降低约3 dB.     

功率谱估计和扩展子空间下的欠定盲分离

研究了欠定情形下的信号盲分离。充分利用信号的时频特性,提出了AR模型功率谱估计法滑动估计信号频率,设计带通滤波器近似获取源信号和欠定混合矩阵,以及扩展子空间向量基构造完备观测信号的方法,将问题转化为完备情况下的盲分离,最后运用FastICA方法实现了信号盲分离。仿真实验数据表明方法的可行性和有效性,为欠定盲分离问题研究提供了新的思路。     

基于新型混合模型的欠定盲分离方法

针对欠定盲分离问题,提出了一种新的源恢复方法. 在时频域局部区域采用复高斯分布对源信号进行建模,将语音信号的稀疏性和局部平稳性结合在一起,提出了一种新的混合模型来描述观测信号在局部区域的概率分布.通过该模型,将每个时频点的源信号状态的判断问题转换成模型的参数估计和后验概率的计算问题,最后通过子混合矩阵的逆恢复出源信号. 实验结果表明,该方法具有很快的收敛速度,并且比已有方法具有更好的分离性能.     

含噪BSS模型的BJD-Hough算法*

当噪声存在时,信号和混合阵的盲估计变得相当困难。针对信号源噪声污染情形,假设信号和噪声的时频谱不同,提出了一种时频去噪盲源分离方法。该方法以Born-Jordan分布计算混合信号的时频矩阵并将信号的时频分布看作图像,利用广义Hough变换将信号检测转换为在参数空间寻找局部极大值的问题,再运用自项点理论选择合适的时频阵进行对角化,进而估计源信号和混合阵。该方法扩展了盲源分离的限制条件,能有效分离各种非平稳源信号、非独立源信号,且通过把噪声能量扩展到整个时频面而只选择信号能量占主导的时频点,对噪声具有一定的抑制能力。     

基于CEEMDAN-ICA的单通道脑电信号眼电伪迹滤除方法

传统盲源分离法不能解决欠定问题,且分离信号与源信号对应关系不确定.提出一种基于自适应噪声完备经验模态分解(CEEMDAN)和独立成分分析(ICA)相结合的脑电信号眼电伪迹自动去除方法.该方法首先将含伪迹脑电信号自适应分解成多维本征模态函数(IMF),以满足盲源分离方法对信号正定或超定要求,再对本征模态函数用ICA方法构建多维源信号,最后利用模糊熵阈值判据判别多维源信号中的伪迹信号,完成滤波并重构脑电信号.该方法相比于其他算法,能更好的去除眼电伪迹并保留原始信息,适合单通道脑电信号预处理.     

基于经验模态分解的单通道盲源分离算法

为了提高单通道盲源分离性能,首先由单路信号利用经验模态分解得到一系列本征模函数分量组合成多路信号;其次针对存在模态混叠的本征模函数分量,提出利用信号周期性构造其多路信号、并利用独立分量分析消除模态混叠的有效方法;然后利用互相关性消除上述所得到的多路信号中的虚假分量,并将剩余的分量信号与观测信号构成新的多路信号;最后利用Fast-ICA(fast-independent component analysis)算法分离得到源信号。仿真实验表明该算法能够有效分离源信号,分离性能优于目前已有的基于经验模态分解的单通道盲源分离算法。     

Blind channel estimation and signal retrieving for MIMO relay systems

In this paper, we propose a blind channel estimation and signal retrieving algorithm for two-hop multiple-input multiple-output (MIMO) relay systems. This new algorithm integrates two blind source separation (BSS) methods to estimate the individual channel state information (CSI) of the source-relay and relay-destination links. In particular, a first-order Z-domain precoding technique is developed for the blind estimation of the relay-destination channel matrix, where the signals received at the relay node are pre-processed by a set of precoders before being transmitted to the destination node. With the estimated signals at the relay node, we propose an algorithm based on the constant modulus and signal mutual information properties to estimate the source-relay channel matrix. Compared with training-based MIMO relay channel estimation approaches, the proposed algorithm has a better bandwidth efficiency as no bandwidth is wasted for sending the training sequences. Numerical examples are shown to demonstrate the performance of the proposed algorithm.     

基于EMD的单通道盲源分离跳频通信抗干扰方法

针对传统盲源分离算法无法在单路接收的跳频通信场景中使用的问题,提出一种结合经验模态分解的单通道盲源分离跳频通信抗干扰方法。首先通过理论分析和仿真确定了采用EMD对混有干扰的单路接收跳频信号进行增维的方法,将单通道盲分离的欠定问题转为正定问题,之后分别利用全盲盲源分离和半盲盲源分离实现扰信分离。在不同信干比、不同信噪比等多种条件下的仿真实验验证了本方法的有效性。     

基于盲源分离的单通道语音信号增强

在运用基于独立分量分析(ICA)的盲源分离法进行语音增强时,要求观测信号(含噪语音)的个数不少于源信号(纯净语音和噪声)的个数.由于含噪语音通常是单通道的,所以必须合理地生成另一路的虚拟观测信号,以实现纯净语音和噪声的分离是个关键.介绍了一种基于盲源分离和谱减法的单通道语音信号增强的方法.首先运用谱减法对语音进行部分去噪,产生了ICA其中的一路观测信号,并产生了对噪声的估计值.用语音和噪声估计值的帧平均能量构成了加权函数,将噪声的估计值与原始含噪语音进行加权组合,生成另一路的虚拟观测信号.由于虚拟观测信号很好地再现了实际的观测信号,所以运用ICA可以较好地实现了噪声和语音的分离.同时,盲源分离和谱减法相互结合,使语音增强的性能提高.实验证明了算法可以在信噪比很小的情况下实现对噪声的去除,其效果要优于传统的去噪算法.