回溯式在线EASI盲源分离算法

针对现有的在线盲源分离算法在时变混合矩阵突变后初始阶段分离精度低的问题,提出一种改进的在线盲分离算法。该算法通过检测误差函数的变化来确定时变混合矩阵的突变点,并利用突变前收敛较好的分离矩阵对之前的观测数据进行回溯分离。仿真结果表明,对于具有间歇式突变的时变混合环境的场景,相较于传统在线盲分离算法,提出的回溯式在线EASI盲源分离算法能提高分离初始阶段的分离精度,有效地跟踪混合矩阵的突变。      

基于ICA的快速定点算法

介绍了独立分量分析(ICA)的模型定义、数学原理等基本问题.在分析ICA基础上引入了固定点算法(FastICA).FastICA算法收敛速度快,迭代次数由传统算法的2 000次减少到3～10次.实验表明,FsatICA具有良好的盲源分离性能和鲁棒性.     

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。     

低信噪比下雷达通信一体化信号接收分离算法

在雷达通信一体化系统中，针对传统的信号分离算法由于信号存在噪声而导致分离效果不理想的问题，提出一种低信噪比下雷达通信一体化信号接收分离算法。针对观测信号存在噪声的问题，提出一种Denoising Attention Convolutional Neural Network(DACNN),与传统的DnCNN相比，融入通道注意力机制来增强其对不同通道间特征的学习总结能力；对去噪后的信号采用改进的三阶收敛FastICA算法进行分离。仿真实验表明，提出的分离算法相较于传统的信号盲源分离算法在观测信号含噪情况下仍能具有较好的分离效果。     

基于快速独立分量分析的多分辨率遥感图像融合算法

独立分量分析作为盲源信号分离的一种有效的方法在许多方面获得成功应用.讨论了独立分量分析的基本原理、目标函数选择和算法,并在此基础上,对快速独立分析算法FastICA的核心迭代过程进行改进,得到M-FastICA算法,改进算法减少了独立分量分析的迭代次数,从而提高了算法的收敛速度.最后将M-FastICA算法应用到遥感图像的融合上,实验结果表明,改进算法在融合效果相当的前提下,收敛速度更快.     

基于MIMO-OFDM系统的盲源分离算法研究

为了实现使用OFDM调制的MIMO系统的盲源分离问题,提出了在接收端使用Nyquist频率对接收到的信号进行采样的,从而将原始的MIMO-OFDM系统盲源分离问题转变为N组的独立分量分离的问题.通过将FastICA算法扩展到复数域,在频域中对每一组相同子载波上的信号进行独立分量分析,最终实现信号的盲分离.仿真实验获得的结果证实了该方案具有良好的恢复效果,且算法收敛的迭代次数只需要8～10次.     

DS/CDMA多用户检测盲自适应梯度算法的改进

本文在直接序列/码分多址(DS/CDMA)系统盲检测自适应梯度算法(BAG)的基础上,提出了一种多用户检测盲自适应梯度算法的改进算法(IBAG).BAG算法包括自适应梯度算法(TBAG)和时变自适应梯度算法(TIBAG),TBAG算法的跟踪特性较好,但起始收敛特性不好;TIBAG算法的收敛特性较好,但跟踪特性较差,几乎不具备跟踪能力.本改进算法结合了这两种自适应梯度算法的优点,在不增加算法复杂度的前提下,使其收敛性和跟踪特性较BAG算法有所提高.     

基于改进人工蜂群算法的盲源分离方法

 针对现有盲源分离方法大多存在收敛速度慢、分离精度低的问题,提出一种基于改进人工蜂群(Artificial Bee Colony,ABC)算法的盲信号分离方法.在ABC的邻域搜索公式中自适应调整步长,并加入全局最优解指导项,增强局部趋化性搜索能力.改进的ABC算法保持了ABC全局搜索和局部搜索之间的平衡,使ABC算法可以达到更好的寻优效果,从而提高盲源分离算法的分离精度和稳定性.实验结果表明,提出的改进盲源分离算法可以有效地分离线性瞬时混合信号.与其它算法相比,该算法具有更优异的分离性能,并具有更快的收敛速度.     

基于RobustICA的盲分离干扰抑制算法

针对快速定点(FastICA)盲分离窄带干扰抑制算法对野点敏感和容易陷入鞍点或局部极值点的问题,提出了一种基于独立成分分析(RobustICA)的盲分离窄带干扰抑制算法。该算法采用精确线性搜索与代价函数峭度相结合,对峭度进行全局最优搜索,增强了对野点和局部点的鲁棒性。仿真结果表明,该算法抗强音频窄带干扰性能更优,在信噪比为-14 dB~-11 dB时将分离矩阵成功收敛的概率提高了1个数量级,增强了盲分离窄带干扰抑制算法的可用度。     

一种基于匹配追踪的语音盲源分离算法

研究基于Gabor的过完备字典的匹配追踪（Matching Pursuit,MP）稀疏分解算法,首先对混合语音信号进行稀疏分解。针对传统MP算法运行时间长,占用存储范围大以及语音信号稀疏分解特性的特点,利用快速傅里叶变换（Fast Fourier Transformation,FFT）的MP稀疏分解缩小了最佳原子的搜索范围,提高运行速度。然后基于峭度的自适应盲源分离算法,通过自适应地学习算法中的激活函数最终实现语音信号的盲源分离。此算法经过仿真实验,证明分离效果比传统算法有了一定的改进,实验结果证实算法的有效性。     

基于松弛改进FastICA算法的星基ADS-B信号分离

星基广播式自动相关监视(Automatic Dependent Surveillance-Broadcast,ADS-B)系统覆盖空域广,星载接收机所接收的信号信噪比低、信号间的功率差异小,ADS-B报文在接收机处的冲突更加严重,对信号分离算法提出了更高要求。针对基于负熵的快速独立成分分析(Fast Independent Component Analysis,FastICA)算法存在的局部极大值和收敛依赖于初始权值的问题,在FastICA算法中引入了松弛因子,采用松弛改进的FastICA算法对星基ADS-B信号进行分离。阐述了松弛改进FastICA算法对星载ADS-B接收机接收到的混合信号进行分离的机理,并进行了仿真实验,通过相关系数、迭代次数和误码率比较了松弛改进FastICA算法、经典FastICA算法和投影算法的性能。仿真结果表明,松弛改进FastICA算法能更有效地分离星基ADS-B混合信号。     

基于含噪复值ICA信号模型的快速不动点算法

复数快速不动点算法亦称为复数FastICA算法,是盲信号分离的一类重要算法。然而,该算法对被噪声污染的混合源的分离效果较差,尤其是在低信噪比的情况下。这主要是由于在噪声环境下,被白化过后的信号样本的相关矩阵不再是单位阵而是一个对角矩阵。该文基于复信号快速不动点算法,首先将基于含噪复值ICA信号模型的混合源投影到信号子空间,以便进行去噪和去相关处理,然后对现有的复数FastICA算法的学习规则做了修正,从而在迭代更新过程中考虑了噪声的影响,因此将显著提高复数FastICA算法的盲信号分离性能。文中给出了去噪非圆信号nc-FastICA算法的推导和步骤,仿真结果说明了该算法的有效性。     

基于盲信号分离的同频信号的串行分离技术

传统的时域和频域处理等方法很难分离多个频域的混叠信号,文中提出一种利用盲信号分离技术串行分离同频信号的新方法——FastICA盲分离算法。该方法充分利用盲信号分离技术不需要知道信号先验信息的特性,能正确地、一个一个地分离出在频域中混合在一起的信号,且能分离功率相差100万倍的同频信号。在存在比信号功率大得多的高斯白噪声情况下,FastICA盲分离算法具有良好的分离性能。     

基于S形函数的变步长LMS算法

针对定步长LMS算法在收敛速度、时变跟踪能力和稳态失调噪声几个重要指标上不能兼顾的问题,引入人工神经网络中一种常用激励函数———S形函数,并将其应用于变步长LMS算法中。结合算法对收敛速度、精度及稳态失调噪声的要求,引入改变S形函数曲线曲率及收敛终值的2个参数：α和β。分析当α和β值固定时的情况,仿真结果表明定参数算法若其值选择不当会引起较大误差。按照步长值在时变阶段自适应增大,在稳态阶段步长很小的原则,构造了变参数α（n）和β（n）,仿真结果表明变参数算法兼顾多个参数,整体表现较好。     

A blind signal separation method for single-channel electromagnetic surveillance system

In this paper, a blind signal separation (BSS) methodology for simultaneously received multisystem frequency-overlapped signals in a single-channel (SC) electromagnetic surveillance system is proposed using fast independent component analysis (FastICA) in a dynamical embedding (DE) framework. Firstly, an appropriate DE matrix is constructed out of a series of delay vectors from the SC recording. The lag-time and the dimensional of embedding matrix setting principal are introduced in details. Next, multiple independent components (ICs) are calculated by decomposing the embedding matrix through FastICA algorithm, and ICs can be regarded as a convenient expansion basis of the original signals. Then, these ICs are projected back into the measurement space. After that, these projected ICs are classified and used for recovering the sources of interest based on their independent nature and their power density spectrum. Numerical simulation results obtained in evaluating the proposed methodology’s performance confirmed the effectiveness of the proposed algorithm.     

快时变OFDM系统中非采样间隔信道的信道估计

摘要：在快时变环境下的OFDM（orthogonal frequency division multiplexing,正交频分复用）系统中,针对非采样间隔信道CIR（channel impulse response,信道冲击响应）能量泄漏和ICI（inter-carrier interference,子载波间干扰）的问题,提出了一种基于分数抽头信道近似的复指数基扩展联合反馈离散傅里叶变换信道估计算法。该算法首先根据基于分数抽头信道近似的复指数基扩展模型计算信道参数,再根据该信道参数计算出快时变环境下OFDM系统的ICI系数,然后将初次消除ICI的信号作为反馈进行离散傅里叶变换,进一步消除噪声和ICI。该算法在一定程度上抑制了CIR能量泄漏,消除了ICI和噪声,有效地近似了实际信道。仿真结果表明,该算法在误比特率和信道均方误差方面均有明显提高。     

一种变步长的恒模均衡算法

针对时变信道需进行自适应均衡的要求，介绍了最常用的恒模算法（Constant Modulus Algorithm，CMA），并对该算法进行了改进，提出了一种步长因子μ与误差信号的e（n）之间另一种新的非线性函数，该函数较为简单，且在误差e（n）接近零处具有缓慢变化的特性，克服了CMA在收敛调整过程中的不足。同时给出了改进算法的仿真结果，计算机仿真结果与理论分析相一致，表明该算法提高了恒模算法的收敛速度，同时也保留了恒模算法较为稳定的性能。     

Wavelet-based linear system modeling and adaptive filtering

It is shown how linear time-varying systems can be modeled in several different ways by discrete-time wavelets or, more generally, by some set of functions. Interpretation of physical meanings, possible efficiency, and other characteristics of the modeling are considered. System identification minimizing the mean square output error is studied. Optimal coefficients and the corresponding minimum mean square error are found, and they are, in general, time varying. Least-mean-square adaptive filtering algorithms are derived for on-line filtering and system Identification. Theoretically and by simulations, the advantages of using wavelet-based filtering are shown: separation of adaptation effects from unknown time-varying system behavior and fast convergence. Adaptive coefficients estimated by a recursive-least-square algorithm can tend toward constants, even in the case of time-varying systems. Time-invariant system identification and adaptive filtering is given as a special case of the general time-varying setting     

独立分量分析算法的改进研究

独立分量分析是信号处理技术的新发展,本文对独立分量分析快速算法进行了研究,在分析FastICA算法的核心迭代过程的基础上,提出了改进算法M-FastICA,以改善了算法的收敛性能,减少算法的迭代次数.针对M-FastICA算法的收敛依赖于初始权值的问题,在算法过程中加入松弛因子,提出LM-FastICA算法,改善了算法对初始权值的依赖性.