单路单周期心音混叠信号欠定盲分离方法

结合现有的单路混叠盲分离算法和心音信号的周期特性,提出了一种基于dwt_ica的单路单周期心音混叠信号欠定盲分离算法.该算法首先得到一组单周期独立心音子波,然后把该独立心音子波加入到一个单路单周期心音混叠信号中,从而将一路信号变成一个多路信号,接着再利用ICA方法分离该多路信号,可获得源心音信号的一种估计.心音混叠信号的盲分离仿真实验表明,该算法是行之有效的.     

混合谱动态测试信号综合分析法

提出的混合谱动态测试信号综合分析法 ,是经典谱分析方法和现代谱分析方法的综合应用 ,即先用奇异值分解法确定混合谱信号中的谐波数 ,然后用FFT法逐个分离谐波分量 ,最后用线性回归分析方法同步分离非周期信号和随机信号分量 .还给出了“综合分析法”的数学模型 ,并通过计算机仿真证明了该方法可高精度地辨识和分离测试信号中不同特性的信号分量 ,是一种用计算机自动处理一般几何量动态测试信号的有效方法     

基于声信号分析的齿轮故障诊断方法

为了解决齿轮故障诊断中传统的声振信号分析方法容易受到周围设备及环境噪声干扰的问题,提出了一种独立分量分析和自相关分析相结合的齿轮故障诊断方法.首先用独立分量分析分离特征信号和干扰信号,然后用自相关分析提取特征信号中的周期成分.实验结果表明,该方法可以有效地提取在强背景噪声干扰下的齿轮故障特征.     

信号与系统课程中对周期信号频谱分析的理解

周期信号频谱分析是信号与系统课程中非常重要的部分,它是利用快速傅里叶变换进行信号分析的理论基础。从分析典型周期脉冲信号的频谱入手,讨论决定时域波形的三个参数对频谱特征的影响,以得到周期信号频谱的共同特点,在频域里对信号与系统的物理意义给出明确的解释,通过对电压波动信号的分析使学生更加深入理解频谱分析的意义。     

时频交叠LFMCW信号的PAHT检测与频移分离

为有效解决时频交叠周期LFMCW信号分离的难题,首先提出一种基于周期AHT(PAHT)的检测算法,通过对匹配函数进行改进,有效积累截获到的交叠多周期能量实现高概率检测,然后将PAHT积累得到的强信号解线调,根据此时的频率分布特性近似量化频率,估计频率量化点与信号频率的偏离差值,再通过频移改善窄带频域滤波分离信号的效果;最后利用IFFT恢复信号,依次循环完成交叠强弱信号的分离。仿真结果对算法的检测效果和复杂度进行了分析,并在验证分离效果的同时采取了两种方法对信号的滤波质量进行了评价,验证了其在低信噪比下的可行性。     

基于Radon-STFT的多目标雷达信号处理

最初的测速雷达是采用FFT进行信号处理的,效果不够理想.为此,用PPS信号建立了测速雷达回波信号的数学模型,采用Radon-STFT方法对多个多项式相位信号进行检测.结合"CLEAN"技术,实现对多个多项式相位信号进行分离和参数估计,得到了令人满意的结果,是一种有效的算法.     

独立分量分析在单一信号中的去噪问题

多源激励情况下,从传感器阵列输出的高维响应中分离、识别不同振源的性质,对于大型结构振动分析及其状态监测与健康评价有着重要的意义.传统的去噪方法都存在信号的失真问题,从信号的独立性出发,采用ICA分离噪声信号,保证了信号的真实性,针对单一信号进行仿真,证实了ICA去噪的有效性.     

周期信号频谱分析演示CAI软件的编程实现

介绍了“周期信号频谱分析演示ＣＡＩ软件”的设计思路的编程方法。该软件采用辛甫生积分法计算周期信号的傅里叶系数，并由此给出相应的双边频谱图、傅里叶级数展开式及傅里叶系数表达式。此软件适用于周期信号频谱分析。     

OFDM雷达信号模糊函数分析

为了解决正交频分复用(Orthogonal frequency division multiplexing,OFDM)信号雷达波形设计的问题,推导了OFDM雷达信号的单周期模糊函数,给出了单周期模糊函数与调制码字序列的关系。讨论了多周期模糊函数,分析了其旁瓣特性,提出一种抑制OFDM信号雷达多普勒旁瓣的相参脉冲串处理方法。以Barker码作为调制码字序列,给出了仿真结果。与传统方法相比,该文的方法不需要对已调制信号进行计算,而直接由调制码字序列得到OFDM雷达信号的周期模糊特性。     

基于差分Poincaré映射的间歇混沌信号判别方法

针对混沌振子微弱信号检测中间歇混沌信号难以判别的问题,利用混沌系统的参数敏感特性,提出一种差分Poincar6映射判别方法,实现强噪声干扰下输出间歇混沌信号的判别.该方法选取周期激励幅值具有微小差异的两个混沌振子的Poincaré映射进行差值运算,利用周期状态下输出信号收敛,而混沌状态下输出信号分离的特点,降低了噪声对周期区域的影响,使可检测输入信号的信噪比达到了-87 dB.实验表明,在时域或Poincaré映射已经无法进行分辨的情况下,该方法仍然实现了检测系统输出间歇混沌信号的有效判别.     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

基于皮尔逊系统的语音信号盲源分离

当利用传统自然梯度算法对所有语音信号都使用同一个激活函数进行分离时,对语音信号的盲源分离效果都不尽理想.针对这一问题,采用基于皮尔逊系统的分段激活函数对传统自然梯度算法进行改进.通过引入皮尔逊系统,将皮尔逊函数与传统激活函数相结合,再利用信号的矩估计方法,分段选择合适的激活函数代入分离矩阵,有效克服了传统语音分离算法的缺点和不足.仿真结果表明,在对实际的语音信号进行分离时,改进算法的性能明显优于传统自然梯度算法,并且在保持了良好收敛速度的同时大大减少了均方误差.     

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。     

基于联合过完备库的信号分离及重构

在信号稀疏分解理论的基础上，提出了构建联合过完备库的思想。通过对包含不同特征成分的过完备子库进行联合构建联合过完备库，它包含丰富的待分解信号的信息，复合信号在其上具有更好的稀疏性，同时由于每个分量信号在各自的过完备子库上均具有稀疏性，利用基追踪算法实现各个分量信号的分离和重构。仿真结果表明：联合过完备库对复合信号的重构以及分量信号的分离和重构具有较好地效果。     

核独立分量分析在盲源信号分离中的应用研究

提出利用核独立分量分析来分离混合语音信号的盲信号处理方法.介绍了基于核空间ICA的原理和基本算法,然后利用核独立分量分析算法和固定点快速分离算法分离了混合语音信号.试验结果表明:利用基于核独立分量分析的方法可以得到较为理想的分离效果.     

基于时延估计波束形成预处理的实时语音盲信号分离研究

针对现有盲信号分离算法,在真实环境下性能会降低及计算量大而难以实时处理的局限性,提出一种将基于时延估计的波束形成与一种简单的去相关盲分离算法相结合的分离方法.在波束形成中,首先用互功率谱相位法对信号源到达传感器阵列的相对时延进行估计,然后进行延时对消,在此基础上再进行盲信号分离,并将该去相关盲分离算法推广到频域进一步降低计算复杂度.仿真实验表明,该方法简单可行并使得分离效果显著改善.     

双声道心音信号的欠定盲分离方法的研究

基于两路人体心声信号的专用检测平台,提出了一种针对双声道心音信号的欠定盲分离方法。首先对数据点进行频域聚类计算,利用观测信号中稀疏信号所表现出的特征对源信号个数进行分析,以实现对混叠矩阵的估计;然后根据观测信号的散列图分离出其中一路或多路源信号,从而使观测信号变为适定或者超定;最后用现有的适定或者超定盲分离方法分离剩余源信号。分别对一组人工混合信号和实际检测的双声道心声信号进行欠定盲分离实验,验证了本方法的有效性和可行性。     

一种单路混沌信号盲源分离方法

提出一种基于经验模态分解(EMD)对单路混沌信号进行盲源分离的方法.首先讨论了混沌信号的特征,利用EMD对信号进行分层并且得到独立子波函数,然后把独立子波函数加入到单路混合信号中,从而实现混沌信号的盲分离;最后通过混沌信号的分离实验,证明了本方法的有效性和可靠性.     

基于信息论的盲源信号分离在呼吸信号分离中的应用研究

从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题,独立分量分析是解决这一类问题的新技术.基于信息论算法中主流的Fast ICA算法能够对几组不同的信号进行分离,和其他算法相比有一定优越性,能完整地分离出肌电信号中含有的呼吸信号.     

基于信息论的盲源信号分离在呼吸信号分离中的应用研究

从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题,独立分量分析是解决这一类问题的新技术.基于信息论算法中主流的Fast ICA算法能够对几组不同的信号进行分离,和其他算法相比有一定优越性,能完整地分离出肌电信号中含有的呼吸信号.