直接正交联合对角化盲分离算法

针对盲源分离问题,利用白化预处理后信号的二阶和高阶累积量矩阵具有正交联合对角化的结构性质,以及多个实对称矩阵具有相同特征向量即可同时正交对角化的实对称矩阵的特征分解的理论,提出一种基于部分累积量矩阵特征分解的直接正交联合对角化算法. 该算法仅需要部分累积量矩阵信息,从而大大降低计算过程中的存储量和计算量. 通过数值模拟,该算法和经典的JADE算法性能接近,可以有效地进行盲分离.     

基于非正交对角化算法的非平稳信号盲分离

运用分段平稳的思想处理非平稳信号,对每一子分段信号进行计算,得到相关矩阵群,并运用非正交对角化算法(alternatmg columns diagonal centers,ACDC)求得分离矩阵的逆阵,从而在混合信号中分离出源信号.仿真结果表明,在信噪比为40 dB的情况下,信号的平均干扰比可以保持在-15 dB以下.因而采用分段平稳和非正交对角化算法相结合的思想来处理信噪比较高时的非平稳信号,可以取得较好的分离效果.     

基于循环优化的矩阵联合对角化算法及在盲源分离中的应用

通过对一组与盲源分离中观测信号有关的目标矩阵进行近似联合对角化,可以有效解决盲源分离问题。提出一个非正交的循环优化的联合对角化算法。待优化的2个函数分别为矩阵对角化处理后的非对角元素的平方和与对角元素的平方和,通过对两者的循环最小化和最大化处理即可获得对角化器。对比仿真实验表明本文算法可以获得更好的盲源分离效果。     

避免奇异解联合对角化的两种高效算法

针对避免奇异解的联合对角化算法计算量大的问题,提出两种改进的高效算法．在第一种改进算法中,将对角化矩阵行列式按当前更新的列展开,从而避免了计算行列式过程中的矩阵求逆．另一种改进算法将列交换后的对角化矩阵进行QR分解,由分解得到的上三角矩阵计算对角化矩阵的行列式．由于两种改进算法减少了一次矩阵求逆,因此降低了原算法的计算量．仿真结果表明,当目标矩阵个数和维数较大时,两种改进算法的计算量分别为原算法的18.9％和13.5％．     

基于非正交联合对角化的盲波束形成

该文提出了一种基于非正交联合对角化的盲波束形成算法。该算法不需要预白化,直接对阵列接收信号的四阶累积量矩阵进行联合对角化,得到非正交的分离矩阵,避免了由白化引入的误差。仿真实验表明,新算法在低信噪比下相比于JADE算法有更好的分离效果,而且该算法还可以通过增加采样数据点长度来提高分离性能。     

基于KL散度的增量非负矩阵分解盲源分离算法

利用KL散度衡量增量非负矩阵分解效果,提高非负矩阵分解性能;施加行列式、稀疏性和相关性等约束条件,保证盲源信号分离的唯一性和性能;采用自然梯度下降法并选择合适的学习速率,得到源分离算法,该算法利用前一次分离结果和现在的输入信号矢量,迭代更新分离矩阵。仿真表明,KL-INMF盲源分离算法性能优于基于欧式距离INMF的盲源分离算法。     

非线性LMS算法实现盲源分离

在经典的最小均方(LMS)算法中引入非线性函数,得到一种非线性LMS算法.该算法根据LMS算法建立了相应的对照函数,用自然梯度推导出了自适应盲源分离算法,并且分别给出了实数算法和复数算法的详细推导过程.结果发现得到的算法即为最大化熵和最小化互信息(ACY)算法,从而揭示了ACY算法与LMS算法的关系,同时也得到ACY算法的复数形式.计算机仿真试验验证了算法的有效性.     

基于Givens-Hyperbolic 双旋转的多路语音信号卷积盲分离

针对语音信号的卷积混迭模型,通过对接收信号进行滑窗处理并重新排列,使得重构后的接收信号可表示为块独立的源信号与扩展的混迭矩阵的瞬时混迭模型。利用不同语音信号之间的近似独立和短时平稳特性,分析接收信号二阶相关矩阵的非正交联合块对角化结构。改进基于Givens和Hyperbolic旋转的瞬时混叠盲分离算法,提出Givens-Hyperbolic双旋转的联合块对角化算法(GH-JBD)。所提出的GH-JBD算法可以直接在时域估计传输信道的块本质相等矩阵,实现非正交联合块对角化,进而完成卷积混叠信号盲分离。该方法不需要进行预白化处理,避免了由于白化不彻底而引入的额外误差。仿真实验验证了该算法的有效性并就参数变化对分离信号的影响进行了分析。     

一种新的盲源分离拟开关算法

针对电子战中各种信号混叠严重难以分离的现象,在盲源分离开关算法基础上提出一种新的盲信源分离拟开关算法.该算法引入单位对称加权滑动向量来加权每次迭代所得的分离信号作为源信号,用峭度取代原算法的峭度符号位作为判断函数来自适应选择加权相应激活函数,以此优化学习算法,结合信号分选的具体应用,给出了迭代结束的评判方法.计算机仿真实验表明,在强噪声背景影响下,该算法能够更加有效地分离空间未知多源线性混叠信号,且在分离效果、稳定性、处理速度和抗噪性能上都比原算法有较大改进.     

适用于时变信道环境的盲源分离算法

针对时变信道环境下的盲源分离问题,在现有实时盲分离算法的基础上,提出了两种适用于时变信道环境的实时盲源分离算法——基于优选函数EASI盲分离算法(EASI-function)和基于选优函数的峭度变步长盲分离算法(EASI-function-KVS)。EASI-function算法在信号分离的不同阶段采用不同的估计函数,从而使得算法在收敛速度和稳态性能两方面获得一个折中。EASI-function-KVS算法则在EASI-function的基础上,利用峭度变步长的思想,自适应地调整迭代步长大小,进一步改善分离算法性能。仿真结果表明,两种算法能有效地跟踪信道变化,并且在性能方面比传统的EASI算法要好。     

Non-unitary joint diagonalization by complex Givens and complex Shear rotation

The proposed algorithm is based on the combination of complex Givens and complex Shear rotations, which decomposes the de-mixing matrix into a product of complex rotation matrices. By ingenious utilization of the structure of the complex Givens and complex Shear rotations, together with the adequate expression of the concerned variables, the minimization of the F-norm criterion function can be transformed into a sequence of problems of calculating the generalized eigenvector of two 3×3 real symmetric matrices. Numerical simulations illustrate the good performance and convergence property of the proposed algorithm.     

利用奇异值分解的鲁棒盲信源分离

利用Amari等提出的估计函数分析了在最小化非线性主分量标准的意义上分离矩阵的最优解,将其描述为归一化的输入与非线性输出的互相关,提出了一种采用奇异值分解的鲁棒盲信源分离方法．该方法将分离矩阵的估计解释为一种非线性的能量迭代问题．在求解过程中对能量项进行了奇异值分解,从而避免了归一化矩阵的求逆以及计算平方根问题,减小了运算量．由于使用了能量项的正定逆平方根来归一化分离矩阵,因此提高了算法的鲁棒性,并且在每一步迭代中都能使分离矩阵保持正交．实验仿真验证了算法的性能．     

调制故障源信号盲分离的经验模态分解法

针对非线性、非稳态、含噪原始信号混合且混合信号数目小于源信号数目的旋转机械调制故障源信号盲分离问题，提出了一种基于经验模态分解(EMD)和主成分分析(PCA)相结合的方法.对混合信号进行经验模态分解提取嵌入在信号中的所有振荡模式，应用主成分分析方法对所提取的模式进行共性分析，得到模式中的主要成分.利用该方法对仿真数据和两通道滚动轴承加速度振动数据进行了分析，结果表明，该方法能够有效突出旋转机械的故障特征频率成分，避免了误诊断，且适用范围优于独立分量分析方法.     

Single channel blind source separation based on ICA feature extraction

A new technique is proposed to solve the blind source separation (BSS) given only a single channel observation. The basis functions and the density of the coefficients of source signals learned by ICA are used as the prior knowledge. Based on the learned prior information the learning rules of single channel BSS are presented by maximizing the joint log likelihood of the mixed sources to obtain source signals from single observation, in which the posterior density of the given measurements is maximized. The experimental results exhibit a successful separation performance for mixtures of speech and music signals.     

具有等变化性的最小二乘盲信源分离方法

因为等变化自适应盲信源分离要求分离矩阵采用序列更新法则,所以从Cardoso 等提出的相对梯度出发,通过优化非线性主分量代价函数,提出了一种采用序列更新法则的自适应递归最小二乘盲分离算法． 由于算法实现了分离矩阵的序列更新,因此必然具有等变化特性． 在每一步迭代中对分离矩阵进行奇异值分解,然后将其投影到stiefel流形,加快了算法的收敛速度． 计算机仿真结果验证了算法的有效性．     

一种基于L1稀疏正则化和非负矩阵分解的盲源信号分离新算法

针对线性混合模型下的盲源分离这一反问题,提出了一种结合迭代正则化和非负矩阵分解的交替最小化算法．首先把该问题转化为有界约束的二次规划,然后采用了一种自适应BB(Barzilai-Borwein)步长的投影梯度算法来求解．该方法不仅可减少存储量,提高算法速度,而且还很好地刻画了信号的稀疏性和独立性．理论分析和数值试验都验证了该方法的有效性,对混合的二维图像能提高分离的信干比．     

基于盲分离的混沌保密通信技术

针对实现欠定条件下线性混合的混沌信号的盲分离非常困难的问题,提出一种保密通信方案。在发送端利用密码序列对混沌信号加密并构造出欠定的盲分离模型;在接收端先用密码序列将欠定问题变为正定问题,最后利用盲分离技术解密和重构出源混沌信号。分析和仿真结果表明,该保密通信系统保密性强和精度高,并在强信道噪声干扰条件下依然有效。     

盲信号分离研究分类与展望

通过对盲信号分离最新发展的研究，对现有的盲信号分离研究理论进行了总结分类，提取了在盲信号分离中主要使用的优化准则，通过介绍对比函数理论和局部稳定性理论，以及算法的性能指标，给出了盲信号分离的研究框架，并对盲信号分离的进一步研究方向进行了有关展望．