基于粒子群优化的工频干扰消除算法*

提出了一种基于粒子群优化的消除微弱信号采集过程中工频干扰的算法。通过人工构造观测信号,使系统模型符合盲源分离的数学模型要求。使用信号的四阶累积量作为信号独立性的判据,利用粒子群优化算法寻找使判据最大化的分离矩阵,进而消除被采集信号中的工频干扰。在粒子群优化算法的求解过程中,采用将对分离矩阵的直接辨识转换成对一系列Givens矩阵的辨识方法,从而减少了算法中对未知元素辨识的数量,避免反复白化过程,有效降低了算法的计算量,克服了粒子群优化过程中容易早熟收敛的问题。仿真结果表明,本算法在保护有用信号的前提下,能     

基于信号稀疏特性和核函数的非线性盲信号分离算法

文章结合核函数,把基于信号稀疏特性的线性盲分离方法应用于非线性混叠情况而给出了一种非线性混叠信号盲分离算法。该算法首先将混叠信号映射到高维核特征空间,其次,在核特征空间中构造一组正交基,通过这组正交基将高维核特征空间的信号映射到这组正交基张成的参数空间中,从而把非线性混叠信号盲分离问题转化为参数空间的线性混叠信号盲分离问题。最后,在参数空间中,应用基于信号稀疏特性的线性盲分离方法对信号进行分离。该算法收敛精度较高,稳定性好。仿真结果表明该算法是有效的,具有良好的分离性能。     

基于独立分量分析的工频干扰消除技术*

简要介绍了ICA的基本原理和快速算法,在分析地震信号和工频干扰特点的基础上,利用ICA技术来消除地震记录中的工频干扰,并与常规方法进行比较。研究结果表明ICA在有效消除工频干扰的同时,能够保护有效信号,并且在提高资料的信噪比方面更有优势,具有良好的应用前景。     

多周期交错采样法均值滤波消除工频干扰

在工业测控中,微弱的传感器信号常常受到50Hz电源频率的干扰,在一个电源周期20ms内多点采样求均值是常用的滤除办法之一。本文提出一种多周期交错采样的方法,即在多个电源周期内等时间间隔采样,所有采样点的相位等效到一个电源周期内,同样也是等相位间隔,从而成倍地加长了采样周期,减轻了处理器的负担。同时给出多周期交错采样公式,并进行了频谱分析。     

从肌电信号中减少工频干扰方法的性能比较分析

如何从肌电信号中有效地减少工频干扰一直是肌电信号检测与应用中的突出问题。本文总结数字陷波、LMS自适应滤波、卡尔曼(Kalman)滤波和S变换等几种适合进行实时工频干扰去除的方法,研究和分析它们在去除肌电信号中工频干扰的性能。初步结果表明:Kalman滤波方法在从肌电信号中减少工频干扰方面表现出了较好的整体性能,而S变换方法对具有严重工频干扰的肌电信号具有较好的噪声抑制效果。     

心电信号中工频干扰的最小二乘估计和消除

心电图(ECG)分析对心血管疾病的诊断是十分重要的。但所测得的心电信号经常受到各种干扰的影响,其中由电源引起的工频干扰影响最大。本文应用非线性方程组的最小二乘解法估计工频干扰,从而将其从心电信号中消除。与CramerE提出的最小二乘估计方法相比,本方法的计算公式更为通用,所需的已知条件较少且无须进行估计前的预处理工作。     

心电信号中工频干扰的最小二乘估计和消除

心电图(ECG)分析对心血管疾病的诊断是十分重要的.但所测得的心电信号经常受到各种干扰的影响,其中由电源引起的工频干扰影响最大.本文应用非线性方程组的最小二乘解法估计工频干扰,从而将其从心电信号中消除.与Cramer E提出的最小二乘估计方法相比,本方法的计算公式更为通用,所需的已知条件较少且无须进行估计前的预处理工作.     

一种基于AVR单片机的工频干扰滤除快速算法

提出了一种利用数字滤波器滤除工频干扰的快速算法。这种算法从AVR单片机内部硬件乘法器的特点出发,采用分配系数法进行低通数字滤波器设计。经过VMLAB集成开发环境的仿真验证,算法速度快、代码效率高、滤波效果理想。     

基于屏蔽驱动的工频干扰抑制技术研究

采集心电、肌电和脑电等生理电信号时,总是存在工频干扰等环境噪声,且噪声的幅度通常远大于生理电信号本身的幅度,给信号的分析和处理带来了很大的困难。目前常用的方法是利用软件算法对采集到的信号进行滤波处理,这种方法虽然能在一定程度上降低工频干扰的影响,但同时会造成目标信号的衰减和畸变。针对此问题,文章设计了一种独特的硬件屏蔽驱动技术,实现在模拟前端最大限度地抑制原始信号中的工频干扰噪声。实验结果表明,生理电极引入屏蔽层驱动后,心电和肌电采集过程中的工频干扰可以得到明显的抑制;通过对屏蔽层接入不同的驱动信号的比较发现,利用各电极自身的信号对输入端进行屏蔽的效果最好,对工频干扰的抑制幅度高达35 dB。文章提出的屏蔽驱动硬件电路设计技术,可广泛用于各种生理电信号的采集,实现在源头上抑制工频干扰的影响,从而在根本上提高生理电信号的信噪比。     

基于二阶统计量的非平稳源盲提取算法

利用非平稳信号自身的时序结构,采用一阶线性预测模型,提出了一种基于二阶统计量的批处理非平稳源盲提取算法。仿真实验表明该算法是有效的。     

一种基于核函数的杂系盲源分离算法

本文提出了一种基于核函数的杂系盲源分离算法,即KFBSS算法。该算法通过引入非线性核函数和平滑参数h,将分离信号进行非线性核映射,最优化平滑参数h,同时更新混合分离矩阵,通过不断迭代学习,对混合信号进行盲源分离。仿真结果表明,与EASI算法、白化算法、自然梯度算法相比,本文方法能更有效的分离同系混合或杂系混合信号,收敛速度更快,且能够适应于非平稳环境,具有一定的实用性。     

基于核方法的并行模糊聚类算法

介绍并分析了模糊C-均值聚类算法、基于核方法的模糊C-均值聚类算法以及硬聚类算法.将硬聚类算法和模糊聚类算法结合起来,利用硬聚类算法初始化聚类中心,有效的减少模糊聚类算法的迭代次数.针对海量数据处理问题,将改进后的算法并行化,有效地提高了数据处理速度和效率,并在分布式互联PC环境下进行了性能测试.测试结果表明,基于核方法的并行模糊聚类算法具有很好的规模增长性和加速比.     

一种基于局部变换处理的干扰抵消后置处理方法

针对基于阻塞矩阵方式抵消干扰产生的探测影区问题,提出了一种基于局部变换处理的干扰抵消后置处理方法。首先根据干扰抵消方位对接收阵拾取数据进行线性变换处理,合成一组新数据;其次采用空间谱合成方法对新数据进行变换处理,得到空间各方位对应空间谱;然后采用局部变换处理方法,提取空间谱基底变化量;最后采用空间谱基底变化量对空间谱进行均衡处理,降低探测影区。数值仿真和数据处理均表明,该方法通过对干扰抵消后空间谱进行局部非线性均衡处理,减小了空间谱基底变化量,将探测影区缩小到了3°以内,改善了基于阻塞矩阵方式干扰抵消方法。     

基于WKGV-KICA 的盲源信号分离算法

基于核学习的非线性映射能力,提出一种小波核广义方差的核独立成分分析算法WKGV-KICA.小波核函数具有近似正交,适用于信号局部分析的优点.与互信息相联系,将核广义方差作为对比函数对统计独立性进行衡量,可以获得理想的数学特性.将该算法应用于宽范围的盲源分离问题的实例中,并与现有算法进了比较.实验结果表明, WKGV-KICA算法在同等条件下的分离精度更高,而且性能更好.     

基于时间可预测性的粒子群优化盲解卷积算法

针对信道对声音信号的卷积效应,提出了一种基于粒子群优化的盲解卷积新算法。利用信号的时间可预测性作为盲解卷积的解卷测度,采用粒子群优化算法对基于该测度的代价函数进行优化求解,从而成功得到解卷积滤波器系数,实现对信号的盲解卷积。仿真实验表明,所提出的算法对于声音信号具有很好的盲解卷积效果,所恢复信号与原始信号的相关系数和重构信噪比均较高。     

动态加权模糊核聚类算法

为了克服噪声特征向量对聚类的影响,充分考虑各特征向量对聚类结果的贡献度的不同,运用mercer核将待聚类的数据映射到高维空间,提出了一种新的动态加权模糊核聚类算法.该算法运用动态加权,自动消弱噪声特征向量在分类中的作用,在对数据没有任何先验信息的情况下,不仅能够准确划分线性数据,而且能够做到非线性划分非团状数据.仿真和实际数据分类结果表明,数据中的噪声对分类结果影响较小,该算法具有很高的实用性.     

基于再生核Hilbert空间的非线性信道均衡算法

在高速无线通信领域,为消除码间干扰（ISI）必须研究非线性信道均衡技术。基于再生核希尔伯特空间（RKHS）研究非线性信道的自适应均衡算法。首先基于非线性维纳模型提出均衡器的结构,基于RKHS引入核方法,与仿射投影算法（APA）相结合推导出核仿射投影算法（KAPA）,再通过引入松弛因子得到改进的KAPA算法。用蒙特卡罗法对提出的自适应算法进行仿真,从收敛性能、误码率（BER）、跟踪能力、计算复杂度等方面与其他算法做比较。在不增加计算复杂度的情况下,极大降低了误码率,非常适合时变非线性信道均衡的应用。