基于区域增长校正的频域盲源分离排序算法

卷积盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序模糊问题。该文提出一种基于区域增长校正的频域盲源分离排序算法。首先对卷积混合信号短时傅里叶变换,在频域的各个频点处建立瞬时模型进行独立分量分析,在此基础上使用分离信号功率比的相关性,对所有频点进行逐点排序置换。其次根据阈值将排序后的结果划分为若干个小区域。最后按区域增长方式进行区域置换与合并,最终得到正确的分离信号。区域增长校正可最大限度地减少频点排序错误扩散现象,从而改善分离效果。在模拟和真实环境中分别进行语音盲源分离实验,结果表明所提算法的有效性。

     

一种新的频域盲语音分离排序算法

针对频域盲源分离过程中存在的排序模糊性问题,提出了一种新的解决方法.该方法将整个频段分为低频、中频和高频三个部分.在低频段采用比较不同频率点间幅度相关系数大小的排序算法,在中频段采用基于波束形成方位估计的排序算法,在高频段采用比较幅度相关系数大小和波束形成相结合的排序方法.实验中采用评价盲分离算法性能的工具箱BSS_EVAL作为评价标准,仿真结果表明,该排序算法的分离性能大大优于单独采用比较幅度相关系数大小的排序算法和单独基于波束形成方位估计的排序算法.     

基于频谱相关的时域盲分离排序算法

由于水声信道的时变性,水声信号分离后存在排序模糊性,限制了盲分离算法的应用.针对盲分离后信号存在排序模糊性的问题,提出了一种基于频谱相关的盲分离排序算法.根据水声环境中各信号的频谱差异,对分离后信号进行重新排序,来改善盲分离算法的排序模糊性.仿真实验表明,该算法可以有效消除分离信号的顺序不确定性,提高盲分离算法的性能.     

基于相关系数的盲源分离排序和相位调整法

针对盲源分离后信号存在排序和相位不确定性的情况,提出一种基于相关系数的盲源分离排序和相位调整法,通过对盲源分离后信号运用该方法进行排序和相位调整,从而消除盲源分离后信号存在的相位和排序不确定性。仿真结果表明,在混合矩阵主对角线元素占优的情况下,此法可以有效地消除盲源分离后信号存在的排序和相位不确定性。     

基于相邻频点幅度相关的语音信号盲源分离

排序和幅度不一致性是在频域进行信号盲源分离的主要困难。针对语音信号邻近频点间信号幅度相关性能良好这一特点，本文提出基于相邻频点间幅度相天的盲源分离算法，用以消除卷积信号盲源分离过程中排序不确定性。本算法理论简单，稳健性好。仿真结果表明该方法对卷积混合后的语音信号能得到较好的分离效果，并且耗时较短。     

基于性能权重聚类的频域盲分离排序算法

卷积混合盲源分离可以在频域得到有效解决,但频域盲分离必须要解决排序模糊性问题。本文提出了一种基于性能权重聚类的频域盲分离排序算法,该算法利用聚类来得到顺序参考,对各频点上分离信号的准确性进行计算,根据分离结果的准确性予以不同频点不同的聚类权重,从而提高聚类结果的可靠性。通过对频点进行分段处理可以有效抑制排序错误的传播,提高算法性能。最后通过多组仿真实验验证了基于性能权重聚类的频域盲分离排序算法的普适性与性能上的优越性,同时也探究了接收端个数对算法性能的影响。仿真结果表明本文提出的基于性能权重聚类的频域盲分离排序算法相较于传统的幅度相关性排序算法在信干比上会有2 dB左右的提升。接收天线数越多,算法分离性能越好。     

基于细菌觅食的盲源分离算法研究

细菌觅食算法是一种基于细菌觅食行为的智能优化算法.盲源分离是盲信号处理的重要方面.为了提高盲源分离的有效性,根据盲源分离和细菌觅食算法的基本原理,提出了一种基于细菌觅食行为的盲源分离算法.用MATLAB对提出的这一算法进行仿真,并将其分离结果与传统独立分量分析算法的分离结果相比较.实验结果表明这是一种分离效果优于传统独立分量分析算法的有效分离算法.证明了基于细菌觅食盲源分离算法的可行性和有效性.     

基于相关矩阵的频域盲分离排序方法

排列模糊性和幅度模糊性一直是在频域上分离卷积混合信号所面临的主要问题,针对该问题,给出了一种基于相邻频点的幅度相关之和的、快速有效地解决频域分离算法中排列模糊性的方法;即通过定义相邻频点的相关矩阵并通过其置换形式来解决排列模糊问题,从而在频域上有效的分离源信号,仿真证明,该算法可以对卷积混合信号实行快速有效分离,分离效果理想,并大幅减少计算量。     

盲源分离现状及发展

盲源分离（BBS ）作为一门与信息理论、信号处理、人工神经网络、概率论等学科均有交叉的新兴研究领域,得到了研究学者们的热切关注。阐述了盲源分离的概念,介绍了其分类,分析了其应用领域,归纳了盲源分离的国内外发展近况及趋势,并对未来进行了展望。     

盲源分离技术及其应用

盲源分离技术是盲信号处理领域的一个重要的分支20世纪90年代中期,盲源分离技术得到了迅猛的发展,并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。对盲源分离的相关理论、算法和应用进行了介绍和探讨。     

一种频率域的盲源分离算法

提出了一种频率域基于第二特征函数的窄带信号盲分离算法，理论上证明了本方法能够从有噪观察数据中得到无噪混合矩阵估计。仿真结果表明本方法信号分离性能优于时域方法。在高信噪比时，本方法的分离信号绝对误差和比时域方法低9．5dB。     

基于频域单源区间的具有延迟的欠定盲分离

本文研究如何分离具有延迟而无回波的混叠信号.提出了欠定情况(即感知器少于源信号)下具有时间延迟的信道估计算法,称为单源区间衰减和延迟恢复(AD-MRISSI)算法;它在理论上能无偏差地估计信道,在应用中能准确地估计延迟和精确地估计衰减.也提出了一个基于稀疏原则的源信号重建算法,能避免Bofill算法中的求解二阶锥规划问题.几个语音信号实验展示了其有效性和实用性.     

基于批处理和核函数的非线性盲源分离算法

针对基于核函数的非线性盲源分离算法性能对核函数及其参数选择依赖性强这一问题,提出采用批处理方法代替聚类和核主成分分析方法来构造低维近似子空间的正交基,以改进基于核函数的非线性盲源分离算法对核函数及其参数变化的稳健性,并对这种改进的非线性盲源分离算法进行了完整的分析.通过仿真实验,对分离信号与源信号求相似度,可以看到提出...     

一种基于平滑窗口法的盲分离复数算法

通过对传统盲源分离批处理EASI算法的分析,针对时变信道中通信信号的复数形式,以平滑窗的形式实现了批处理算法在时变混合模型下的应用。通过主分量分析的原理,进行噪声方差估计,改进传统独立分量分析算法消除噪声影响。通过仿真证明,在噪声较大的情况下性能优于传统算法。     

一种基于盲源分离的雷达信号分选方法

盲信号分离是近几年才发展起来的,用于解决从混合观测数据中分离源信号的一门新技术,已在众多领域中获得了广泛的应用。文中结合高阶累积量对高斯噪声的不敏感性,给出了一种基于盲源分离的雷达信号分选方法,可以对高斯噪声背景中混合的多个雷达信号实现分选。最后给出了该方法的计算机仿真,结果证明了该方法的有效性。     

语音信号频域盲分离中一种频率对准方法

混合语音信号可以使用盲分离频域解法,对观测信号在每一个频点分别进行复值独立分量分析（CICA）算法来解混并得到分离信号,但带来了幅值和次序不定问题（后者又称频率对准）。讨论了频率对准算法中基于DOA估计的方法,并提出了一种基于分离矩阵初始化的频率对准方法,此方法易于实现。通过仿真表明,该方法较好地解决了次序不定问题．对卷积混合语音信号有较好的分离效果。