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.     

基于盲源分离的单通道窄带干扰抑制算法

针对窄带干扰下通信系统性能恶化的问题,提出一种基于过采样与盲源分离技术的单通道窄带干扰抑制算法。该算法利用通信信号与窄带干扰的基带结构特征,通过过采样以及串并变换构造出源信号为信息序列的盲源分离模型,并利用快速独立成分分析法实现信息码元的恢复。仿真结果表明,该算法能有效对抗窄带干扰,抗干扰能力强。     

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。     

Kalman滤波下的多信号单通道盲源分离

窄带物联网环境中,接收机收到的信号通常为多路混合信号,对单通道接收来说,利用常规盲源分离方法很难实现混合信号的分离和源信号提取。针对这一问题,本文提出了一种利用Kalman滤波算法进行信号估计,解决单通道盲源分离的方法。该方法利用信号间的时序结构,通过Kalman滤波算法对多信号混合中的源信号不断估计并迭代更新,最终得到分离信号。仿真实验结果表明,该方法能有效估计并分离出源信号。      

基于盲源分离的数字通信抗干扰技术

分析了现有数字通信抗干扰技术存在的局限性。在研究了盲源分离（Blind Source Separation,BSS）的理论基础上,介绍了一种基于盲源分离的数字通信抗干扰技术。建立了基于最大信噪比算法的盲源分离数字通信抗干扰传输模型,应用MATLAB仿真实现了2FSK通信信号与多种干扰信号的分离提取。仿真结果表明：应用基于盲源分离的抗干扰技术能够获得显著的抗干扰性能。     

一种新的基于稀疏表示的单通道盲源分离算法

该文针对稀疏表示应用于单通道盲源分离中存在字典间互干扰的问题,通过在常规联合字典中引入一个新的子字典 共同子字典,提出一种新的基于稀疏表示的单通道盲源分离算法。新的字典学习目标函数中单个源的保真度由对应子字典和共同子字典构成,共同子字典的存在可以有效避免某一源信号在其他子字典上寻求成份而带来的互干扰问题。目标函数的求解通过交替执行稀疏表示、字典更新和比例系数优化3个步骤来实现。在测试阶段,通过收集单个源所对应子字典和共同子字典上的分量可以估计出混合信号中的单个源信号,从而达到盲源分离的目的。在语音数据库上进行的对比实验发现,所提算法较传统算法和前沿算法在两个通用评价指标上最高有近1 dB的提高。     

基于相关运算的低信噪比盲源分离抗干扰算法

针对传统盲源分离算法在低信噪比时分离性能较差的情况,提出一种基于相关运算的盲源分离抗干扰算法.该算法通过对训练序列进行分段相关运算并进行信号能量累积,实现信噪比提高.该算法实现简单,可改善低信噪比条件下的扰信分离效果.仿真结果表明,改善程度与训练序列的相关性及其分段长度成正比,并且在信干比为-15 dB时,至少可以在信...     

面向多路源信号的单通道盲去卷积算法研究

传统的单通道盲去卷积的方法存在仅能从混合信号中分离出2路源信号的局限,考虑到以上问题,该文提出一种基于优化的深度卷积生成对抗网络的单通道盲去卷积算法(SCBDC),能从1路混合信号中分离和解卷积出3路以上的独立源信号和混合矩阵。该文实验在汉字和遮挡图像数据集上进行,随机选择4路信号与混合矩阵进行卷积混合,实验结合峰值信噪比(PSNR)和信号相关性指标来评价分离的效果,结果显示,该算法能够有效地分离出多路源信号并去卷积。     

三重降噪的盲源分离抗干扰算法

为了提高低信噪比条件下盲源分离的性能,提出了一种基于互补集合经验模态分解降噪、小波阈值降噪和随机共振降噪的三重降噪盲源分离抗干扰算法,分析了三种互补集合经验模态分解降噪与小波阈值降噪相结合的前降噪方案和扩频结合随机共振的后降噪方案,仿真讨论了所提算法的抗干扰性能。仿真结果表明,该算法在一定范围低信噪比条件下能够从受扰的混合信号中恢复出通信方的期望信号。     

降低单通道盲分离PSP算法复杂度的方法

随着电磁环境的日益恶化,越来越多的通信系统面临着多信号混合干扰的问题,这对解调信号造成了一定的困难。解决这个问题使用PSP算法对混合信号进行单通道盲分离是一种有效的手段。本文针对目前PSP算法在单通道盲分离中随着调制阶数上升所带来的算法复杂度提高的问题,利用PSP算法的复杂度随串扰长度L增加而上升的特点,提出了一种改进型的PSP盲分离算法。仿真结果表明,在对误码率影响不大的基础上此种改进型算法跟原算法相比,在BPSK解调中能够加速大约3倍,QPSK解调中能够加速大约18倍。若采取另一种不降低串扰长度L的改进方式,则BPSK解调与原算法相比最高能有2dB的增益,并且即使降低L仍有1.5dB的增益。QPSK解调与原算法相比最高能有1.5dB的增益,降低L仍有1dB的增益。      

一种短波通信盲信道快速分离算法

在短波通信中针对盲信道个数不恒定、信道频谱理论上不重叠的盲信道分离问题,基于小波多分辨率分析技术提出一种盲信道快速分离算法,并对实测短波通信信号进行盲信道快速分离的Monte Carlo试验。仿真结果表明,本文所提出的短波盲信道快速分析算法的分离精度和信道正确分离率都较高、抗噪声干扰能力强。     

基于智能单粒子与信号变化度的盲源分离算法

提出了一种新的基于智能单粒子优化的有序盲源分离算法。采用信号变化度作为分离的目标函数,利用球坐标变换方法对分离向量进行变换,使用智能单粒子优化算法对目标函数进行求解,通过去相关方法从混合信号中去除已分离出的源信号成分,最终实现按照信号变化度降序分离出各源信号。仿真结果表明,本算法能够有效实现对源信号的有序分离,且分离精度很高。     

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

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。     

改进的自然梯度盲源分离算法在非平稳环境中的应用

对于传统的自然梯度算法,在处理非平稳信号时,在步长更新迭代过程中,非平稳信号变化幅度过快而导致分离矩阵幅度变化的不稳定,从而影响分离效果。针对此问题,结合变步长的思想,本文提出了基于正交约束的自然梯度盲分离算法,该算法主要对恢复信号进行约束,通过使用瞬时误差有目的地控制变步长,从而加快算法收敛速度且提高了分离精度,同时保证了非平稳环境下分离过程的稳定性。结果表明,正交约束下的盲源分离算法可以高效地分离出非平稳环境下的源信号。     

一种新的多信号卷积混合信号盲分离算法

对于含噪声情况下多个源信号卷积混合盲分离,由于混合矩阵比较复杂,分 离算法会出现迭代次数增加、收敛速度变慢等问题。在对多信号卷积混合进行合理简 化的基础上,提出一种以四阶累积量为独立准则的多信号卷积混合的新的时域盲源分离算法 。由于采用高阶累积量为独立准则,该算法对高斯噪声具有良好的抑制作用,改善了信噪比 。 其次,算法也建立了步长因子的选取与二次残差之间的非线性函数关系,使得算法既获得了 较 快的收敛速度,也得到较高的分离精度。仿真数据表明提出的算法对于多个源信号卷积 混合具有良好的分离效果。     

Research on blind source separation algorithm of the extension information maximization

盲源分离技术是信号处理和神经网络领域近年来的一个热点研究课题,由于其能够从观测的混合信号中恢复出源信号,而对源信号和混合系统的先验知识要求很少,因此在语音信号处理、无线信号处理、生物医学信号处理、地震信号处理,以及图像增强等方面都具有非常重要的理论意义和实用价值。信息最大化盲源分离算法能够有效地分离语音信号的瞬时混合,但是不能分离超高斯信号（如语音信号）和亚高斯信号（如正弦信号）的混合。基于此,本文讨论了扩展信启、最大化盲源分离算法,通过仿真表明,该算法可以有效的对各种源信号的线性即时混合进行分离,实验证明了该算法的有效性。     

扩展信息最大化盲源分离算法的研究

盲源分离技术是信号处理和神经网络领域近年来的一个热点研究课题,由于其能够从观测的混合信号中恢复出源信号,而对源信号和混合系统的先验知识要求很少,因此在语音信号处理、无线信号处理、生物医学信号处理、地震信号处理,以及图像增强等方面都具有非常重要的理论意义和实用价值。信息最大化盲源分离算法能够有效地分离语音信号的瞬时混合,但是不能分离超高斯信号(如语音信号)和亚高斯信号(如正弦信号)的混合。基于此,本文讨论了扩展信启、最大化盲源分离算法,通过仿真表明,该算法可以有效的对各种源信号的线性即时混合进行分离,实验证明了该算法的有效性。     

一种采用刀切法的单通道信源数估计算法

针对现有信源数估计算法不能直接用于单通道接收模型且抑噪能力较差的问题,提出了一种采用刀切法的单通道信源数估计算法。该算法首先通过间隔抽样实现了单通道接收信号多维数的转换,得到矢量化空间;然后采用刀切法将此组空间重构多个协方差矩阵,经酉变换后结果取平均;最后通过循环迭代得到最优信源数。理论分析和仿真结果表明,该算法在白、色噪声环境下能有效抑制噪声,且在低信噪比及采样点较少时能更准确估计信源数,相较于传统的估计算法,显著提高了检测性能。