基于自然梯度的递归最小二乘盲信号分离

研究在线盲信号分离问题. 先提出一种递归最小二乘(RLS)白化算法, 然后与一种基于自然梯度的RLS信号分离算法相结合, 并经合理近似, 得到一种新的RLS盲信号分离算法, 它不需要对观测数据进行白化预处理. RLS白化算法和RLS信号分离 算法的平衡点分析表明, 这两种算法具有所期望的收敛性. 理论证明了提出的RLS盲信号分离算法具有等变化性和分离矩阵的非奇异性这两个关键性能. 仿真实验验证了新算法的有效性.     

基于稀疏元分析的欠定混叠自适应盲分离方法

传统盲分离理论假设源信号相互独立，通常采用独立元分析方法等实现盲分离，无法解决实际应用中出现的欠定混叠、相关源信号混叠等挑战性盲分离问题．稀疏元分析是国际上最近出现的一个新的研究热点，稀疏元分析盲分离方法具有实现欠定混叠盲分离和相关源信号混叠盲分离的能力，因而为广大研究人员所关注．但到目前为止，对于稀疏元分析的研究还很不成熟，特别是非常欠缺有效的算法．仅有的少数几个算法仍然面临许多问题，比如：基于Lewicki和Sejnowski（2000）所给Lewicki—Sejnowski自然梯度的稀疏元分析方法，是目前讨论欠定混叠盲分离的一种有效自适应算法，它较通常的K-均值聚类法有更多的优势．但Lewicki—Sejnowski自然梯度只是一种近似表示，缺乏严格的理论依据．由稀疏元分析代价函数出发，基于矩阵理论以及文中所建立的一个新的数学公式，从理论上导出了一个新的且严格的自然梯度，从而为这类稀疏元分析方法提供了严格的理论基础．在此基础上，给出了稀疏信号欠定混叠的新自适应盲分离算法．该方法具有实现欠定混叠和相关源混叠盲分离的能力（见仿真1）．仿真结果表明，所给的新自然梯度比Lewicki—Sejnowski自然梯度更为稳定可靠，同时算法具有较好的抗噪性．     

非对称双向中继X网络中基于最大化和速率的干扰对齐与中继处理算法

双向中继X网络相对于传统无线通信网络可以实现更高的自由度.然而,基于迫零算法的中继处理算法仅考虑了消除干扰成分,忽略了对期望信号的影响,从而使得网络的和速率有待提高.特别地,当用户发送功率越低,其和速率劣势越明显.针对上述问题研究其干扰对齐方案,并给出了优化的联合考虑期望信号和干扰信号的中继处理算法.首先,通过利用用户矢量信号之间的空间关系,给出网络和速率的数学模型;其次,通过矩阵分析及数值分析理论将最大化网络和速率的中继预编码设计问题转化为线性搜索最优值问题,并用极限值方法近似网络目标函数;再次,进一步将双向网络的目标函数近似为单向网络用户参数的线性组合,大大降低算法复杂度;最后,基于优化的线性搜索最优值问题,得到最大化网络和速率的中继预编码矩阵.仿真结果表明:相较于现有的中继处理方案,本文方案明显改善了网络和速率,同时还简化了最大化网络和速率带来的算法复杂度.     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

信源数目未知和动态变化时的盲信号分离

研究源信号数目未知与／或动态变化情况下的盲信号分离问题．首先证明若混合矩阵满列秩（观测信号的数目m不小于源信号的数目n），则互信息是盲信号分离的对比函数；在互信息的全局极小值点即分离点处，盲信号分离系统的输出除了零分量外，其他非零分量；黾希望提取的源信号．其次，利用混合矩阵的转置和m个观测信号向量构成的矩阵以概率1具有相同的零空间这一性质，只需少量观测样本就可以估计源信号的数目n，进而检测其动态变化情况．源信号数目未知且动态变化的盲信号分离计算机仿真验证了所提出理论和算法的有效性。     

自适应频域块LMS算法在抵消干扰方面的研究

分析了无线通信系统中自适应滤波算法中的LMS算法,并提出了利用自适应抵消输入信号中的干扰而获取有用信号的在频域实现的干扰抵消方法,该方法基于时域中的数据块最小均方误差LMS算法和该块LMS算法中存在线性相关和线性卷积的过程,通过1/2重叠保留法的快速傅立叶变换FFT,在频域以直接相乘的计算方式实现快速相关和快速卷积,利用自适应滤波器在频域实现LMS算法.通过实验仿真比较可以看出,该频域块LMS算法不仅保证了与时域自适应滤波算法有相同的收敛性,而且由于利用了快速FFT技术,使运算量大大减少.     

非高斯杂波下两种自适应距离扩展目标检测器及性能分析

研究了球不变随机向量杂波下距离扩展目标的自适应检测问题.针对NSDD-GLRT和SDD-GLRT检测器的非自适应问题,利用基于辅助数据的采样协方差矩阵代替真实归一化协方差矩阵,获得了自适应的ANSDD-GLRT和ASDD-GLRT检测器.推导了检测概率和虚警概率公式,分析了信号方向向量失配对检测性能的影响,并进行了检测器的恒虚警率特性分析.仿真实验表明,两种自适应检测器相对于相应的非自适应检测器的检测损失较小,且对方向失配信号具有更好的抑制能力.另外,ANSDD-GLRT的收敛速度要快于ASDD-GLRT,而后者对方向失配的目标信号有更好的抑制能力;两种自适应检测器在目标能量均匀分布时具有最佳检测性能,且检测性能随着目标幅度起伏的加剧而有所降低;不同距离单元间散射点的相关性在高检测概率区会引起检测损失,而在低检测概率区会带来检测增益     

人工蜂群优化算法在复数盲源分离中的应用

针对复值信号的源数估计和有序分离等关键技术,提出一种基于人工蜂群优化的源数未知的复值盲源分离方法,该方法首先利用交叉互验技术来估算复数源信号的个数,然后通过人工蜂群算法优化峰度的绝对值来获得最佳分离向量,并实现了逐次恢复源信号的目的.仿真实验结果表明,该方法不仅能依峰度绝对值的降序实现服从任何分布源信号的盲分离,同时比其他方法具有更优越的估计性能.另外,提出一种基于峰度的欠定复盲源分离算法,该算法根据信号的统计特性构造了用于欠定混合情况下盲抽取向量的代价函数,然后通过人工蜂群算法优化其函数来获得最佳分离向量,通过多次分离来实现欠定复盲源分离的目的.通过对混合分布类型的复值源信号欠定盲分离仿真实验验证了该算法的有效性.     

基于高阶统计量的盲源提取算法获取房颤信号

从房颤病人的体表12导联心电图中得到房颤波信号,是分析和描述房颤特征的重要环节.文中发展了一种基于高阶统计量的盲源提取算法用来获取房颤波信号,模拟数据和临床数据证明了这种算法的可行性和有效性.与盲源分离相关方法相比,盲源提取算法只提取一个所需信号,通过计算频谱集中度的大小,就可以判断它是否为房颤信号,而不必像盲源分离方法那样必须对分离后的12组信号进行复杂的判断才能决定房颤信号.因此,这种方法更适合于应用到临床监护中.     

一种自适应小波网络的构建及其学习算法

基于小波框架的时频局部化性质和自适应投影算法，提出了一个新的构造和训练小波网络的学习算法，精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性，该算法充分地利用了包含在训练数据中的时频信息，迭代地确定小波网络隐层结点的个数和网络的权系数，较好地解决了小波网络的结构优化问题，通过应用于信号的表示与去噪，进一步证明了该算法是简单和有效的。     

基于恒模特性的单通道时频重叠信号盲分离算法

针对单通道同调制方式、同调制参数时频重叠信号的盲分离问题,基于MSK信号的恒模特性,及对MSK混合信号分量幅度的准确估计,构建了单通道信号盲分离欠定方程组.为解决该方程组的解模糊问题,根据MSK信号相位连续特性,提出了相位方差最小模糊解消除准则.但相位对噪声较为敏感,该准则可能会产生严重的误判现象,又提出了一种基于最小斜率的补充准则.基于以上两种模糊解消除准则,可对单通道信号盲分离欠定方程组的模糊解进行合理选择,有效地实现了MSK时频重叠信号的单通道盲分离.仿真结果表明:在信噪比大于5 dB的条件下,该算法对混合信号具有较好的分离效果.并且该算法具有复杂度低、计算量小的优点.     

一种基于图像DCT域的信息隐藏算法

介绍了一种基于图像DCT域的信息隐藏算法。该算法将秘密信息嵌入到对图像信号频域进行DCT变换后的系数矩阵中：然后用MATLAB工具实现了算法。实验结果表明该算法简单、容易实现、具有失真度小、良好的不可见性、安全性和一定的鲁棒性等特点。     

基于特征点的空间目标三维位姿单目视觉确定算法

针对基于特征点的空间目标包括相对位置和相对姿态等的三维位姿单目视觉确定问题,提出了一种基于逆投影思想的迭代方法.给出了一种包含景深估计和绝对方位解算两阶段的迭代算法,在景深估计阶段首先计算由转移矩阵表示的最优平移矢量,然后重构各特征点,并利用其在逆投影线上投影更新各特征点的景深;在绝对方位解算阶段采用Umeyama绝对方位解析算法计算相对姿态矩阵,上述两阶段迭代进行直至结果收敛.利用全局性收敛性定理证明了文中算法的全局收敛性.最后,以航天器交会对接最终逼近段的视觉测量为背景对该算法进行了数学和物理仿真,进一步验证了算法的有效性和收敛性.     

基于混合非圆率信号的CESPRIT算法

根据信号常常为圆和非圆信号混合形成的这一情况，提出的做一种基于ESPRIT思想的CESPRIT算法。该算法对阵元接收数据取共轭，然后重组出新的接收数据矩阵，利用构造出的两个选择矩阵，将新接收数据矩阵在分割为两个特定子矩阵，并结合ESPRIT算法思想，对获取的两子阵间的旋转不变关系矩阵进行特征值分解。通过获得的特征值估计出信号DOA．仿真实验表明，与传统ESPRIT算法相比，该算法具有估计精度高，需要的快拍数少和处理的信号个数可大于阵元个数等优点。     

欠定情形下语音信号盲分离的时域检索平均法

探讨欠定情形（即观察信号的个数少于源信号个数）下的盲信号分离,提出一种新的方法,即时域检索平均法（SAMTD）,该方法可解决目前在频域中难以处理的一类问题,它利用一类语音信号在时域中的稀疏持续性,回避像K均值聚类或势函数等常用统计聚类方法.为估计混叠矩阵,它剔除那些不与基矢量共向或反向的数据样本,以提高其估计的准确性.在源信号的恢复上,提出了一个超完备线性几何ICA改进算法.几个语音信号实验的仿真数据展示了所提方法的性能和实用性.     

结合交替分离(AS)和交替投影(AP)算法的ASAP算法

分析了交替分离(AS)算法与交替投影(AP)算法的一些性质. 根据这些分析结果, 提出了将交替分离与交替投影算法有机结合形成所谓ASAP算法, 以克服交替分离算法收敛速度较慢而交替投影算法又易于陷入最大似然代价函数的局部极值的缺陷. 分析了这种结合的逻辑合理性. 计算机仿真也验证了ASAP算法能够以较少的迭代次数得到信号参数较理想的估计.     

多输入多输出系统中基于长方阻塞矩阵的酉多级Wiener降秩联合检测算法

针对传统均衡算法复杂度高、收敛速度慢的问题,提出了一种基于长方阻塞矩阵的多级Wiener降秩联合检测算法,其中的多级Wiener滤波器通过相关相减结构来实现,即酉多级Wiener滤波器.该算法选取酉多级Wiener滤波器阻塞矩阵中的一个长方子阵作为阻塞矩阵,使得酉多级Wiener滤波器前向递推分解中接收信号向量的维数逐级降低,从而在降低了均衡的迭代复杂度的同时,加快了算法的收敛速度.理论分析和仿真结果表明,基于长方阻塞矩阵的酉多级Wiener联合检测算法具有复杂度低、收敛速度快的优点.在具有4根发射天线、8根接收天线,并且采用BPSK调制的V-BLAST(vertical Bell labs layered space-time)系统中,采用本算法仅用基于酉多级Wiener滤波的均衡算法一半的计算复杂度在高信噪比处即可达到与其相同的误码性能.     

基于递归测度主成分分析的振动信号非平稳评价

在递归损失量和递归趋势两个非平稳测度的基础上,结合主成分分析方法,提出一套实用的振动信号非平稳评价方法.首先,在一定观测时间尺度的基础上,分别建立由递归损失量和递归趋势两个测度组成的样本向量;依据工作平稳性的定义,将两个向量组装成多变量的样本矩阵,对其进行主成分分析,取第一主成分作为振动信号非平稳性综合评价的对象,构造非平稳性的统计模式差异指标,并通过几种典型的数值模拟非平稳信号的评价结果验证指标的可靠性.最后,将此方法应用于桥梁结构环境振动信号分析,以得到更加客观的分析结果.     

基于有限反馈的协作多小区分布式预编码

多小区协作需要基站间交换大量的信息.为了降低无线回传开销和反馈开销,采用基于信漏噪比最大化的分布式预编码方法,该方法仅需共享干扰信道的信道状态信息,不需要共享数据,与特征值波束成形和小区间干扰清零两种极端的方法相比取得了性能提高.其次,为了更加有效利用反馈资源,推导了速率损耗公式,利用穷尽搜索得到使其最小化的最优解,得出比特自适应分配规律.仿真表明,根据期望信号和干扰信号强度自适应的分配反馈比特能进一步提高系统速率.     

基于特征的矢量场自适应纹理绘制

针对3D流场纹理可视化方法面临的遮挡问题,提出了一种基于流场特征模糊提取的自适应稀疏纹理绘制方法.该方法建立在一种可扩展的模糊流场特征区域描述与提取算法基础上,首先通过采用模糊理论对流场特征区域进行描述,建立了流场特征的测度规则并得到相应特征向量,然后基于特征向量偏差给出了最小平方和误差准则下的模糊测度隶属度的确定方法.根据得到的流场特征模糊隶属度场,生成可突出流场特征信息的自适应高斯噪声以进行纹理LIC卷积.同时针对纹理方法难以明确表示3D流场具体方向的缺陷,提出了两种冷暖光照方法,通过在LIC卷积过程中采用冷暖光照方法突出流场具体方向显示,有效解决了该问题.实验表明,本文方法相对于传统特征提取方法更具有可扩展性.同时自适应技术的采用,有效缓解了3D流场可视化存在的遮挡和混淆现象.而冷暖光照处理的加入,则解决了纹理方法对流场具体方向表现上的缺陷.