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。     

一种新的盲解卷积准则和算法

定义了盲解卷积问题的期望解后 ,将二阶累积量和四阶累积量合并为一个新的统计量 ,称为归一化累积量 ,考察信号通过线性时不变系统时归一化累积量的特性 ,形成一个基于归一化累积量的盲解卷积准则 ;借助于经典的最陡梯度算法 ,导出了一种新的盲均衡算法 ,计算机模拟验证了该算法     

基于累积量的两层前馈神经网络盲辨识

由于非线性系统输出是其参数的非线性函数,直接利用高阶累积量辨识两层前馈神经网络(FNN)通常是十分困难的。为解决这一问题,该文提出两种基于四阶累积量的FNN辨识方法。第一种方法,FNN的隐元在其输入空间利用多个线性系统近似,进而FNN利用一统计模型混合专家(ME)网络重新描述。基于ME模型,FNN参数可利用统计期望值最大化(EM)算法获得估计。第二种方法,为简化FNN的ME模型,引入隐含观测量。基于隐含观测量估计,FNN被分解为多个单隐元的训练问题,进而整体FNN可利用一两阶层ME描述。基于单隐元的参数估计,FNN可利用一具有更快收敛速度的简化算法获得估计。     

高频无源双基地雷达参考信号的盲均衡恢复

针对天波发射、地波接收的高频无源双基地雷达系统,提出了一种基于复合盲均衡算法的参考信号恢复方法,以解决电离层严重的反射与折射造成的参考信号失真问题.该复合盲均衡算法采用快速收敛的超指数算法,获得传输信道均衡器权向量,对一种基于滑动平均与自回归(Auto-Regressive Moving Average,ARMA)模型的常数模盲均衡算法进行初始化,由该种计算简单的ARMA常数模盲均衡算法完成信道反卷积跟踪.所提算法对零点接近单位圆的电离层严重衰落信道具有良好的信号恢复能力,具有收敛速度快、计算量小的特点.采用计算机仿真对所提算法的性能进行了验证.     

一种充分利用变量结构的解卷积 混合盲源分离新方法

 针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toeplitz结构和源信号相关矩阵的块内对角化结构的基础上,交替估计代价函数中的三组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现信道的盲均衡和源信号的盲分离.分析了三迭代算法的收敛性能,证明即使存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与其他经典的两步算法相比,提出的一步算法能够更好地估计混迭矩阵并恢复出源信号,有效地解决了卷积混合盲源分离问题.     

基于最大峰度准则的非因果AR系统盲辨识

本文结合最大峰度准则和非线性优化理论中的梯度法,设计了一种因果ＡＲ系统的盲辨识算法,并证明了它的全局收敛性,给出了它在平衡点附近的收敛速度,算法通过构造逆滤波器的方法来进行盲辩识,同时通过基于高阶累积量的自 法将逆滤波器的系数逼近ＡＲ系数的参数,由于采用了高阶累积量,处地高斯观测噪声有较好的抑制能力,仿真的结果表明了算法的有效性。     

基于PSO-CF的有限目标信号盲抽取算法

以最大化规范四阶累积量绝对值为目标函数,解决了因概率密度函数估计过程中激活函数选取不当而带来算法分离性能下降的问题;引入PSO-CF方法进行优化问题求解,防止算法收敛到局部极值,降低算法的实现复杂度。为高效实现从多源混合信号中抽取有限数目的目标信号,提出了一种基于PSO-CF的有限目标信号盲抽取算法。仿真表明,该算法对超高斯、亚高斯及混合型源信号均可分离,算法普适性强,且收敛速度快,分离性能良好。     

一种基于非线性PCA的卷积混合盲源分离算法

 本文针对卷积混合的盲源分离,首先提出了一种基于非线性主成分分析(PCA)的准则,然后推导出了一种递推最小二乘(RLS)算法.该算法为时域盲源分离算法,分为两个阶段,第一阶段为混合信号的白化,第二阶段为基于白化信号的RLS迭代.新算法不存在频域算法在每个频点的幅度与次序不确定性的问题,具有较快的收敛速度.文中最后通过仿真试验验证了本文算法的有效性.     

一种新的尖峰信号盲反卷积方法

介绍一种新的盲反卷积方法，以解决尖峰信号的盲卷积问题，该方法不需知道信号和噪声的先验知识。基于尖峰信号高斯混合模型，给出一个自适应反应卷积滤波器和一个自适应零记非线性估计器。     

基于三维高斯模型的参数盲解卷积算法

提出了一种新的基于三维高斯点扩展函数（PSF）模型的参数盲解卷积（PBD）算法，并将此算法用于显微光学切片的图像复原。由于PBD算法需要在估计样本函数的同时估计PSF的参数，一般采用的PSF的模型较为复杂，计算量大，收敛慢；而基于三维高斯PSF模型的算法只需要估计2个参数，因此计算量大大降低了。经过实验验证，该算法能够较好地复原光学切片的图像，并且估计出PSF的参数。     

Blind deconvolution of images using optimal sparse representations.

The relative Newton algorithm, previously proposed for quasi-maximum likelihood blind source separation and blind deconvolution of one-dimensional signals is generalized for blind deconvolution of images. Smooth approximation of the absolute value is used as the nonlinear term for sparse sources. In addition, we propose a method of sparsification, which allows blind deconvolution of arbitrary sources, and show how to find optimal sparsifying transformations by supervised learning.     

Adaptive blind signal processing-neural network approaches

Learning algorithms and underlying basic mathematical ideas are presented for the problem of adaptive blind signal processing, especially instantaneous blind separation and multichannel blind deconvolution/equalization of independent source signals. We discuss developments of adaptive learning algorithms based on the natural gradient approach and their properties concerning convergence, stability, and efficiency. Several promising schemas are proposed and reviewed in the paper. Emphasis is given to neural networks or adaptive filtering models and associated online adaptive nonlinear learning algorithms. Computer simulations illustrate the performances of the developed algorithms. Some results presented in this paper are new and are being published for the first time     

具有约束学习速率的频域盲均衡算法

多通道的盲均衡在语音分离、去混响、通信、信号处理和控制等领域具有广泛的应用,本文基于二阶统计量在频域重新构造评价函数,为避免得到平凡解在评价函数中额外引入了一项不可简约多项式的描述.然后,应用自然梯度法导出盲均衡算法,为了确保算法收敛,同时给出迭代收敛条件,并将它用来约束学习速率.仿真实验表明,该算法能够分离可均衡的有限冲激响应系统,从而证实了该算法的有效性.     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

On the use of Lyapunov criteria to analyze the convergence of blinddeconvolution algorithms

We present an approach to determine sufficient conditions for the global convergence of iterative blind deconvolution algorithms using finite impulse response (FIR) deconvolution filters. The novel technique, which incorporates Lyapunov's direct method, is general, flexible, and can be easily adapted to analyze the behavior of many types of nonlinear iterative signal processing algorithms. Specifically, we find sufficient conditions to guarantee a unique solution for the NAS-RIF algorithm used for blind image restoration. We determine that in many cases, there exists a tradeoff between the quality of the deconvolution result and the uniqueness of the solution. A procedure to determine the length of the deconvolution filter to guarantee a unique solution is established     

单通道带通信号的复基带盲解卷积算法

该文提出了一种基于多途信道单通道接收的带通数据(波束或传感器输出)自相关函数的盲解卷积算法。该算法先通过复解调将带通信号频谱搬移到0频率附近,然后进行低通滤波和降采样率,得到其复基带信号。再针对单通道复基带信号,以其自相关函数在零延时之外某区间内的实部平方和最小为准则,推导出复基带多途信号盲解卷积的LMS自适应迭代算法。该方法能够适用于带通高斯信号和非高斯信号,与基于高阶统计量的方法相比,对源信号概率分布具有较宽的适用面,计算机仿真结果验证了该方法的正确性。     

Geometrical Structures of FIR Manifold and Multichannel Blind Deconvolution

In this paper we study geometrical structures of the manifold of Finite Impulse Response (FIR) filters, and develop a natural gradient learning algorithm for blind deconvolution. First, A Lie group structure is introduced to the FIR manifold and the Riemannian metric is then derived by using the isometric property of the Lie group. The natural gradient on the FIR manifold is obtained by introducing a nonholonomic transformation. The Kullback-Leibler divergence is introduced as the measure of mutual independence of the output signals of the demixing model and a feasible cost function is derived for blind deconvolution. An efficient learning algorithm is presented based on the natural gradient approach and its stability analysis is also provided. Finally, we give computer simulations to demonstrate the performance and effectiveness of the proposed natural gradient algorithm.     

基于量子遗传算法的多通道通信信号盲反卷积算法研究

本文在分析多输入多输出盲反卷积的网络结构和算法模型的基础上，提出了一种基于输出信号上下文信息的盲反卷积算法，并提出一种采用量子遗传算法的新的优化求解方法，对仿真的通信信号分离的结果表明算法的有效性。     

基于不完整约束自然梯度算法的多道盲解卷

针对多输入多输出(MIMO)系统的Bussgang算法可能收敛到错误的解，而且收敛速度慢的缺点。章提出了不完整约束的自然梯度算法，该算法是由不完整约束条件与自然梯度算法的结合而推导出来的。通过计算机仿真对这两种多道盲解卷算法进行了比较，仿真试验表明：提出的算法收敛速度快，并且比Bussgang算法稳定。