基于盲分离的混沌保密通信技术

针对实现欠定条件下线性混合的混沌信号的盲分离非常困难的问题,提出一种保密通信方案。在发送端利用密码序列对混沌信号加密并构造出欠定的盲分离模型;在接收端先用密码序列将欠定问题变为正定问题,最后利用盲分离技术解密和重构出源混沌信号。分析和仿真结果表明,该保密通信系统保密性强和精度高,并在强信道噪声干扰条件下依然有效。     

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。     

乘性噪声消除的同态变换盲源分离算法

为消除乘法性观测噪声，利用独立分量分析的冗余取消特性，提出一种基于同态变换盲源分离（BSS）的消噪新方法.通过对原始观测信号的同态变换--对数变换，将乘法性噪声转变为加法性噪声.引入经过相同对数变换的虚拟噪声分量，将变换后的一维观测信号扩展为多维观测.依据最大化估计分量间独立性的准则（由高阶累积量构成）对多维观测实施盲源分离.最后，联合指数逆变换及输出信号校正处理，实现真实信号的估计，从而消除原始观测中的乘法性噪声.仿真消噪实验结果表明，该方法可有效地消除观测信号中的乘法性噪声.与同态滤波等传统的乘性噪声消除技术相比，新方法不仅实现简单，运算效率高，而且可以方便地扩展应用于多维观测信号的噪声消除.     

盲稀疏源信号分离算法的恢复性研究

基于一种两步稀疏表示的方法,利用随机框架讨论欠定盲源分离的恢复能力.盲稀疏源信号分离算法一般假设源信号是充分稀疏的,讨论了在源信号不充分稀疏的情况下欠定盲源分离的恢复能力的概率估计,进一步刻画了源的稀疏性与恢复能力的关系,揭示了利用两步法处理盲源分离问题的有效性.     

一种基于AR模型的非线性盲源提取方法及其应用

针对非线性盲源分离中非线性问题转化为线性问题,提出了一种基于AR模型的新方法。该方法在已知源信号的AR模型前提下,不但能够处理源信号的分离问题,还能够提取特定源信号,而后者是原来方法不具备的。从语音信号的非线性混合中提取源信号的仿真实验证实了该算法的有效性。     

调制故障源信号盲分离的经验模态分解法

针对非线性、非稳态、含噪原始信号混合且混合信号数目小于源信号数目的旋转机械调制故障源信号盲分离问题，提出了一种基于经验模态分解(EMD)和主成分分析(PCA)相结合的方法.对混合信号进行经验模态分解提取嵌入在信号中的所有振荡模式，应用主成分分析方法对所提取的模式进行共性分析，得到模式中的主要成分.利用该方法对仿真数据和两通道滚动轴承加速度振动数据进行了分析，结果表明，该方法能够有效突出旋转机械的故障特征频率成分，避免了误诊断，且适用范围优于独立分量分析方法.     

适用于时变信道环境的盲源分离算法

针对时变信道环境下的盲源分离问题,在现有实时盲分离算法的基础上,提出了两种适用于时变信道环境的实时盲源分离算法——基于优选函数EASI盲分离算法(EASI-function)和基于选优函数的峭度变步长盲分离算法(EASI-function-KVS)。EASI-function算法在信号分离的不同阶段采用不同的估计函数,从而使得算法在收敛速度和稳态性能两方面获得一个折中。EASI-function-KVS算法则在EASI-function的基础上,利用峭度变步长的思想,自适应地调整迭代步长大小,进一步改善分离算法性能。仿真结果表明,两种算法能有效地跟踪信道变化,并且在性能方面比传统的EASI算法要好。     

基于独立分量分析算法的DS-CDMA盲多用户检测

由非高斯性测度入手,在定义的代价函数中加入包含了期望用户扩频码这个先验信息的修正项,对代价函数进行梯度优化,导出一种基于独立分量分析的多用户检测器．仿真结果表明,该算法在高斯白噪声信道中具有良好的性能．     

稀疏信号的参数分析

对于服从广义高斯分布(Generalized Gaussian distribution,GGD)的稀疏信号进行了参数分析.首先给出了广义高斯分布信号的一些性质,通过对信号等高线的分析,导出了计算稀疏性参数的公式,通过该公式的计算可以得到,对Laplace信号稀疏性参数为1,对Gauss信号为2.参照Laplace信号和Gauss信号,对于给定的服从广义高斯分布的信号,通过稀疏度量的计算可以直观地知道它究竟多么稀疏.实例表明只有当信号充分稀疏时才能通过稀疏表示方法实现欠定盲源分离.     

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...     

基于EEMD-JADE的桥梁挠度监测中温度效应的分离

针对桥梁挠度各成分的分离问题,提出一种基于EEMD-JADE的单通道盲源分离算法。首先,利用传统的集合经验模态分解法（Ensemble Empirical Mode Decomposition,EEMD）将单通道的桥梁挠度信号分解为一系列线性平稳的本征模函数（Intrinsic Mode Function,IMF）;然后,采用基于能量熵增量的判别法识别并剔除虚假的IMF分量,将能量熵增量较大的IMF分量组成盲源分离模型的输入信号;最后,采用矩阵联合近似对角化（Joint Approximate Diagonalization of Eigen-matrices,JADE）算法对输入信号进行盲源分离。JADE算法在源信号频率差异较小且频率有所混叠的状况下也能较好地分离出源信号,但要求观测信号数必须大于等于源信号数目;EEMD具有良好的自适应性,能够将单通道的混合信号进行多尺度分解,形成多通道信号,但分解结果存在端点效应与模态混叠。JADE算法能够解决EEMD分解结果存在的端点效应与模态混叠问题,且EEMD也解决了JADE分离算法的先决条件。两种算法优势互补,能够较好地分离出各挠度组分。通过有限元软件Midas/civil建立了背景桥梁模型,经仿真分析得到了各单项因素作用下的桥梁结构响应,并将其叠加在一起作为待分离的混合挠度信号。仿真信号分离的结果与源信号的相关系数均在0.98以上,说明分离效果较好。最后,采集实测挠度信号进行分离,处于对称位置测点分离出的各挠度组分的相关系数均在0.9以上,证明了该算法的适用性。     

一种新的盲源分离拟开关算法

针对电子战中各种信号混叠严重难以分离的现象,在盲源分离开关算法基础上提出一种新的盲信源分离拟开关算法.该算法引入单位对称加权滑动向量来加权每次迭代所得的分离信号作为源信号,用峭度取代原算法的峭度符号位作为判断函数来自适应选择加权相应激活函数,以此优化学习算法,结合信号分选的具体应用,给出了迭代结束的评判方法.计算机仿真实验表明,在强噪声背景影响下,该算法能够更加有效地分离空间未知多源线性混叠信号,且在分离效果、稳定性、处理速度和抗噪性能上都比原算法有较大改进.     

利用奇异值分解的鲁棒盲信源分离

利用Amari等提出的估计函数分析了在最小化非线性主分量标准的意义上分离矩阵的最优解,将其描述为归一化的输入与非线性输出的互相关,提出了一种采用奇异值分解的鲁棒盲信源分离方法．该方法将分离矩阵的估计解释为一种非线性的能量迭代问题．在求解过程中对能量项进行了奇异值分解,从而避免了归一化矩阵的求逆以及计算平方根问题,减小了运算量．由于使用了能量项的正定逆平方根来归一化分离矩阵,因此提高了算法的鲁棒性,并且在每一步迭代中都能使分离矩阵保持正交．实验仿真验证了算法的性能．     

一种基于恒模特性的突发混合信号多通道盲分离算法

文章建立了突发混合信号多通道盲分离模型,指出混合矩阵估计可以转化为混合信号幅度估计进行求解。突发信号通常属于恒模调制信号,其混合信号与未混合信号在幅度上存在明显差异。基于信号的恒模特性,提出了一种基于混合位置估计的多通道盲分离算法。该算法先通过混合信号的幅度最大最小值对混合位置进行估计,然后利用混合部位的最大最小值以及未混合部位的单个信号幅度值来进行幅度估计,提高了混合矩阵的估计精度。与传统盲分离算法相比,文章算法复杂度低,且消除了不确定性带来的不利影响。仿真表明,该算法所需数据量小,估计精度高,接近混合矩阵完美估计下的盲分离性能。     

非参数GKNN估计的高效独立成分分析算法

基于概率密度非参数估计的广义k-最近邻估计(GKNN)和线性独立成分分析(ICA)神经网络,提出了一种新的ICA非参数算法,实现了对源信号分布的全“盲”要求．传统的ICA算法不能分离一般的包括超高斯、亚高斯和非对称分布的杂系混合信号,因此它们需知道源信号的一些信息．基于GKNN的非参数密度估计直接由观测信号样本出发,实现了对分离信号评价函数的直接估计,从而在一定程度上解决了ICA算法中如何选取估计信号评价函数的难题．所提算法可以只用一种灵活的评价函数分离任意的杂系混合信号,该算法为ICA的更广泛应用铺平了道路．模拟实验从统计性质和计算时间说明了所提算法性能的优越性．     

噪声环境下基于胎心电检测信号相关性判别的盲分离分析

胎心电是目前研究的一个热点.基于线性叠加盲分离模型,孕妇腹部的胎心电检测信号在原理上是可以通过盲分离算法进行分离的.然而临床复杂的采样环境往往会破坏信号的线性叠加特性导致一般盲分离方法难以提取出微弱的胎心电信号.为此,本文提出了一种带噪情况下基于判断多路孕妇腹部混叠信号是否满足时域稀疏线性叠加特性判决方法.通过现有的心电检测手段,找到孕妇腹部混叠心电信号的稀疏区域并计算信号间的相关性,以度量多路信号的稀疏线性混叠程度.仿真结果表明,本文提出的基于胎心电检测信号的判别方法直观地反映了多路信号间的混叠线性程度,可为FastICA算法在胎心电的应用提供一个前期的判断依据,以便获得更优的分离效果或选择另外的盲分离算法.     

基于经验特征函数的盲源信号分离法及应用

从盲源信号分离后非高斯性最大化出发,提出了一种基于经验特征函数的盲源信号分离方法.该方法把经验特征函数与概率密度函数一一对应,并以混合信号与高斯信号的经验特征函数的欧氏距离最大化作为判据,以固定点算法为优化算法进行盲源分离.该方法克服了FastICA算法中选取不同的近似函数对不同概率密度分布的信号效果不佳的问题.仿真实验结果表明,与常用的几种FastICA算法相比,该方法具有更好的收敛效果.采用新的盲源信号分离方法对管道破坏产生的实际声发射信号进行分离,可将破坏点互相关定位精度提高到3%以上.     

含噪独立分量分析的期望最大化算法

把期望最大化(EM)算法应用到含噪ICA模型中,即假定源信号具有统计独立性,并将其放在贝叶斯估计框架中,提出一种解决含噪独立分量分析(ICA)的期望最大化(EM)算法。在含噪ICA模型中,假设源信号的均值和方差服从更为一般的均匀分布,提出的EM算法将混合矩阵和超参数交替进行处理,可以有效地估计混合矩阵和超参数在一定模型下的模型参数,从而能够估计出源信号。仿真结果说明,该方法能够很好地解决含有噪声ICA模型下的盲源分离问题。     

一种峭度宽松开关盲分离算法

该文在盲分离开关算法的基础上提出一种峭度宽松开关算法.该算法用峭度作为激活函数中的开关量分析随机变量的高斯性,解决了原开关算法中衡量参数的不稳健性.该算法与盲分离开关算法和扩展的Infomax算法的仿真实验比较表明,新算法具有更好的分离效果和抗噪声能力.     

DEBBSS信号源盲分离算法的研究

在基于人工神经网络的信号源盲分离算法中,普遍需要使用通过源信号的概率密度函数定义的评价函数（score function）作为网络的激活函数（Activation function）.由于信号源未知,因此无法获得有关评价函数的信息,传统的方法是利用某些特定的非线性函数来替代源信号的评价函数.这种利用非线性函数替代源信号评价函数的方法能够成功地实现同系混合（homogeneous mixture）信号的盲分离,但都不能分离杂系混合（hybrid mixture）信号.文献[1]利用非参数法概率密度函数估计的核函数方法,通过对源信号评价函数的直接估计,提出了一种基于概率密度函数估计的DEBBBS算法,成功地解决了非线性函数替代方法存在的不能分离杂系混合信号的问题.笔者通过数值仿真,比较了DEBBBS算法与著名的EASI算法,证明新算法分离杂系混合信号的有效性.同时,也进一步将DEBBSS算法与同样能够分离杂系混合信号的EXTICA算法进行了比较,计算机仿真过程证明,即使与同样能够分离杂系混合信号的EXTICA算法相比,DEBBSS算法在算法的有效性和稳定性方面也表现出优异的性能.