频域盲解卷积局限性分析及一种改进算法

在频域盲解卷积问题中,时域信号的卷积混合转化为频域信号在有限频点的瞬时混合,使算法复杂度大大降低.但这种算法的局限是分离结果存在次序和幅度上的不确定性,并且窗函数长度和信号非平稳性之间存在相互制约的关系.文中对语音信号频域盲解卷积算法存在的制约因素进行分析并提出一种改进的基于包络相关性的排序方法.在分裂谱法的基础上,通过"分裂"后的多路信号求得"总包络",再依据"总包络"进行排序,从而克服传统的直接依据输出信号包络相关性进行排序的不足.实验结果表明,采用本方法可获得较高的分离质量.     

基于复信息量的频域多通道盲解卷积算法

基于复信息量,发展了一种频域多通道盲解卷积算法.第一阶段,将频域内复变量的伪协方差矩阵融入到分离算法中,能完全实现非线性不相关,从而使得算法性能得到显著提高.第二阶段,通过Kullback-Leibler (KL)距离来解决次序不确定性问题.将复变量出现的频度与复变量幅值的均匀分布相结合的复变量概率密度函数能更加准确地计算KL距离,使得该方法的性能得到改善.空旷场地下的仿真试验证明了所提出的算法更加有效.     

图像的盲解卷积恢复

通常图像恢复方法均在成像系统的点扩展函数PSF已知下进行,实际上它通常是未知的。在PSF未知的情况下,盲解卷积是实现图像恢复的有效方法。该算法优点是,在对失真情况毫无先验知识的情况下,仍能实现对模糊图像的恢复操作。给出了利用MATLAB实现的图像恢复实例,并对恢复图像的失真情况做了改善。     

一种水声多途信号的快速盲解卷积算法

为解决时域和频域盲解卷积算法在时延长的情况下计算量大、不适于水声信道的实时计算问题,本文研究了一种基于二阶统计量的时域与频城相结舍的快速盲解卷积算法.该算法首先对接收数据进行分段,段内数据进行分块处理,并给出一个新的在宽带情况下的代价函数表达范式;然后采用自然梯度法调整自适应权矩阵,进行块内数据离线、段闻数据在线更新的自适应滤波,以获得源信号的估计.仿真结果表明,该方法结合了宽带和窄带算法的优点,对于线性豢积混合的接收数据取得了很好的分离效果,且计算量小,更适于在实时信号处理中应用.     

卷积混合盲源分离中1种改进的排序模糊消除算法

频域方法可以有效地解决卷积混合盲源分离问题.针对频域方法中存在排序模糊,基于分离信号相邻频点功率谱密度的相关性较高的原理,提出1种改进的排序模糊消除算法.相比于原算法,扩展了参考频点的取值范围,同时还采用了1种置信度量方法,能够获得更准确的排序估计.仿真实验表明所提算法有效地消除了排序模糊,并且能够纠正某一频点排序的突...     

一种改进的图像迭代盲反卷积算法

针对传统迭代盲反卷积算法收敛速度慢、容易出现解模糊等问题,提出一种改进的图像迭代盲反卷积算法。利用动量矩求解图像的有限支持域,在支持域中使频率域和空间域交替迭代,从而实现图像的盲复原。仿真结果表明,与传统迭代盲反卷积算法和基于小波变换的盲反卷积算法相比,该算法的收敛速度较快,具有较好的图像恢复效果。     

一种新的卷积混合信号的盲分离算法

研究了一种新的线性卷积混合信号的盲分离算法。该算法通过计算预白化观测数据的零时延和多时延自相关协方差矩阵,获得了多时延处理的二阶解相关统计信息。利用得到的二阶统计信息构建了两个对称正定矩阵,通过使用Cholesky分解和奇异值分解等一系列变换,得出了惟一存在的矩阵。理论分析表明,该矩阵可以使两个正定矩阵同时精确对角化。计算机仿真表明,该算法与已有算法相比,运算时间短,盲分离性能更优。     

改进频点权重系数的频域盲源分离排序算法

为解决卷积混合频域盲源分离排序不确定问题,研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响,提出了改进的盲源分离排序算法.改进算法用权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,给出了权重系数设定函数.最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验.实验结果表明,与Murata算法相比,改进算法分离信号信噪比提高、分离速度加快、算法鲁棒性强.     

基于时间可预测性的粒子群优化盲解卷积算法

针对信道对声音信号的卷积效应,提出了一种基于粒子群优化的盲解卷积新算法。利用信号的时间可预测性作为盲解卷积的解卷测度,采用粒子群优化算法对基于该测度的代价函数进行优化求解,从而成功得到解卷积滤波器系数,实现对信号的盲解卷积。仿真实验表明,所提出的算法对于声音信号具有很好的盲解卷积效果,所恢复信号与原始信号的相关系数和重构信噪比均较高。     

语音信号频域盲分离算法

盲信号分离算法广泛应用于信号处理领域,本文介绍了一种基于互相关的盲分离频域算法,并且通过计算机仿真验证了本方法的有效性。     

一种基于ICA的同态盲反卷积算法

盲反卷积是图像处理、语音信号处理、通信、系统辨识和声学等许多研究和应用的基本问题,具有重要的理论与应用价值。根据无损检测中盲反卷积问题的特点,提出了一种新的基于ICA的同态盲反卷积算法。该算法首先将检测信号变换到复倒谱域,将卷积混合模型变为线性混合模型,即ICA问题;然后通过ICA将系统冲击响应和输入信号分离;最后,根据分离的复倒谱信号,重构其时域信号。论文提出的盲反卷积算法具有运算量小,计算速度快,分离精度高等特点,且不受信道是否为最小相位信道的影响。计算机模拟和实验数据都证明了算法的有效性。     

高斯扩散特性图象的盲解卷积

图象的盲解卷积恢复具有重要的理论和实际意义,许多情况下系统的扩散特性不能精确获得。针对一类相对平滑或类似高斯分布的扩散特性,建立一种图象盲解卷积算法,采用交替迭代方法。适合总体最小二乘求解。算法能有效地确定点扩散函数,图象恢复质量有明显改善。最后的仿真实验表明了算法的有效性和稳定性。     

基于自然梯度的后非线性盲解卷算法

给出了一个基于自然梯度的后非线性多信道盲解卷算法。混合系统由线性卷积混合后接一个可逆非线性失真组成。分离系统由多层感知器(非线性部分)后接一个线性盲解卷过程(线性部分)组成。分离系统的线性部分和非线性部分参数学习都采用自然梯度算法。仿真结果显示,自然梯度算法比传统梯度算法收敛速度更快,分离效果更好。     

面向古汉字修复的单通道盲去卷积算法研究

针对古汉字修复中存在的问题,本文提出基于深度卷积生成对抗网络的单通道盲去卷积算法(Single-channel blind de-convolution algorithm based on deep convolution generating adversarial network,DCSS),仅凭借单幅卷积混合图...     

基于多分辨率盲目去卷积的气动光学效应退化图像复原算法

为了有效地恢复气动光学效应退化图像．该文提出了一种基于两帧退化图像的多分辨率盲目去卷积复原算法．该算法在大气流场的光学退化模型未知的情况下,采用两帧退化图像数据来估计点扩展函数值．为了克服噪声的干扰,该文将点扩展函数非负性和光滑性约束转化为数学上可表达的惩罚项,融合到目标函数中,建立了一个基于各向异性调整的目标函数表达式,采用约束优化原理迭代估计点扩展函数值．同时,针对复原图像的快速需求,将多分辨率技术用在点扩展函数的最优估计和图像复原过程中,提出了基于图像多分辨率的盲目去卷积复原新算法．在微机上进行了一系列的图像恢复实验和对比分析,实验结果表明该文复原算法十分有效,在抑制噪声和提高复原速度方面取得了明显的效果．     

基于高阶累积量的盲反卷积算法的比较

通过对高阶统计理论以及对建立在高阶统计理论基础上的累积量盲反卷积算法的分析与研究,研究了两种基于高阶累积量的盲反卷积算法的原理,并且通过这两种算法对信号的处理结果,比较了这两种算法的性能.