基于独立分量分析的短波同频信号盲分离算法

盲分离能在未知源信号和传播信道的情况下,实现对接收到的混合信号的分离,是应对短波监测过程中由于同频信号混合而无法分辨这一困难的有效途径。本文介绍了两种基于独立分量分析的盲分离算法,分别进行了理论分析与仿真,验证了算法的有效性,将其应用到日常短波监测工作中,可以为频谱管理监测提供技术支持。     

一种电磁频谱管理盲监测技术

复杂电磁环境下对无线电信号进行监测时,基于时频分析的传统监测方式对频谱混叠信号难以进行识别.针对这一问题,提出了一种电磁频谱管理盲监测技术.在分析研究了盲源分离的理论基础上建立了基于最大信噪比算法的盲监测模型,基于该模型仿真实现了6路频谱混叠无线电信号的分离提取.仿真结果表明:应用所建立的模型能够实现频谱混叠无线电信号的监测分析,判明所监测无线电设备的工作频率、信号形式和带宽等主要特征.     

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。      

基于独立分量分析的盲源分离方法研究

盲源分离是指在没有任何先验知识的前提下,从观测到的多个混合信号中提取或分离出未知源信号的过程.本文主要探讨了基于独立分量分析的盲源分离自然梯度算法及活动函数的选取,并利用该算法实现了5路混合信号和3路自然语音信号的分离,最后在Mat-lab2008下进行了仿真验证.结果表明该算法能够有效实现语音信号的分离.     

基于峭度的盲分离在通信信号盲侦察中的应用

为实现复杂多信号环境下的通信信号侦察,采用一种新的盲侦察技术,即运用盲源分离算法,在没有任何先验知识的情况下分离出源信号,然后对分离的各个信号进行后续处理。提出一种改进的基于峭度的盲分离算法,可以自适应地确定激活函数。将其应用在通信信号盲侦察中,可以实现对任意源信号进行盲分离,而不管它是超高斯还是亚高斯信号。选择超高斯和亚高斯混合通信信号进行了仿真实验,结果验证了该算法的有效性。     

基于复数FastICA算法的短波同频信号盲源分离

盲源分离是一种经典信号处理方法,可广泛应用于通信信号、阵列处理的混合信号有效分离。将一种基于独立分量分析的复数信号盲源分离算法应用于实际的短波信号分离中,能有效地实现对各种信号组合的分离。     

盲解卷积与窄带阵列模型结合的信号分离算法

在水声制导技术中,提出了一种高效分离算法,实现了对多目标源信号的分离,为系统后端对多目标定位提供了技术支持。窄带信号条件下,把盲分离与阵列信号处理结合起来．借助阵列模型把接收的混合信号变成解析信号,然后利用瞬时复值盲分离算法进行分离获得源信号的解析信号,取实部后便是实源信号。从而将实数的卷积混合转化为复数的瞬时混合,在盲分离阵列模型的基础上,通过复数盲分离的手段完成盲解卷积。解卷积恢复的多目标源信号十分有利于多目标特征识别与定位。通过构建正弦信号盲解卷积仿真实验,对文中提出的盲解卷积方法进行了验证。结果表明了该方法的正确性。     

动态变化混叠模型下盲源分离中的源数估计

在进行欠定盲分离时,特别是对于源信号数目及混合矩阵动态变化的情况,常规的欠定盲分离及源数估计方法不能对源信号数目的变化时刻做出判断,因此很难实现动态变化的源信号数目实时和准确的估计。针对这个问题,提出了一种动态变化混叠模型下欠定盲源分离中的源数估计方法。首先,建立动态变化混叠情形下盲源分离的数学模型及动态标识矩阵。其次,基于构建的动态标识矩阵统计和判断动态源信号数目的变化情况。最后,通过分段时间内多维观测矢量采样点聚类区间局部峰值统计,实现动态变化混叠模型下盲源分离中的源信号数目的有效估计。仿真结果表明,该方法能有效实现动态变化混叠模型下欠定盲源分离中的源数估计,并且信号估计效果良好。     

基于单个频点的水声信号盲源分离

该文提出基于单个频点的卷积信号盲源分离方法,利用该方法不但可以有效克服频域盲分离过程中排序不确定问题,而且在分离过程中,无需考虑幅度不一致问题。将该方法用于水声信号的盲分离,仿真结果表明基于单个频点盲源分离方法能够很好地分离水声卷积混合信号。与基于两个频点盲源分离方法相比较,其分离效果更优,并且能有效节省CPU运算时间,因而更适合于对信号进行实时处理。     

基于EMD和ICA的单通道语音盲源分离算法

针对单通道语音信号盲分离的问题,结合盲源分离和经验模式分解的优点．提出了一种基于经验模式分解的单通道语音信号源数估计和盲源分离方法。对语音混合信号进行经验模式分解,利用贝叶斯算法估计语音源数目,根据源信号数目重组多通道语音混合信号,并采用独立分量分析实现语音信号的盲分离。仿真实验表明,使用此法能有效地估计通道语音信号源数和分离盲源。     

基于频谱相关的时域盲分离排序算法

由于水声信道的时变性,水声信号分离后存在排序模糊性,限制了盲分离算法的应用.针对盲分离后信号存在排序模糊性的问题,提出了一种基于频谱相关的盲分离排序算法.根据水声环境中各信号的频谱差异,对分离后信号进行重新排序,来改善盲分离算法的排序模糊性.仿真实验表明,该算法可以有效消除分离信号的顺序不确定性,提高盲分离算法的性能.     

ICA及其在阵列信号处理中的应用研究

独立成分分析（Independent Component Analysis,ICA）是一种有效的盲信号分离（Blind Source Separation,BSS）方法。当目标源信号相互独立时,它能从多通道的混合观测信号中将目标源信号分解开来。本文通过对ICA的详细介绍,对比了ICA模型和阵列信号处理模型的特点,分析了二者的关系,并就二者的综合应用进行了研究,同时对盲波束形成、雷达信号分选和外辐射源雷达信号分离等典型应用进行了介绍和评价。     

基于FastICA的混合音频信号盲分离

独立成分分析（ICA）作为一种有效的盲源分离技术已成为信号处理领域的热点,它以非高斯源信号为研究对象,在统计独立的假设下,对多路观测到的混合信号进行盲信号分离。为了提高算法的收敛速度和稳态精度,介绍了独立成分分析的基本原理,以及利用FastICA算法进行信号分离的理论依据,引入了改进的非线性函数,运用Matlab进行仿真比较3种非线性函数下的分离性能和改进的非线性函数在不同θ下的分离性能,结果表明在综合因素的考虑下,该改进函数在实现混合音频信号盲分离方面比改进前更有效。     

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.     

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。     

基于时间可预测性的差分搜索盲信号分离算法

针对基于仿生智能优化的盲信号分离算法计算量偏大的问题,提出了一种新的基于差分搜索的盲信号分离算法。采用信号在时间上的可预测性度量作为目标函数,使用差分搜索算法对目标函数进行优化求解。利用去相关消源方法从混合信号中去除每次分离出的源信号成分,通过逐次分离最终实现对所有源信号的成功恢复。仿真实验表明,所提算法可以有效实现对混合信号的盲分离。与其他算法相比,该算法在保证了更高分离精度的同时,具有更低的运算量。     

基于最大信噪比盲源分离的脑电信号伪迹滤波算法

心电和眼电伪迹是脑电信号中最常见的干扰,本文提出一种基于最大信噪比盲源分离的伪迹滤波算法.该算法以分离矩阵为变元建立源信号的信噪比目标函数,寻找能使目标函数达到极大(或极小)值的分离矩阵,进而通过分离矩阵求得估计信号.算法的实施过程是,首先利用小波变换去除在原始脑电信号中的部分噪声,然后用基于最大信噪比盲源分离的伪迹滤...     

基于循环频率特征的单信道混合通信信号的调制识别

单信道多个时频重叠的混合通信信号盲分离具有广泛的应用价值,是近年来通信信号处理研究领域的一个热点和难点,而单信道多个混叠通信信号的调制识别和信号个数的估计是实现单信道多个混叠通信信号盲分离的基础。该文通过分析数字调制信号的二阶和四阶循环累积量的循环频率特性和结构特征,提出一种基于循环频率特征的单信道混合通信信号调制识别的方法和实现算法,其主要特点是不需要已知混合信号的个数、功率、载频、符号率及定时等先验信息,对一些典型的数字调制信号(如BPSK, QPSK, OQPSK, MSK等)的随机混合,能够有效地辨识接收信号中所包含的信号个数以及每个调制信号的调制方式。利用计算机仿真实验,考察了不同条件下算法的性能,表明了其可行性和有效性。