基于非负矩阵分解的欠定卷积盲源分离方法

针对音频信号欠定卷积混合模型的盲源分离求解问题,提出一种基于非负矩阵分解(NMF)的盲源分离方法.该方法以板仓-斋藤(Itakura-Saito)散度和的最大值为目标函数,利用高斯分量表示源信号的短时傅里叶变换(STFT),使用乘积更新算法估计频域内的源信号,以提高其估计的准确度.仿真结果验证了该方法的有效性.     

一种基于恒模特性的突发混合信号多通道盲分离算法

文章建立了突发混合信号多通道盲分离模型,指出混合矩阵估计可以转化为混合信号幅度估计进行求解。突发信号通常属于恒模调制信号,其混合信号与未混合信号在幅度上存在明显差异。基于信号的恒模特性,提出了一种基于混合位置估计的多通道盲分离算法。该算法先通过混合信号的幅度最大最小值对混合位置进行估计,然后利用混合部位的最大最小值以及未混合部位的单个信号幅度值来进行幅度估计,提高了混合矩阵的估计精度。与传统盲分离算法相比,文章算法复杂度低,且消除了不确定性带来的不利影响。仿真表明,该算法所需数据量小,估计精度高,接近混合矩阵完美估计下的盲分离性能。     

基于似P范数FOCUSS的稀疏信号盲分离

把似P范数FOCUSS方法应用于稀疏信号盲分离中,采用k均值聚类算法来估计混合矩阵;然后利用似P范数FOCUSS方法来求解具有线性约束优化问题的稀疏源信号,从而给出了一种基于似P范数FOCUSS方法的稀疏信号盲分离算法。该算法计算量小,精度较高。仿真结果表明该算法是有效的,具有良好的分离性能。     

相干源盲分离及方位估计的算法研究

针对水声信号处理中常见的多途、相干信号的多目标分辨和方位估计问题,依据遗传算法突出的求解线性及非线性方程(组)数值解的优势,研究了相干信号的盲分离和方位估计方法.用"L"型阵列接收多个相干目标信号,在建立阵列流形和盲分离数学模型的基础上,利用复数遗传算法求解非线性方程组进行各相干目标源的分离,并利用阵型优势解决线列阵在方位估计上的左右舷模糊问题,对各相干目标源进行方位估计.MATLAB仿真试验表明:该分离算法能够快速收敛于全局最优解,成功实现相干信源的盲分离,最终实现多个相干目标的分辨及其方位估计.     

多途水声信号盲恢复技术研究

针对盲解卷积只能获取未知源信号的波形,而得不到源的幅度问题,研究了一种平稳信道、多途传播条件下估计信道参数及源分离的算法.该算法引入均值和方差都已知的参考信号,在FIR模型的基础上利用解相关技术估计水声多途信道参数,进行盲信号分离.分析了实际的水声信道参数特点,提出新的信道参数及阶数的估计方法,继而利用改进的自适应逆滤波器恢复源信号,最后在瞬时混合以及不同信噪比情况下与其他算法进行比较,以验证算法的有效性.仿真结果表明,未知源估计结果与信道阶数和信噪比有关;对于卷积混合,该方法对于信道参数的估计具有稳健性,.可以同时恢复源信号的时序结构与幅度信息;对于瞬时混合,该方法的计算量和性能指标优于其他算法.     

DEBBSS信号源盲分离算法的研究

在基于人工神经网络的信号源盲分离算法中,普遍需要使用通过源信号的概率密度函数定义的评价函数（score function）作为网络的激活函数（Activation function）.由于信号源未知,因此无法获得有关评价函数的信息,传统的方法是利用某些特定的非线性函数来替代源信号的评价函数.这种利用非线性函数替代源信号评价函数的方法能够成功地实现同系混合（homogeneous mixture）信号的盲分离,但都不能分离杂系混合（hybrid mixture）信号.文献[1]利用非参数法概率密度函数估计的核函数方法,通过对源信号评价函数的直接估计,提出了一种基于概率密度函数估计的DEBBBS算法,成功地解决了非线性函数替代方法存在的不能分离杂系混合信号的问题.笔者通过数值仿真,比较了DEBBBS算法与著名的EASI算法,证明新算法分离杂系混合信号的有效性.同时,也进一步将DEBBSS算法与同样能够分离杂系混合信号的EXTICA算法进行了比较,计算机仿真过程证明,即使与同样能够分离杂系混合信号的EXTICA算法相比,DEBBSS算法在算法的有效性和稳定性方面也表现出优异的性能.     

相干/同向信号波达方向与多普勒频率的联合估计

针对相干/同向信号波达方向(DOA)与多普勒频率的联合估计问题,提出了一种基于特征空间的修正二维MUSIC联合估计算法。首先,建立包含DOA和多普勒频率信息的广义阵列信号模型,通过共轭重构对阵列接收信号的协方差矩阵进行修正,使其有效适用于相干/同向信号下DOA与多普勒频率的联合估计。同时,在二维MUSIC算法的基础上,提出了一种基于特征空间的DOA与多普勒频率联合估计算法,该算法充分利用了信号子空间和噪声子空间的信息,并且可以对源信号功率进行估计。对该算法加以修正后同样可以应用于相干/同向信号的DOA与多普勒频率联合估计,且可以得到比修正二维MUSIC算法更好的估计效果。最后,通过仿真试验验证了本文算法的有效性。     

基于循环自相关的DOA估计方法研究

为了克服传统信号DOA估计的不足,提高信号的选择性和分辨率,文章给出了基于循环均值阵列信号模型.根据该信号模型,运用最小二乘得到了对源信号方向进行估计的有效算法.该算法利用信号的循环平稳特性去除接收信号中的非循环平稳信号和不同循环频率的循环平稳信号,用循环统计量方法替代传统的二阶统计量方法,得到很好的DOA估计效果.计算机仿真结果证明,该算法在不同角度下具有很好的估计一致性和噪声抑制性.与其他的DOA估计算法相比,计算量较小,同时处理的对象既可以是窄带信号也可以是宽带信号,具有很好的实际应用价值.     

基于欠定盲源分离的电磁干扰分离方法

针对传统电磁干扰测试方法无法对多个同时工作的机载设备进行独立观测,且现有的盲源分离算法对观测信号数目少于源信号数目的情况无效,提出了一种欠定盲源分离算法用于电磁干扰分离。该方法适用于具有稀疏特性的谐波信号,将干扰源看作源信号,首先采用邻域比值法提取混合信号的单源主导区间,提高信号的稀疏特性,然后在此区间采用Hough加窗法对电磁干扰源的数目和混合信道进行估计,避免算法陷入局部最大,最后采用夹角差排序法选择合适的混合矩阵列向量来确定分离矩阵,将欠定方程转变成正定方程,实现混合信号的分离。仿真实验得到的分离干扰信号与原始干扰信号间的相关系数平均值为0.9936,表明算法具有较高的准确性,Monte Carlo仿真结果表明本文算法较几种常用算法具有更好的抗噪声性;实测实验对实测数据分离并整改,整改结果表明了本文算法的可行性。     

基于修正MUSIC算法的宽带相干源波达方向估计

提出了一种基于修正MUSIC算法的宽带相干源DOA估计方法。对每一子带的接收数据阵进行共轭重构，利用平均的阵列相关矩阵代替传统的阵列相关矩阵进行子空间方法处理，由各子带结果的综合得到信号的DOA估计。数据阵共轭重构的实质是前后向空间平滑，因此可以解相干源问题。中算法取子阵与原阵列相同，因此不会损失阵列孔径。由于空间平滑包含了平均的意义，因此新算法还可以提高对非相干源的估计性能。仿真结果验证了新方法的有效性。     

Underdetermined blind source separation using complementary filter based subband division

This paper considers the blind source separation in under-determined case,when there are more sources than sensors.So many algorithms based on sparse in some signal representation domain,mostly in Time...     

一种最大密度检测欠定混合矩阵估计算法

针对源数未知条件下欠定盲源分离混合矩阵估计问题,提出了最大密度检测混合矩阵估计算法。在观测信号稀疏表示的基础上,首先对观测信号进行预处理;然后寻找观测信号的最大密度点;接着在此基础上确定有效样本点集合,再聚类得到辐射源数和混合矩阵。为验证算法的有效性,在时频单源点检测法和小波变换法下开展了仿真实验。结果表明,所提出算法的源数和混合矩阵估计效果优于参考算法,计算复杂度远低于参考算法。进一步实验表明,所提出算法对于正定、超定和欠定盲源分离混合矩阵的估计都具有较好的适用性。     

基于盲信号分离的分布式目标DOA估计方法

在分布函数未知或数学形式不同的分布式目标同时存在的情况下,研究了一种基于盲信号分离的相干分布式目标一维搜索DOA估计方法。仿真实验结果表明,这种分布式目标DOA估计方法具有分布参数门限现象,DOA估计性能对其他信号源的分布参数不敏感。     

以欠采样速率实现盲谱感知及二维DOA估计

提出了两种以欠采样率实现盲谱感知与二维波达方向(DOA)估计的算法。这两种算法利用了MWC的周期信号所对应的傅里叶级数系数矩阵来确定未知信号频谱所在的子频带位置,然后利用二维阵列的信号模型估计得到包含二维DOA的空间相位。通过空间相位信息与子频带位置信息能重构出子带谱信息,以此能得到频率的高精度估计,最后通过空间相位分别估计得到信号的方位角与俯仰角。仿真验证了所提欠采样接收机与相应算法的有效性,以及在低信噪比环境下依然有较好的鲁棒性。     

跳频信号的欠定盲源分离

针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法. 该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据. 通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4dB;同时所提算法处理的数据量小,计算复杂度低.     

非圆信号的二维相干测向新方法

传统的二维相干测向算法都是针对圆信号提出的,且要求大快拍数和较多阵元数,在低信噪比时估计性能较差.通过充分利用非圆信号的特点和L型阵列的结构优势,提出了一种非圆信号的二维解相干新方法.该方法利用阵列接收信号数据及其共轭信号数据,重新构造阵列接收数据矩阵,有效地扩展了阵列孔径;同时,提出了一种修正的空间平滑技术进行解相干,最后采用ESPRIT算法实现相干信号的二维DOA估计.所提方法具有阵列利用率高的优点,能够有效弥补传统二维测向算法阵列利用率低的缺点,提高了ESPRIT算法在低信噪比时的估计性能.实验仿真结果表明,所提方法能够有效实现二维相干信号估计并且估计性能优良.     

一种新的盲联合角度-时延估计方法

提出一种新的盲联合角度-时延的估计方法,对阵列天线输出的过采样样本的Fourier变换后信号进行分析,结果表明,此信号具有三线性模型特征.为此,提出一种改进的三线性交替最小二乘(ITALS)算法,对波达方向(DOA)和时延联合估计.该算法利用方向矩阵和时延矩阵的Vanderm onde特征、基于最小二乘原理对方向矩阵和时延矩阵进行重构,以及对DOA和时延估计.仿真结果表明,ITALS方法具有较好DOA和时延联合估计性能,且在过载系统下仍有较好的性能.ITALS方法随着天线数增加联合估计性能变好;而且该方法无须信道衰落系数,是一种盲、鲁棒的联合处理方法.     

回波对消中盲源分离算法的研究与仿真

盲源分离因为可以仅根据接收到的观测信号来估计还原源信号,成为近年来在信号处理领域的研究热点.针对盲源分离中的基于峭度的独立分量分析算法在源信号还原的过程中计算量较大的问题,采用共轭梯度方法对独立分量分析法进行优化,优化后的算法收敛速度更快,稳态误差变小.Matlab仿真实验表明,优化后的独立分量分析算法收敛更快,实际分离效果更好.     

基于EEMD-JADE的桥梁挠度监测中温度效应的分离

针对桥梁挠度各成分的分离问题,提出一种基于EEMD-JADE的单通道盲源分离算法。首先,利用传统的集合经验模态分解法（Ensemble Empirical Mode Decomposition,EEMD）将单通道的桥梁挠度信号分解为一系列线性平稳的本征模函数（Intrinsic Mode Function,IMF）;然后,采用基于能量熵增量的判别法识别并剔除虚假的IMF分量,将能量熵增量较大的IMF分量组成盲源分离模型的输入信号;最后,采用矩阵联合近似对角化（Joint Approximate Diagonalization of Eigen-matrices,JADE）算法对输入信号进行盲源分离。JADE算法在源信号频率差异较小且频率有所混叠的状况下也能较好地分离出源信号,但要求观测信号数必须大于等于源信号数目;EEMD具有良好的自适应性,能够将单通道的混合信号进行多尺度分解,形成多通道信号,但分解结果存在端点效应与模态混叠。JADE算法能够解决EEMD分解结果存在的端点效应与模态混叠问题,且EEMD也解决了JADE分离算法的先决条件。两种算法优势互补,能够较好地分离出各挠度组分。通过有限元软件Midas/civil建立了背景桥梁模型,经仿真分析得到了各单项因素作用下的桥梁结构响应,并将其叠加在一起作为待分离的混合挠度信号。仿真信号分离的结果与源信号的相关系数均在0.98以上,说明分离效果较好。最后,采集实测挠度信号进行分离,处于对称位置测点分离出的各挠度组分的相关系数均在0.9以上,证明了该算法的适用性。