噪声环境下水声信号瞬时盲源分离方法研究

噪声环境下大多数盲源分离算法性能大大降低。提出了一种适用于噪声环境的基于子带分解的瞬时盲源分离算法。通过修正白化矩阵和选取合理子带降低盲源分离过程中由噪声产生的不利影响。仿真实验表明,采用基于子带分解的瞬时盲源分离算法能够较好地实现噪声环境下水声混合信号的分离;进一步研究表明,该算法在噪声环境下表现出良好的稳健性。     

基于两个频点的水声信号盲源分离

实际水声环境中声纳接收到的信号是卷积混合信号。文章中将两个频点盲源分离原理应用到水声信号的盲源分离中，从而有效克服信号频域解卷积过程中的排序和幅度不确定性。仿真实验结果表明该方法对水声卷积混合信号具有良好的分离效果?文章中进一步研究了水声信号在不同信噪比条件下，基于两个频点盲源分离方法的分离性能。     

盲源分离技术及其水声信号处理中的应用

本文首先阐述盲源分离的基本概念,简述了盲分离技术的基本要点和目前分离算法的利弊,围绕水声信道环境的特殊性,提出了一种改进的频域盲分离算法,给出了一种解决频域次序不确定性的方法.进行了两种背景下的仿真实验,得到了比较理想的分离效果.     

基于单通道盲源分离的结构模态参数识别

针对基于传统盲源分离算法的结构模态参数识别需要满足传感器数目不少于源信号数目的问题,提出一种基于单通道盲源分离的结构模态参数识别方法,该方法利用单个通道信号即可完成结构模态参数识别。利用同步提取变换(synchro extracting transform, SET)对单通道观测信号进行时频分析以确定变分模态分解(variational mode decomposition, VMD)参数K的取值;将观测信号利用VMD分解形成K个本征模态函数(intrinsic mode function, IMF);将K个IMF进行线性混合形成2维观测信号并与原单通道观测信号重构形成3维观测信号,利用基于信号稀疏性的源信号分离算法分离得到各单模态信号;利用单模态识别技术识别结构模态参数。仿真和实测信号数据表明所提方法的有效性。     

遥测振动信号单通道盲源分离自适应滤波幅度校正方法

针对基于经验模态分解(empirical mode decomposition,EMD)和独立分量分析(independent component analysis,ICA)的单通道盲源分离幅度不确定性问题,根据最小失真准则提出了一种自适应滤波幅度校正方法。利用EMD将单通道信号分解为一系列本征模态函数(intrinsic mode function,IMF),依据对数坐标下的边际谱分布确定单通道信号包含的独立分量数目。选择对应的IMF组合作为观测信号分量,利用ICA完成分离。根据分离信号数目确定横向滤波器阶数,并将分离信号作为滤波器的输入信号分量。利用滤波器输出和原始单通道信号设计目标函数,自适应调整滤波器系数使算法完成收敛,算法收敛后的滤波器权系数即为对应分离信号的幅度校正系数。仿真及飞行器试验遥测振动信号的处理结果证明在EMD-ICA基础上,该方法可准确得到信号各分量的幅度信息,为遥测振动信号进行时域统计及时频分析中能量检测提供了有效技术途径。     

基于EEMD子带提取相关机械振动信号单通道盲源分离

针对传统独立分量分析难以解决机械故障诊断中存在的相关源信号盲分离、欠定盲分离等问题,在相关振源信号部分子带满足统计独立的假设前提下,提出基于总体经验模态分解子带提取相关机械源单通道盲源分离方法。该方法将单通道观测信号进行总体经验模态分解获得到子带观测信号,将单通道信号及子带观测信号组成新的多维信号,利用奇异值分解及贝叶斯准则估计源信号数目;据互信息标准与源信号数目选若干独立性较强的子带观测信号重构,实现信号升维;对重构的观测信号进行白化预处理及联合近似对角化,获得源信号估计。并仿真、实验验证该方法在机械故障诊断中的有效性。     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。     

双/单通道传导电磁干扰噪声盲源分离研究

传导电磁干扰差共模噪声分离中,硬件分离网络结构复杂、成本较高,传统软件分离受环境噪声影响明显,测量同步性差。针对上述局限,提出一种基于盲源分离理论的传导电磁干扰噪声差共模分离策略。首先,利用快速独立分量分析对L线、N线噪声实施双通道盲源分离,实验证明其比射频电流叠加法信噪比范围更宽,适用性更强;其次,单通道盲源分离采用连续小波变换实施虚拟通道扩展以克服同步测量误差,同时改进快速独立分量分析目标函数以提升收敛性能。实验证明,其分离性能取决于小波函数的选取而非扩展通道数量,性能相比双通道盲源分离有一定降低,但节省经济成本,具有较好应用前景。     

被动声纳方位估计的宽带盲源分离算法

针对实际被动声纳信号宽带非平稳且统计特性无法预知的特点,由宽带卷积混合模型,建立了融合时间延迟结构与非参数化特性的代价函数,通过核密度技术同时估计目标源的概率密度函数和解混矩阵,并对估计的最优解混矩阵与目标源信号求取每个频点内方位能量谱,最后累加所有子带构成宽带方位能量谱。宽带仿真结果与实际海试表明本文方法在方位分辨率和估计精度方面接近最小方差无失真响应（Minimum variance distortionless response, MVDR）和多重信号分类（Multiple signal classification, MUSIC）算法,在弱目标检测方面具有一定优势。     

一种强干扰下超弱水声信号自适应盲分离的快速算法

许多盲源分离算法对超弱信号收敛速度变慢甚至失效。文章提出一种算法 ,用FASTICA算法所得的分离矩阵作为一种基于输出去相关自适应盲分离算法的初始值 ,算法的收敛速度得到明显改善。算法的学习速率通过一种自适应算法选取 ,从而降低了算法收敛速度对学习步长的依赖。仿真结果表明 ,文中提出的算法对超弱信号特别有效 ,算法收敛速度大大增强。该算法可以用于分离强干扰下的弱水声信号     

一种改进LS信道估计算法在稀疏多径水声信道中的应用

为了消除水声正交频分复用调制(Orthogonal Frequency Division Multiplexing,OFDM)系统中噪声对稀疏多径信道估计的影响,提出了一种改进的最小二乘(Least-Square,LS)信道估计算法。该方法在传统基于离散傅里叶变换(Discrete Fourier Transform,DFT)插值的信道估计结构上进行了改进,得到了基于阈值探测的DFT插值信道估计方法,该方法将小于阈值的时域信道响应置零,探测最有效信道抽头,有效消除噪声干扰的影响。仿真结果验证了DFT插值在稀疏多径水声信道估计中的实用性;得到了当循环前缀长度与信道长度越接近时信道估计性能(Bit Error Rate,BER)越好的结论;确定了在两种调制方式下算法的阈值系数范围;且该新算法与已有算法所需的信噪比可低约2 d B,解决了用循环前缀长度来近似信道真实长度的实际问题。     

水声信道的研究与仿真

文中提出的时变多径水声信道模型基本上实现了对海洋水声信道的模拟,在一定程度上反映了海洋介质的物理特性：对Rayleigh衰落模型的仿真,反映了海洋介质的不均匀性以及信号在水声信道中传输的时变特性。每种信道模型都是对真实信道的近似模拟,必然有其适用的范围,要建立更加完善的信道模型还需要对更复杂的环境参数和信号的多径时变特性做进一步研究。     

基于盲源分离技术的一种信号处理方法研究

文章利用盲源分离技术试图从给定的一组混合观察数据中恢复未知的独立信源。然后使用Matlab中的时频工具箱,根据分离出的信号进行时频分析,提取信号中所包含的特征信息,达到能够识别出期望信号,并能提取其余干扰信号的特征。     

未知数量稀疏源盲分离的一种新方法

提出了一种新的用于未知数量稀疏源盲分离的统一方法。为了改善聚类分离的精度，该方法选取混合空间中半径给定的、中心位于原点的超球面以外的所有数据点，然后将这些数据点映射到中心位于原点的单位超球面上以得到集合Cy。由此，原来的聚类变为致密聚类，各聚类互相重叠的现象几乎消失。随后，先通过关于Cy的聚类分离来估计混合矩阵，再根据混合矩阵估计源，其中最佳不相似阚值和相应的聚类数量是自动生成的。计算机仿真结果验证了该方法对具有不同程度稀疏性源的有效性。当源充分稀疏时，重构信噪比大约是300dB。因此，该方法精确、便利。     

基于卡尔曼滤波的时变水声信道估计

为了能同时利用时变水声信道的簇状稀疏特性和时间相关性,构造了一种时变水声信道模型,并基于该模型对传统的卡尔曼滤波压缩感知算法进行改进。该方法主要利用前一时刻估计的信道状态响应来确定当前时刻信道的候选支撑集,并以此构造时变水声信道的状态转移方程。通过卡尔曼滤波迭代的方法计算候选支撑集上的系数,最后通过阈值法滤除误差原子。仿真结果表明：该方法能有效地利用水声信道间的时间相关性来提高信道估计的性能,同时由于水声信道存在簇状稀疏特性,因此经该方法也具有一定的鲁棒性。     

模基水声信号处理技术的研究现状和展望

常规信号处理方法的前提条件相对简单,不能满足水声信号处理中海洋环境非平稳和极低信噪比等实际情况。基于模型的信号处理方法(模基处理技术)能够将物理模型引入到信号处理算法中,并且能够有效利用先验信息提高信号处理的性能,是一种有潜力的信号处理技术。结合多年的模基水声信号处理研究基础,首先介绍了模基处理的基本概念,然后介绍了模基处理器的基本框架和其主要优势,进而对模基技术在水声信号处理各个应用领域的研究现状做了全面的归纳和简要的评述,在此基础上,分析了该领域进一步的研究方向。     

强多径干扰下的水声通信均衡算法研究

水声信道的典型特点为强多径干扰、多普勒频移严重。锁相环-判决反馈均衡器(Phase-Lock Loop-Decision Feedback Equalization,PLL-DFE)是水声相干通信中克服信道多径干扰,消除码间干扰的主要技术手段。对抗多径干扰的判决反馈均衡自适应算法进行了改进,在快速自优化LMS算法的基础上进行了优化,提出了记忆快速自优化均衡(Memory Fast-Optimized LMS,MFOLMS)算法。该算法提高了均衡器的跟踪性能。在二阶锁相环和判决反馈均衡器的联合作用下,按照最小均方误差(Minimum Mean Square Error,MMSE)准则自动调节相应的参数,使均衡器达到最佳的性能。仿真和湖试数据处理结果均表明,该文提出的算法可以抵消多径的影响,提高通信系统的接收性能。