基于局部多项式傅里叶变换的语音盲源分离

频域的语音信号盲源分离多采用短时傅里叶变换以及Wigner-Ville分布(WVD)求信号的功率谱,而短时傅里叶变换对于多分量信号的频率分辨率受窗函数影响很大,WVD是一种非线性时频变换,处理多分量信号受交叉项影响很大。局部多项式傅里叶变换(LPFT)不仅提高了频率估计精度而且大大减少了时频分布中交叉项的影响。将语音信号表示为多分量的多项式相位信号,对语音信号作二阶LPFT,求得其局部多项式傅里叶变换谱(LPP),并构造时频矩阵,采用联合近似对角化算法求得能使信号功率谱矩阵近似对角化的一个酉矩阵,通过信号的白化以及酉矩阵来估计源信号,有效地分离出了原始信号。仿真结果表明,在噪声环境下可以将两个不同的语音信号进行分离。     

基于二阶矩的雷达信号盲分离

针对雷达接收机在现代战场复杂电磁环境下接收到的混叠信号,提出了一种基于二阶矩的信号盲源分离方法。在混合信号球化过程中,对于具有加性白噪声的模型,构造了一组新的协方差矩阵,在信噪比不是很高的情况下,使其不会影响分离结果。在协方差矩阵对角化过程中,采用自然梯度的方法,避免分离矩阵更新过程中的求逆问题,提高了算法的实时性。仿真实验证明,在信噪比为-10 dB的条件下,对比FastICA算法,所提算法分离精度高,收敛速度快,为进一步的信号识别提供可靠依据。     

基于四阶累积量的稳健的通信信号盲分离算法

该文针对有噪环境中的通信信号盲分离问题,提出了一种在噪声环境下性能良好的盲分离算法,该算法将稳健的白化算法与四阶累积量矩阵的联合对角化相结合。仿真结果表明,该算法分离性能比一般的近似联合对角化(JAD)算法有很大改善,干信比可降低近10dB,而算法的运算量没有太多增加。     

基于遗传算法和时频分布的跳频信号盲分离

根据跳频信号的非平稳特性,采用一种基于时频分布的跳频信号盲分离算法,通过合理选择符合＂单个自项＂要求的时频点,将盲源分离问题转化成对一组时频分布矩阵联合对角化的数学优化问题,由于遗传算法具有良好的全局寻优能力,因此利用遗传算法对能够表征矩阵联合对交化效果的代价函数进行优化求解,寻找能将矩阵组联合对角化的权矩阵。仿真结果...     

盲源分离在雷达抗主瓣干扰中的应用研究

主瓣干扰位于雷达主瓣内,干扰信号通常很强,会严重影响雷达探测性能.常用的副瓣匿影和副瓣对消措施难以奏效.文中给出了盲源分离抗干扰信号模型,在此基础上提出了基于矩阵联合对角化特征矢量的盲源分离抗主瓣干扰算法,并给出了不同信噪比条件下主瓣干扰抑制的仿真结果.仿真结果表明,在信噪比大于-15 dB的条件下,干扰抑制比能达到10 dB以上.该方法能有效降低主瓣干扰对雷达探测性能的影响,具有良好的应用前景.     

基于盲源分离的共形阵列二维DOA估计

本文给出了一种基于特征矩阵联合近似对角化（JADE, Joint Approximate Diagonalization of Eigen-matrices）的共形阵列信号DOA估计算法。该算法首先对接收数据进行白化处理,利用白化后的数据构造四阶累计量矩阵,通过对特征矩阵联合近似对角化获得流形矢量矩阵的估计,从而实现信号的DOA估计。算法对阵列形状限制小,无需谱峰搜索。以圆台共形阵列为例,通过仿真实验验证了算法的有效性。     

基于联合对角化的声信号深度卷积混合盲分离方法

声信号在空间中的传播具有较强的多径效应,在接收端往往以卷积形式相互叠加,尤其在海洋、剧场等强混响条件下,混合滤波器冲激响应的长度会显著增加,现有的频域卷积盲分离算法将失效。为了消除长脉冲响应导致解混合模型失效的问题,该文对观测信号进行两次短时傅里叶变换(STFT),第1次STFT缩短了脉冲响应长度,第2次STFT将信号模型转化为瞬时盲分离,最终利用联合对角化(JD)技术估计出分离矩阵。与现有方法相比,所提方法解决了深度卷积混合下模型失效的问题,并且当源信号数较多或存在加性噪声时,可以得到更好的分离性能。仿真结果验证了方法的有效性和性能优势。     

基于盲源分离的雷达信号分选方法

传统的信号分选算法建立在脉冲描述字（PDW）参数分析的基础上,对同频或频谱混叠的雷达信号可能无法分选.鉴于越发明显的常规雷达信号处理方法的局限性,通过仿真手段,用盲源分离的方法对混合后的雷达信号进行分选.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

基于盲源分离的雷达抗干扰技术研究

如何提高雷达的抗干扰能力一直是雷达信号处理的一大问题,问题的解决可以使雷达的检测和跟踪能力得以提高.在日趋复杂的信号环境下,传统的信号处理方法的局限性愈来愈大.本文通过对雷达信号处理过程和盲源分离技术的分析研究,提出采用基于高斯矩的ICA/BSS盲源分离方法进行雷达抗干扰信号处理.通过仿真试验结果证明基于盲源分离的雷达抗干扰处理方法是可行和令人满意的.     

一种基于盲源分离的雷达抗干扰技术

如何提高雷达的抗干扰能力一直是雷达信号处理的一大问题，问题的解决可以使雷达的检测和跟踪能力得以提高。在日趋复杂的信号环境下，传统的信号处理方法的局限性愈来愈大。本文通过对雷达信号处理过程和盲源分离技术的分析研究，提出采用基于盲源分离的多步处理抗干扰方法进行雷达抗干扰信号处理，可使雷达在复杂背景下具有更强的抗干扰能力。仿真试验结果证明这种新的雷达抗干扰处理方法是可行和令人满意的。     

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。     

空间电子探测信号盲分离研究

给出了盲信号分离中的瞬时混合,时延混合和卷积混合三种混合模型,介绍了两种具体的盲分离算法,等变自适应盲分离算法和非高斯性最大化的快速定点算法.其中对于窄带源信号,对时延混合模型进行了扩展,提出了用复数域瞬时盲信号分离算法分离时延混合信号的新思路.最后给出了相应的仿真和实验结论,实验结果表明用基于复数的盲分离算法确实能够有效地分离阵列接收的时延混合信号.     

语音信号盲分离方法研究

本文采用WVA分布与联合对角化的盲分离算法,估计出源语音信号,实现对混叠信号的盲分离。通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离。     

一种有效的语音信号盲分离方法

利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,估计出源语音信号,实现对混叠信号的盲分离.通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离.     

基于盲信号分离的同频信号的串行分离技术

传统的时域和频域处理等方法很难分离多个频域的混叠信号,文中提出一种利用盲信号分离技术串行分离同频信号的新方法——FastICA盲分离算法。该方法充分利用盲信号分离技术不需要知道信号先验信息的特性,能正确地、一个一个地分离出在频域中混合在一起的信号,且能分离功率相差100万倍的同频信号。在存在比信号功率大得多的高斯白噪声情况下,FastICA盲分离算法具有良好的分离性能。     

基于FRFT的雷达信号脉内特征分析

针对目标模拟训练器中精确测量雷达信号脉内参数的需求,提出了基于FRFT的线性调频信号脉内参数估计的方法,给出目标训练器中脉内参数的计算过程,通过仿真分析了信噪比对算法估计性能的影响。仿真结果表明在较低信噪比下,本算法对不同的线性调频信号的参数估计有较高的精确度。     

联合BSS和FRFT的雷达抗主瓣干扰新方法

有源压制干扰从雷达天线的主瓣进入雷达内部,干扰信号很强时,将严重影响雷达的检测性能。传统的旁瓣消隐、旁瓣相消以及低副瓣天线等技术难以奏效。文中分析了盲源分离技术应用雷达主瓣抗干扰时盲源分离的信号存在幅度、相位的不确定性,提出了一种联合盲源分离和分数阶傅里叶变换的雷达抗主瓣干扰的新方法。并给出新方法与传统脉冲压缩方法主瓣干扰抑制的仿真结果,仿真结果表明了在强噪声压制干扰环境中,新方法具有良好的抗主瓣干扰的性能。