一种新的基于广义特征值分解的盲信号分离算法

以矩阵的奇异值分解定理为基础,给出了一种基于广义特征值分解的盲信号分离算法,该算法以混叠信号的两个不同的方差矩阵为基础建立广义特征值问题,通过求解广义特征值问题的特征矢量来获得分离信号.该算法计算简单,避免了Para算法的不足,并能分离源信号中既有亚高斯信号又有超高斯信号的情况.仿真结果表明该算法是有效的,并具有很好的分离性能.     

盲信号分离的理论与发展现状

文章首先介绍了盲信号分离问题的起源、特征、含义,然后介绍了盲信号分离的原理和算法,最后介绍了盲分离研究的现状,探讨了盲分离研究仍存在的一些问题。     

盲信号分离及盲信号抽取研究

盲信号分离技术是将混合信号中的源信号分离出来的一种功能强大的信号处理方法,已成为信号处理领域的研究热点。阐述了盲信号分离的发展现状,介绍了盲信号分离问题的数学模型,给出了盲源分离的基本思想。对盲信号分离算法进行了研究,阐述了盲信号分离几种典型算法的特点及性能,对与盲信号分离紧密相关的盲信号抽取算法进行了总结,并对盲信号分离的进一步研究进行了展望。     

基于步长自适应的盲信号分离

本文提出一种在盲信号分离中利用模糊控制理论对步长进行自适应调节的方法，它可以使得原有的Ｈ－Ｊ算法具有更快的收敛速度，满足分离时变信号的要求，一些模拟结果证明，该算法是一种安全有效的算法。     

基于峰度自然对数最大化与奇异值分解的超定盲信号分离

提出了一种多个信号源的超定盲信号分离算法,该方法利用奇异值分解来确定信号源的个数,并把天线阵的接收数据影射到正交的信号子空间中进行降维处理,再通过峰度自然对数最大化准则,对多个信号源按峰度减少的顺序依次进行分离.学习速率用非线性函数进行调节,避免了人为选取不当而导致的算法发散.该算法收敛速度快,且有较强的稳健性.计算机仿真验证了算法的有效性.     

基于奇异值分解的超定盲信号分离

该文研究超定盲信号分离,即观测信号个数不少于源信号个数情况下的盲信号分离问题。作者 从分离矩阵的奇异值分解出发,首先提出一种基于独立分量分析的超定盲信号分离代价函数,接着推导了一般梯度学习算法。此后,借助于相对梯度的概念,证明超定盲信号分离与通常的完备盲信号分离具有相同形式的自然梯度算法。仿真试验验证了算法的有效性。     

基于盲信号分离的高分辨测向算法研究

文章首先介绍了一种基于快速定点的盲分离算法，该算法可以对来自不同方向上的统计独立信号进行有效的分离，并且不需要预先知道信号的方向和阵列的结构流形，因此该算法被称为盲分离算法。该算法不仅有传统的波束形成的优点，即在有用信号方向形成主波束，并且还能够在干扰方向形成很好的零点，所以该算法是波束形成技术和零点形成技术的结合，可大大提高信干比。在盲分离的基础上，文章提出了一种高分辨。测向算法，该算法在高信噪比的情况下，具有与MUSIC、ESPRIT和最大似然算法相似的分辨率，而在低信噪比的情况下，体现了该算法的优越性，具有很好的分辨率。     

基于PPSO-GRADS算法的盲信号分离

该文将联姻策略应用在粒子群算法中,提出一种并行分阶段的基于粒子群优化算法的盲信号分离方法(PPSO-GRADS)。该算法具有收敛速度快,分离精度高的特点。通过仿真证明该算法比未使用联姻策略的粒子群算法有更好的性能,在收敛速度和分离效果上比传统的梯度算法,遗传算法都有较明显的改善。     

广义高斯混合模型的自适应盲信号分离

针对传统盲信号分离算法中信号概率密度函数计算速度慢、计算效果一般等问题,提出一种广义高斯混合模型的自适应盲信号分离算法。该算法根据信号拖尾特性的不同,自适应地选取t分布与广义高斯模型,分别估计重拖尾信号和轻拖尾信号的概率密度函数,通过建立峭度和形状因子的查找表得到不同信号评价函数的估计值,并对亚高斯信号和超高斯信号的混合信号进行有效分离。实验结果表明,该算法能对传统算法难以分离的重拖尾与轻拖尾混合信号进行快速有效的分离,具有较好的分离效果。     

基于盲信号分离的自适应回声抵消算法

在视频会议和免提通信系统中,扬声器和麦克风之间的声耦合严重影响语音通信系统的质量。文中提出了一种用基于盲信号分离（BSS）的自适应声回波对消（AEC）方法,可有效解决回声和噪声对近端语音信号的影响。该方法不仅能减少背景噪声对回波对消的影响,而在双向通话时,可直接利用盲信号分离技术分离出近端语音。     

基于滑窗递归广义特征分解的盲源分离方法

针对混迭矩阵发生突变的盲源分离（BSS）问题,提出一种基于二阶统计量的滑窗递归BSS方法。首先滑窗递归更新两个不同时延的自相关矩阵,然后结合幂迭代法和压缩处理在线计算矩阵束的广义特征向量以求得分离矩阵。与已有递归型盲源分离算法相比,该方法收敛速度快,追踪性能好,仿真结果验证了所提算法的有效性。     

基于独立分量分析的雷达信号分选算法

对盲信号的独立分量分析（ICA,independent component analysis）技术进行了研究,并将其应用到雷达信号分选当中,仿真实验证明能够取得很好雷达信号分离效果,为雷达信号分选提供了新的思路。     

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.     

基于波束域预处理的阵列盲信号分离方法

相控阵雷达采用多个阵元进行信号的接收处理,其多通道信号处理可以采用盲信号处理的方法进行目标源信号分离.由于阵元间距导致信号在阵元间产生相位延迟,在进行盲分离的时候一般只能采用卷积混合模型,盲分离过程是较为复杂的多通道反卷积问题.文中对阵列接收信号进行波束域预处理,通过确定的空间波束相位补偿,将阵元域的多时延混合信号变换为瞬时混合信号,从而采用简单的实数分离算法即可完成信号分离,分离信号可用于后置处理.所提方法简单有效,相比常规阵列信号处理方法,可直接适用于宽带信号.仿真实验验证了其有效性.     

基于均匀线阵的盲分离算法

针对现有的最小二乘恒模盲分离算法虽然能实现源信号分离但分离信号间仍存在相关性的问题,在建立均匀线阵接收模型和分析现有算法的基础上,提出了一种将阵列结构和已有算法相结合的修正小二乘恒模盲分离算法,并进行了实验仿真。仿真结果表明,修正算法有效地降低了分离信号间的相关性,将分离结果用于信号测向,实现了对空间信号源的高分辨率测向。     

基于盲源分离的雷达信号分选方法

传统的信号分选算法建立在脉冲描述字（PDW）参数分析的基础上,对同频或频谱混叠的雷达信号可能无法分选.鉴于越发明显的常规雷达信号处理方法的局限性,通过仿真手段,用盲源分离的方法对混合后的雷达信号进行分选.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

基于多信道信号增强的卷积混迭语音信号盲分离的后处理方法

由于频域盲源分离方法无法精确解决排列模糊问题,分离出的信号质量受到很大影响.本文提出一种后处理方法以进一步消除不同信源间的空间干扰和噪声且无需增加额外的先验信息.首先在频域盲分离方法中利用分裂语谱技术把一个M×N的多输入多输出(MIMO)混迭系统分裂成N个单输入多输出(SIMO)系统,再对每个SIMO系统分别利用传递函数比和广义旁瓣相消器来重构源信号.仿真实验表明该算法具有良好的性能.     

一种时频域上的盲信号分离方法

滑动傅立叶变换是一种时频分析方法,本文详细推导了滑动傅立叶变换一个频率芯值与原信号的关系,提出了一个频率芯上信号盲分离算法,本算法实现容易,计算量少,计算机仿真结果证实所提出方法的正确性和有效性。     

基于广义特征值的病态混叠盲源分离算法

提出了一种新的病态混叠盲源分离算法.算法首先对观察信号进行预处理,把多余的观察信号剔除,使预处理后的混叠矩阵 A 是行满秩的;然后,通过把恢复信号的部分和的协方差与恢复信号的协方差之比的对数作为代价函数,使优化代价函数转化为求解一个广义特征值问题.在较弱的条件下,证明了该算法能够恢复出所有理论上能被分离出的源信号.数值仿真表明该算法非常有效.