一种基于核函数的杂系盲源分离算法

本文提出了一种基于核函数的杂系盲源分离算法,即KFBSS算法。该算法通过引入非线性核函数和平滑参数h,将分离信号进行非线性核映射,最优化平滑参数h,同时更新混合分离矩阵,通过不断迭代学习,对混合信号进行盲源分离。仿真结果表明,与EASI算法、白化算法、自然梯度算法相比,本文方法能更有效的分离同系混合或杂系混合信号,收敛速度更快,且能够适应于非平稳环境,具有一定的实用性。     

频率偏移和符号定时误差的盲估计方法

提出一种适合于频率选择性多径衰落信道的频率偏移和符号定时误差的盲估计方法,该方法主要利用由过采样接收信号所引入的二阶循环平稳特性.通过理论分析,建立了接收信号的循环自相关函数与频率偏移和定时误差之间的关系,在此基础上,导出了频率偏移和定时误差的盲估计算法.本文算法的主要特点是不需要训练序列,而且不依赖于信道衰落和加性噪声的分布特性（时间相关或无关,高斯或非高斯）,特别是它适用于信号星座图为圆形分布或非圆形分布的线性调制信号.通过Monte Carlo仿真实验,在各种不同的条件下对本文提出的盲估计算法的性能进行比较,表明了它的有效性.     

NGA实现互信息量最小化的盲源分离

提出了一种新的盲源分离算法,该算法通过自然梯度算法实现互信息量最小化,从而达到盲源分离的最佳效果。由于互信息量具有度量分离信号的循环相关矩阵和单位阵的相似程度的特性,最小互信量标志着分离矩阵最佳的状态。通过自然梯度寻优算法来实现互信息量的最小化,从而得到理想的分离矩阵。仿真结果表明算法对具有循环平稳特性的源信号分离效果显著,且收敛速度快。     

PID控制原理在语音信号盲源分离中的应用

语音信号在非平稳系统中是动态混合的,为了实时抑制盲源分离过程中的非平稳混合扰动,加快收敛速度,减小稳态误差,提出了一种应用PID控制原理的自适应盲源分离算法。依据一种无预处理的自适应盲源分离算法建立PID控制模型,调节学习速率,跟踪语音信号的分离过程,实时减小由非平稳混合引入的分离误差,动态更新分离矩阵。在混合矩阵缓变和突变两种情形下分别对PID参数整定和语音信号的分离进行仿真分析,结合经典算法对比提出算法的性能。仿真与对比结果表明,提出的算法适用于非平稳混合系统语音信号的分离,算法性能较经典算法有改善。     

基于改进的萤火虫优化算法的混合语音盲分离

针对传统盲源分离优化算法对分离性能影响较大的局限性,提出了一种基于改进的萤火虫优化的混合语音盲分离算法。将萤火虫的飞行跨度由固定取值变为由新构造的函数自适应调整,在加快收敛速度的同时避免算法早熟现象的发生。实验结果表明,与基于自然梯度、标准萤火虫和粒子群优化的盲分离算法相比,新算法对混合语音信号的分离效果较好,在收敛速度和分离能力方面都有所提升。     

基于过采样的归一化累积量盲均衡算法

传统的波特间隔均衡器只能补偿接收信号混叠的频率响应特性,并不能补偿信道畸变。针对这一问题提出一种基于过采样的归一化累积量算法,先对接收信号进行过采样,再利用变步长自适应调整均衡器的抽头系数,不仅能避免算法陷入局部最优,而且还能有效补偿信道畸变。仿真表明:引入过采样和变步长的盲均衡算法,有效地提高了收敛速度,降低了稳态剩余误差。     

基于自组织神经网络的非平稳信号盲分离

针对具有二阶非平稳特性的源信号盲分离问题,提出一种基于自组织神经网络的在线盲源分离新算法.利用自组织神经网络构建一种多层盲分离网络模型,以网络输出层信号的相关性为代价函数,采用自然梯度原理对网络参数进行学习,最小化该代价函数从而实现信号分离.将多层自组织神经网络和自然梯度原理相结合,提高了分离算法的灵活性和性能.最后将该算法与其他算法进行了仿真对比,仿真结果表明该算法具有较好的收敛精度及稳定性.     

传输损耗条件下基于循环平稳检测的空时分组码盲识别方法

针对传输损耗条件下空间复用（SM）和Alamouti空时分组码的盲识别问题,提出一种单接收天线下的基于循环平稳检测的盲识别算法。首先通过理论推导,证明Alamouti空时分组码具有循环频率的特性;然后,求取接收信号的四阶循环累积量来观察循环频率;最后使用循环平稳检测的方法,构造检测不同空时分组码循环频率的假设检验,从而对2种码的接收信号进行区分。该方法可在单接收天线下进行,蒙特卡洛仿真结果表明,该算法不需要预先知道信道信息、调制方式、载波相位和时间偏移,不需要精确知道载波频偏,识别效果较好。     

适合盲提取的自适应遗传算法

对盲分离问题中存在收敛速度慢、精度不高和容易陷入局部最优等缺点进行了研究,提出了一种基于改进自适应遗传算法的快速盲提取算法。在负熵判据的基础上,建立了最小化独立信号边缘熵准则。以盲提取目标优化函数为基础,对遗传算法的关键技术进行了改进,同时提出一种适合盲信号提取的适应度函数和防止算法局部收敛的监测策略,使算法能够自动跳出局部最优,快速地收敛于全局最优解。以改进的自适应遗传算法作为寻优算法,快速地实现了瞬时混合信号的盲提取。仿真实验表明,该算法性能稳定、收敛速度快,得到了全局最优解,有效地实现了信号盲提取。     

基于时-频分析的语音盲分离算法

在时-频分析算法中,窗长的选择对分离语音信号的性能有着重要的影响。文章详细介绍了基于时一频分析的语音盲分离算法,并用MATLAB仿真分析了不同窗函数、窗长的选择对分离信号性能的影响.实验证明,对于语音这种短时平稳信号,用时-频分析盲分离算法分离混合语音信号时,窗长选择为256时可取得最佳的分离效果。