信道重叠信号分离方法的发展与展望

单信道多个时频重叠信号分量的分离，即仅利用一个信道或阵元接收，进行多个时频重叠信号分量的分离，是一个非常具有挑战性的工作，具有非常重要的实际应用和理论研究价值．本文从单信道分量信号定义，到信号分量可分离性分析，再到分离方法，对单信道重叠信号分离这一问题的发展过程和最新研究进展，以及一些领域中的应用进行了系统的介绍，并进一步讨论了其面临的问题和挑战．     

共信道重叠多信号的分离识别

通信侦察面临越来越密集复杂的信号环境，共信道多信号的问题已经变得难以避免。特别是单信道多个时频重叠信号的分选和识别问题，在通信对抗中具有重要的研究意义和应用价值。本文综述了针对这一问题目前在方法上取得的研究结果和前沿发展情况，并阐述了对该问题的思考和看法。文中涉及多信号分量的可分离性和各类分离方法的基本思路，以及性能、应用和存在的问题。     

基于高斯模型和贝叶斯理论的单信道语音盲源分离

单信道盲源分离是盲信号分离的重要研究方向。针对单信道线性混合语音信号一次分离后不能完全消除干扰语音的问题,提出了基于子频率分量高斯混合模型与贝叶斯理论的多次盲源分离方法。首先,对源语音的子频率分量分别进行训练,建立高斯混合模型;然后,应用贝叶斯理论从混合语音中首次分离源语音,并针对一次分离后目标语音中仍混有干扰语音的问题采取多次分离的方法,实现尽可能的彻底分离。实验结果表明,这种方法取得了良好的分离效果。     

基于信源数目估计的超定盲信号分离

针对盲信号分离中信道噪声大、信号分离效果差等问题,在传统主分量分析和特征值分解方法的基础上,提出了一种基于信源数目估计的超定盲信号分离方法。首先,采用主分量分析和最大似然估计方法分别对混合矩阵和噪声协方差进行估计,用于对信道噪声的估计与去除;然后,采用交叉验证法对源信号维数进行估计,实现盲信号分离。为了验证提出算法的分离效果,对轻拖尾与轻拖尾混合信号以及重拖尾与轻拖尾信号混合情况进行仿真实验验证,结果表明该算法具有良好的分离效果。     

基于模型拟合的重叠信号盲分离方法

本文提出一种多信号分离方法.方法利用多项式相位拟合估计信号相位,构建了多信号分离模型,从而把多信号分离转化为序列和信道参数估计问题,然后利用序列和信道参数估计的方法进行多个信号的幅度和相位的联合估计.利用估计得到的序列和信道参数恢复多个信号各自的相位和幅度,从而对多个信号进行分离.该方法只需利用单个信道接收,并能够对完全重叠的多个信号进行分离.仿真和实际实验证明了方法的优异性能.     

双/多基地综合脉冲孔径地波雷达的信道化接收技术研究

双/多基地综合脉冲孔径地波雷达在发射站为多载频信号同时辐射,在接收站综合形成发射方向图之前需要对各发射信号分量进行分离.尽管采用数字混频和低通滤波器组可以对各发射分量进行分离,但运算量太大,难以实时实现.为此提出采用多相滤波器组信道化接收技术,设计该雷达的多相滤波器组信道化接收机.这种多相滤波器组信道化接收机与低通滤波器组信道化接收相比,运算量减少N²倍(N为信道数).最后给出了该雷达试验系统的实测数据处理结果,验证了这种多相滤波器组信道化接收技术在该雷达信号处理中的有效性.     

独立分量分析在多参数控制信号分离中的应用

在多参数控制系统中,控制信号由多路输入信道传输给控制单元。由于信道之间存在相互干扰,因而系统的输出受到影响。通过对输入信号的分离,去除信号之间的相互影响,恢复原始的控制信号,能够提高控制系统的性能。独立分量分析是一种盲源分离的方法,对其进行了简要介绍。用此方法对多参数控制系统输入信号进行分离,恢复出原始控制信号。通过大量的仿真试验,验证了此方法的有效性。     

STBC块传输系统中的一种新型分集合并算法

该文在二发一收的空时分组码(STBC)单载波块传输系统中,提出一种空时和多径分集合并接收算法。通过基于STBC的单载波频域均衡(STBC-SC-FDE)算法得到对发送信号的估计,以此和信道状态信息(CSI)分离接收信号中的各多径分量,对各多径分量分别采用STBC合并,最后再将各多径分量的合并输出结果按照最大比(MRC)的方式进行合并,从而实现空时二维RAKE接收。该算法在较低的计算复杂度情况下,可以同时获得发射分集和多径分集,Monte Carlo仿真验证了该算法的性能。     

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

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。     

基于能量峰区域时频滤波的信号估计

本文提出了一种基于能量峰时频区域滤波的信号估计方法。首先,设计了一种基于能量阈值的时频区域提取方法,识别出信号在时频面上的能量峰,并提取出能量峰所占据的时频区域;利用线性时频滤波器获取信号中的分量,将这些分量的时频分布叠加得到改善的时频分布。仿真结果表明,对于由时频不相交分量组成的信号,本方法可以分离出其中的信号分量,并能得到较优的时频分布。     

基于周期截断数据矩阵奇异值分解的干扰抑制技术

针对现有适用于单天线接收机的干扰抑制技术难以为周期调频(PFM)干扰和卫星导航信号提供足够分离度,导致消除干扰成分时卫星导航信号损伤较大的问题,该文提出一种基于周期截断数据矩阵奇异值分解的干扰抑制方法。利用调频干扰信号的周期性把分散在较大带宽的能量集中到重排数据中几个甚至单个频点;进而采用奇异值分解(SVD)将干扰与期望信号映射进不同的投影子空间以消除干扰成分。仿真结果表明该方法可以降低在剔除干扰时卫星导航信号损失,提升卫星导航接收机对抗宽带周期调频干扰的能力。     

动态出现和/或消失时频信号的模型和分析

针对动态出现和/或消失的时频信号,本文提出了一种时频模型和分析方法.该模型以时频信号各分量的幅度和相位为状态变量,并利用多项式预测模型为它们建立起状态方程,再视多分量混合时频信号的观测为测量方程,这就为多分量时频信号建立了状态空间模型.为了应对时频信号分量动态出现和/或消失的情况,本文利用非参数迭代自适应谱估计方法对时间加窗的信号进行分析,得到该时间窗内的短时谱,以该短时谱中噪声谱的3倍标准差准则来确定信号分量的数目.由此,基于提出的模型,就可利用无迹卡尔曼滤波算法来分析动态出现和/或消失的时频信号.分析和仿真均表明：提出方法无论在精确度、分辨率以及交叉时频谱分离等方面均优于文献报道的方法.     

FMmlet变换在信号分离中的应用

具有非线性时频关系的多分量信号的频谱占有较宽的频带，并且各信号分量的频谱常常互相交叠，因之难以用常规的滤波方法将各信号分量分离，将信号与背景噪声分离亦非易事，由于FM^mlet变换的原子能匹配信号的线性和非线性时变成分，因此本文提出采用FM^mlet变换进行信号分离，实际算例结果印证了本文方法的有效性。     

基于稀疏分量分析的振动信号源识别方法

振动传感器接收的信号往往包含不同部件的振动信号和环境噪声,为了从少量振动传感器的接收信号中识别信号源数和各频率分量,提出了一种基于稀疏分量分析的欠定盲源分离方法。该方法首先对混合信号进行时频变换,通过主成分分析提取各个时频点邻域的局部主成分,筛选出单源域特征数据。然后利用余弦距离改进聚类验证技术与模糊聚类算法,对振动源个数进行识别、对聚类参数进行更新,获得信号源数和混合矩阵估计。最后用一系列最小二乘法从混合信号对应的时频点中抽取出源信号。通过仿真实验和实测数据实验验证了本文方法的有效性和稳健性,相比经典时频比方法得到了更稳健、更精确的分离结果,这有助于对机械振动源进行识别和定量评估,以方便后续进行机械状态监测和减振降噪处理。      

基于Deeplabv3网络的飞机目标微动信号分离

针对空中飞机目标的微多普勒效应提出一种基于时频图与深度神经网络分离直升机、螺旋桨和喷气式三类飞机旋转部件和机身的方法。本文从飞机目标时频图像素差异着手,根据深度学习语义分割网络提取飞机目标时频掩膜图,将掩膜图与飞机目标多分量时频矩阵进行乘法拟合,实现三类飞机目标多分量信号分离。通过建立的仿真数据集进行多组实验,结果表明对飞机目标多分量信号,深度学习语义分割网络提取时频掩膜的方法能够很好地分离机身和旋转部件信号,并起到抑制杂波的效果。     

Comparison of the non linear energy operator and the Hilbert transform in the estimation of the instantaneous amplitude and frequency

The instantaneous amplitude (ai) and frequency (fi) parameters of a biomedical signal can be useful for identification of signal physiological states or state changes. In this article the features ai and fi of simulated and experimental (real EEG and ECG) signals, are estimated using three methods: one based on the Hilbert Transform (HT), a modified version of this that improves the fi estimation in experimental signals (HTM), and the energy separation algorithm (DESA1), based on Teager’s energy operator (TEO). The algorithm comparison is made using the average relative error obtained in the signals’ demodulation process, their noise sensitivity, and computational efficiency. The obtained results showed that the HTM method produces the least fi estimation errors in noisy signals, and depending on the kind of signal considered, DESA1 and HTM methods produce the least ai estimation errors.     

一种基于ICA的盲信号分离快速算法

基于ICA(独立成分分析:Independent Component Analylsis)原则,给出一种盲信号分离的快速学习算法.通过寻求观测变量线性组合的四阶累积量(即kurtosis系数)局部极值,得出该算法的模型和步骤.将该算法用于盲信号分离实验,实验结果表明,该算法在盲信号分离和信号特征提取方面具有收敛速度快、无需动态参数等优点.该算法能有效地分离出任意分布的非高斯盲源信号的各个独立成分,是信号处理的一种新的、高效可靠的方法.     

多人声混叠语音信号的盲源分离算法研究

介绍了一种基于峭度的盲源分离算法,利用峭度极大来度量极大化非高斯性,通过渐进正交化的不动点迭代找到独立成分,并对带噪多人声混叠语音信号进行分离仿真,从而提取出感兴趣的目标语音,验证了该算法的可行性;通过与其他盲源分离算法的分离结果进行定性和定量的对比分析,验证该算法的有效性和应用前景.     

Energy separation in signal modulations with application to speechanalysis

An efficient solution to the fundamental problem of estimating the time-varying amplitude envelope and instantaneous frequency of a real-valued signal that has both an AM and FM structure is provided. Nonlinear combinations of instantaneous signal outputs from the energy operator are used to separate its output energy product into its AM and FM components. The theoretical analysis is done first for continuous-time signals. Then several efficient algorithms are developed and compared for estimating the amplitude envelope and instantaneous frequency of discrete-time AM-FM signals. These energy separation algorithms are used to search for modulations in speech resonances, which are modeled using AM-FM signals to account for time-varying amplitude envelopes and instantaneous frequencies. The experimental results provide evidence that bandpass-filtered speech signals around speech formants contain amplitude and frequency modulations within a pitch period