一种峭度依赖的参数自适应盲分离算法

针对超高斯与亚高斯混合信源分离算法上存在的不足,该文提出一种峭度依赖的参数自适应盲分离算法。该算法用加权双高斯模型估计超高斯与亚高斯信源分布,在自然梯度框架下,依据峭度实现模型参数自适应。通过使用混合图像对其进行验证,实验表明该算法不仅可以有效实现超高斯与亚高斯混合信源的分离,而且比已有算法具有更好的分离和收敛性能。     

基于NPCA的盲源分离算法

主要讨论了基于非线性主分量分析(NPCA)的盲源分离,从理论与实验2个方面详细分析了算法的特性与效果。针对算法中的非线性函数选择的问题,采用了在线统计的方法,即根据不同的输入信号选择不同的非线性函数。从实验结果可以看出,该方法不仅可以很好地解决源信号为亚高斯信号混合的盲源分离问题,而且对源信号为亚高斯和超高斯信号混合的盲源分离问题也取得了很好的效果。     

基于递归神经网络的信息理论盲源分离准则

本文基于一个全连接递归网络结构,给出一种新的信息理论的盲源信号分离准则。该准则在保证最大化信息传输的同时最小化输出互信息,从而使网络输出相互独立。由此准则推导的算法对传输中的信息损失引入了Hebb项。该算法既可以分离超高斯源的混迭,又可以分离亚高斯源的混迭信号。计算机仿真结果表明了该算法的良好分离性能。     

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。     

一种基于牛顿迭代的自适应复盲源分离算法

为了解决源数动态变化情况下的复数盲源分离的问题,首先采用一种基于交叉验证技术的源数动态估计方法;利用牛顿迭代法推导了一种自适应的复数盲源分离算法,由于在分析过程不需要对复值源信号做任何限制或约束性的假设前提,因此该算法适合于分离服从正则或非正则分布的超高斯和亚高斯信号;提出的算法通过了源数动态变化仿真实验的验证.另外,在此基础上提出了一种基于复盲源分离的波达方位动态估计法,该方法适用于在源数未知且动态变化的情况下对目标源的波达方位进行动态估计.     

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。     

未知源信号峭度正负性的盲分离

大多数的盲分离算法假设源信号峭度的正负性是己知的，并据此选择相应的非线性函数近似评价函数(score function)。针对源信号峭度的正负性未知的情况，本文提出了一个评价函数的参数估计方法，本算法能有效地分离混合在一起的超高斯信号和亚高斯信号，仿真结果验证了算法的有效性。     

一种任意信号源盲分离的高效算法

提出了信号源盲分离的DBBSS算法.利用随机变量概率密度函数非参数估计的核函数法,对混合信号的概率密度函数及其导数进行估计,并由此估计信号的评价函数(score function).解决了现有信号源盲分离算法中,普遍存在的非线性函数只能凭经验选取,以及混合信号同时包含超高斯信号和亚高斯信号时,算法失效的问题.该方法非常简单,可以直接应用于所有以非线性函数代替评价函数的信号源盲分离算法.仿真结果验证了算法的有效性.     

盲源分离——理论、应用与展望

探讨了盲源分离在通信侦察中的应用前景。在首先介绍盲源分离的基本理论和经典算法的基础上，讨论了盲源分离在通信侦察中的典型应用；通过初步仿真，分析研究了盲源分离技术在跳频信号分选与拼接以及CDMA多用户分离两个重要领域的应用可行性；最后对盲源分离在通信侦察中的应用前景进行了展望，提出了需重点研究的几个问题。     

一种基于人工蜂群优化的有序盲源抽取方法

提出了一种基于人工蜂群优化的盲源抽取方法,该方法首先根据源信号的高阶统计特性构造了用于估计分离向量的目标函数,然后通过人工蜂群算法优化其函数获得最佳分离向量,并达到逐次恢复源信号的目的。仿真实验结果表明,该方法不仅能依4阶累积量绝对值降序地实现源信号的盲分离,还能同时分离服从亚高斯分布的图像信号和超高斯分布的语音信号。     

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。     

基于盲源分离的通信侦察信号处理

盲源分离技术有非常重要的理论意义和实用价值,在信号处理的一些领域得到了广泛应用。本文简单介绍了盲源分离技术,并通过实例说明在通信侦察中的应用,显示出它在通信侦察中的广阔应用前景。     

独立分量分析盲信号分离方法研究

盲源分离是指从多个相互独立的源信号的混合信号中分离出源信号来。独立分量分析法是盲源分离的一种新方法,由于其在语音信号处理、阵列信号处理、生物医学信号处理、移动通信及图象处理等领域的应用前景,越来越引起人们的关注,成为研究的热点。介绍一种基于四阶累积量的非高斯性最大化的ICA算法解决盲源分离的问题,并给出了该算法分离通信信号的计算机仿真结果,验证了算法的有效性。     

Wideband Blind Source Separation Algorithm Based on Beamforming

As the problem of array mixing model of wideband signals cannot be solved by conventional blind source separation algorithms, an improved algorithm based on beamforming is proposed in this paper. First, the received signals are transformed into time–frequency domain, and the delays of source signals are estimated. Then, the received signals are compensated with the estimated delay in frequency domain. Finally, the desired signal is acquired by using Frost wideband beamforming algorithm. Due to adopting the new methods of single source point extraction and delay estimation, the complexity of the proposed algorithm is reduced. Pre-steering delay is used in frequency domain to eliminate the compensation error when the delay is not an integer multiple of the sampling interval, which improves the separation performance significantly. The simulation results show that the proposed algorithm can adequately solve the problem of delay mismatch and achieve wideband blind source separation effectively. The existing algorithms are mostly fail for frequency hopping signals when there are numerous overlapping time–frequency points. In this case, the proposed algorithm still has good separation performance.

     

Noisy Blind Signal-jamming Separation Algorithm Based on VBICA

Aiming at the blind signal-jamming separation (BSJS) in wireless communication environment, we propose a noisy BSJS based on Variational Bayesian Independent Component Analysis algorithm to separate the communication signal from jamming signals and noises. This algorithm takes the Kullback–Leibler divergence between the true post distributions of source signals and the approximate ones as objective function, models sources using mixture of Gaussians, and updates parameters of the model using variational-Bayesian learning method, so as to make the estimated approximate posterior distributions close to the true ones and recover source communication signals finally. The simulation results show that the proposed algorithm is effective for the BSJS in noisy environment.     

最小误码率准则盲源分离算法

针对通信混合信号的盲分离问题,结合通信系统中的误码率性能指标,本文提出一种基于最小误码率准则的盲源分离算法。本算法基本原理是,将推导的最小误码率准则结合最大似然原则建立盲源分离代价函数,形成一种最小误码率约束的代价函数,接着借助于自然梯度下降搜索,最小化代价函数实现盲源分离。仿真实验分析表明提出的最小误码率约束代价函数得到的盲源分离算法,比原有的最大似然原则代价函数得到的盲源分离算法,具有更好的收敛性能和分离精度。      

宽开通信侦察中多信号盲分离应用研究

宽开通信侦察系统可以大大提高搜索速度,提高信号的截获概率,但如何快速有效地分离出同时截获的多信号是一个急待解决的难题,盲分离技术为多信号分离提供了一种新的思路,实验结果表明盲分离技术在宽开通信侦察中的有效性,并显示出它在通信侦察中的广阔前景。     

混叠通信信号的盲分离处理

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析。本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离。仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离。     

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。