基于改进PCA和EEMD的桥梁挠度监测中温度效应分离

单通道桥梁挠度信号通过总体经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)分解得到的一系列线性平稳的本征模函数(intrinsic mode function,IMF),然后与原信号进行相关性分析,去除IMF分量中的弱相关成分,达到首次降维的效果。利用主成分分析(Principal Component Analysis,PCA)进一步提取信号中的主元,最后所得信号通过快速独立分量分析(Fast Independent Component Analysis,FastICA)处理,实现桥梁挠度信号中温度效应的准确分离。仿真及实验结果表明:该方法能较好地解决桥梁监测中温度效应分离的问题。     

差分跳频信号分离方法研究

差分跳频信号的无线传输方式使得在接收时会包含干扰信号,影响差分跳频信号的正确接收。在研究差分跳频信号产生机理和信号特性基础上,根据差分跳频信号的统计独立性,提出一种基于JADE的差分跳频信号分离方法,并对所提出的方法进行了仿真。仿真结果表明,提出的方法可实现对混合信号中差分跳频信号的有效分离.     

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。     

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。     

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。     

基于EEMD的地声信号单通道盲源分离算法

针对只有一个观测通道时,基于矩阵运算的盲源分离算法将会失效的问题,提出一种适用于单观测通道的地声信号盲源分离方法.首先采用总体经验模态分解方法将观测信号分解为固有模态矩阵,使单通道的欠定问题转化为多通道的正定问题,再利用已有的盲源分离算法进行分离.仿真实验说明该方法可以抑制宽频及瞬态干扰,有效地提取源信号,而且对频带有...     

基于拟牛顿法的盲信号分离算法

以相关矩阵的联合对角化作为代价函数,基于拟牛顿法中的DFP法提出了一种新的盲信号分离算法,使算法的运行速度和分离效果得到了提高.仿真结果验证了算法的有效性.     

基于实数编码遗传算法的盲信源分离方法

提出了一种新的基于相关矩阵对角化的代价函数,该代价函数通过抑制分离信号的互相关性达到盲信源分离的目的。这种分离新方法可用于分离平稳或非平稳信号的瞬时或卷积混合。针对传统梯度搜索方法容易陷入局部收敛的问题,文章还提出利用实数编码遗传算法对代价函数进行最优化搜索。仿真实验表明,这种遗传算法具有快速收敛性能和高精确度等优点。     

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EEMD-FastICA的位移摄像测量误差源探究

随着摄像测量技术在土木工程结构健康监测领域的应用逐渐增多,摄像测量技术的长期全天候工作性能受到越来越多的关注.为探究摄像测量技术的主要误差源,提出一种基于盲源分离(Blind Source Separation,BSS)的误差源分析新方法:为了构建多通道信号作为盲源分离模型的输入信号,采用集合经验模态分解法(Ensem...     

非正交联合对角化盲源分离算法

提出一种表征联合对角化近似程度的代价函数,给出优化该代价函数的非正交联合对角化算法．该代价函数对经典的最小二乘代价函数进行了改进,使原算法中关于混迭矩阵的四次函数转化为3组待定参数的二次函数．因此,可通过基于梯度下降法的迭代算法交替估计3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,实现盲源分离．分析了算法的收敛性能,证明存在估计误差时,该算法依然全局渐进收敛．仿真结果表明,与经典的非正交联合对角化(ACDC)算法相比,该算法收敛所需计算时间仅为ACDC的一半,而全局拒噪水平改善了6dB,可有效地解决瞬时盲源分离问题．     

AWGN信道中盲源分离的时频联合两步消噪预处理方案

针对加性高斯白噪声AWGN环境下盲源分离算法的性能随信噪比降低而大幅下降的难点问题,借助于经验模态分解和小波变换2种时频分析方法,并对其消噪性能进行优势互补,采用粗消噪-细消噪的两步化思想,提出一种应用于盲源分离的时频联合两步消噪预处理方案.仿真试验与其他算法进行对比,证明了新的噪声预处理方案可以更有效地降低观测信号中的加性噪声,使盲源分离算法工作在更宽的信噪比范围内提高算法的鲁棒性,并说明了算法对通信信号具有数据延拓的必要性.     

一种基于负熵的信赖区域盲分离方法

研究基于瞬时混合信号的盲分离问题。以负熵作为代价函数,提出了一种基于最大化负熵的信赖区域盲源分离方法,该方法保持了牛顿法的快速收敛特性,具有全局收敛性。分别用基于负熵的信赖区域法和牛顿算法对三路随机混合信号实施分离,仿真结果证明该方法且具有和牛顿算法一样的收敛速度,而稳态误差比牛顿算法减小约7dB,因此具有更好的稳态性能。