基于改进遗传算法的独立分量分析算法

针对现有独立分量分析算法的分离效果依赖于非线性对比函数的选择,并且无法有效地分离超高斯和亚高斯混合信号这一现象,提出了一种基于遗传算法的独立分量分析算法,该算法采用直方图法根据信号的样本序列来估计信号的概率分布,解决了信号问互信息的计算问题,然后通过遗传算法最小化信号间的互信息,实现了对线性混叠信号的分离;同时,针对标准遗传算法存在的一些缺点如局部搜索能力差、容易出现早熟收敛等,提出了一种改进遗传算法,提高了遗传算法的寻优能力.对模拟信号的分离结果表明,基于改进遗传算法的独立分量分析算法的性能优于FastICA算法,对亚高斯和超高斯信号的混合信号具有优异的分离能力.模拟仿真实验结果同时也证实了改进遗传算法的寻优能力.     

基于自适应粒子群优化的盲源分离

针对现有的盲源分离算法性能大多依赖于非线性函数的选取问题,提出了一种基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的盲源分离算法。该算法以分离信号的负熵为目标函数,根据分离信号的状态自适应地调整惯性因子,克服了收敛速度和信号恢复质量之间的矛盾。仿真实验表明,该算法的性能对源信号的概率密度性质没有依赖性,因而能很好地分离亚高斯和超高斯信号的混合信号,并且能有效地避免早熟收敛问题,具有较快的收敛速度,分离效果好。     

基于复杂度追踪的递归最小二乘盲源分离算法

对于具有时序结构有色信号的盲提取,线性预测盲源分离算法仅仅利用了信号的时序特性,而未用到信号的非高斯性.A.Hyv(a)rinen的复杂度追踪算法采用联合信号的非高斯性和时序结构的特点,能够很好地实现信号的分离,但其收敛速度较慢.为了更快的实现信号的分离,提出了基于复杂度追踪的递归最小二乘盲源分离算法.计算机仿真表明提出的算法与线性预测算法和A.Hyv(a)rinen的复杂度追踪算法相比具有更快的收敛速度,语音分离试验也验证了该算法的有效性.     

基于自适应评价函数的独立成分分析算法

简要介绍独立成分分析（ICA）及其模型，然后在极大似然估计的框架下，基于两类参数模型--Gaussian混合密度模型和Pearson系统模型，研究了具有对称分布（包括超高斯分布与亚高斯分布）和非对称分布源混合信号的盲分离问题，给出了一种有效的基于灵活评价函数的ICA新算法，该算法在一定意义上实现了对源信号概率分布的真正全“盲”。与原有的ICA算法相比，该算法具有更广泛应用范围。模拟实验验证了算法的有效性。     

基于源信号统计独立性的ICA方法的不确定性研究

3种基于源信号统计独立性的ICA方法--极大似然法、最大信息法和最小互信息法是等价的.从这3种方法的计算公式出发,分析了自然梯度算法的收敛条件,指出了ICA问题解的不确定性和近似性的根源.通过论证表明,在源信号都属于指数型的前提下,为亚高斯型和超高斯型源信号适当选择的作为评价函数的非线性函数具有很好的韧性.     

基于QMC采样的GMPHD分布式融合方法

针对高斯混合概率假设密度分布式融合过程中高斯分量数随时间急剧增长的问题,给出了一种适用于融合过程不同阶段的两级分量混合约简算法,最大程度地减少了信息的损失。针对高斯混合概率假设密度协方差交叉融合算法中高斯混合模型求幂运算后不再服从高斯混合分布的问题,提出了一种基于拟蒙特卡罗采样的等价求解方法。仿真实验表明,所提的改进算法在保证融合计算有效性和可行性的同时提高了融合精度。     

一种含参数的概率密度核估计的独立分量分析算法

分析了盲源分离算法中互信息准则与概率密度核函数的关系,利用广义高斯模型,提出了一种基于含参数的核概率密度估计的独立分量分析算法。该算法利用观测样本求峰度,通过分段函数给出相应高斯指数值,并刺用样本数据进一步修正源信号的概率密度函数。实现对分离信号评价函数的精确估计。在此评价函数基础上,采用互信息最小化准则,推导出分离矩阵的迭代更新规则。所提算法在一定程度上解决了ICA算法中信号评价函数估计的难题,且能对任意源混合信号进行有效盲分离,仿真实验验证了算法的性能。     

面向协同过滤的真实偏好高斯混合模型

针对协同过滤问题,提出了一种基于高斯混合的概率模型,称为真实偏好高斯混合模型.用户对项目的评分由三个因素决定:用户对项目主题和内容的真实偏好,用户的评分习惯,以及项目的公众评价.引入了两个隐含变量,分别用于描述用户类和项目类,用户和项目依概率可以同时属于多个类.模型包括离线建模过程和在线预测过程,在线预测可以在常数时间内完成.实验表明新模型的预测结果明显优于其他几种协同过滤算法.     

基于截断正态概率模型的改进目标跟踪算法

在应用NIFPAT算法对机动目标跟踪时存在计算量大和要求网络训练两个弱点。分析了截断正态概率模型和NIFPAT算法后 ,把截断正态概率模型与NIFPAT算法思想相结合 ,提出了基于截断正态概率模型的改进目标跟踪算法。该算法根据目标机动情况自动调整系统方差 ,在附加较小计算量的情况下 ,能取得较好的跟踪效果。仿真实验表明 ,该算法能有效地提高对机动目标的跟踪精度。     

基于无监督学习的源数估计及盲分离算法

针对目前欠定盲分离问题中源数未知,采取"两步法"进行分离源信号.在第一步聚类算法中,一般都假设源信号个数已知,即事先给定聚类数目,这类算法成功与否依赖于源信号个数的先验知识.为了有效解决这个问题,提出了一种新的基于模糊聚类分析的无监督学习算法,它利用观测信号之间的相似关系来确定模糊相似矩阵进行迭代算法,不但可以精确估计源信号个数,同时也能获得对混叠矩阵的精确估计.该方法进一步完善了"两步法",仿真结果表明了算法的有效性及优异性能.     

利用概率估计和支持矢量机的信号调制分类

提出了一种常用数字通信信号调制分类算法。针对MASK、MFSK和MPSK调制,选取截获接收机输出信号的瞬时幅度、时频脊线和差分基带信号作为分类特征,利用概率密度估计算法求取分类特征的分布函数,通过构造支持矢量机分类器确定分布函数的峰值个数,从而在多种噪声背景下实现了信号调制类型的自动分类。仿真实验表明,当信噪比大于5 dB时识别率可达80%以上。     

一种稳健的非圆信号波达方向估计算法

为了充分利用非圆信号的特性,提高非圆信号波达方向估计的性能,针对最大非圆率信号,提出了一种稳健的波达方向估计算法。首先,构造两个包含信号非圆信息的四阶累积量矩阵;然后,利用这两个矩阵的旋转不变关系实现信号的波达方向估计;最后,在存在通道幅相误差模型下分析了算法的稳健性,并推导出只要令接收通道中任意两个通道保持一致,算法就能得到正确的波达方向估计。仿真实验表明,算法的测角精度得到提高,并且算法对通道幅相误差具有稳健性。     

一种基于最大熵准则的盲解卷积改进算法

独立源信号的卷积混合比线性混合更接近真实情况。利用非参数概率密度估计方法———Parzen窗函数估计法 ,提出了一种具有良好适应性的盲解卷积改进算法。该算法可以在无需知道信号分布形式的情况下 ,较准确地估计出密度函数值 ,且比传统的最大算法中采用固定的概率密度函数估计更接近信号点的真实概率密度。同时 ,此算法还具有无论对规则、单峰分布还是不规则、多峰分布都可以取得较好的估计的优点。因此 ,在理论上 ,改进算法可以获得比传统算法更优越的分离性能且能广泛地应用于具有各种分布的信号。实验结果证实 ,这一算法能有效地从各种分布的信号包括真实语音、图像等构成的卷积混合信号中恢复出原始信号。与最大熵算法相比 ,改进算法具有更好的分离性和更广泛的适用性。     

PCMA信号幅度的联合估计算法

针对成对载波多址(paired carrier multiple access, PCMA)信号的幅度估计问题,提出了一种联合累积量代价函数与高次方法的估计算法。算法通过求解累积量代价函数的最小值,得到两路信号分量的幅度比,然后利用高次方法估计强信号的幅度值,最后利用强信号的幅度值与两路信号分量幅度比计算弱信号幅度值。重点研究了频差、过采样倍数对算法估计性能的影响。仿真实验表明,该算法复杂度低,抗噪性能强,相比现有算法,本文算法性能受两路信号分量幅度比影响不大,对于对称型、非对称型PCMA信号的幅度估计均可适用。     

MPSK混合信号逐步消除前向干扰的单通道盲分离PSP算法

在日益复杂的电磁环境中,时常会遇到信号混叠的情况,如何把混叠信号成功高效地分离开来成为近年来研究的热点。就逐留存路径处理(per-survivor processing, PSP)算法分离两路同频相移键控混叠信号复杂度较高的问题进行了研究,在前人研究的基础上提出多进制相移键控(m-ary phase shift keying,MPSK)混合信号逐步消除前向干扰的单通道盲分离PSP算法。仿真结果表明,在大约0.5 dB的性能损失下,若以每分离一个混合信号所需遍历的状态数M^2(L-1)(其中,M是信号的调制阶数,L是两路混合信号的码间串扰长度),作为衡量PSP算法复杂度标准,所提算法分离两路二进制相移键控混合信号的复杂度较原有的算法降低了4倍,分离两路正交相移键控混合信号的复杂度较原有的算法降低了16倍,大幅度地降低了混叠信号分离的复杂度,提升了同频相移键控的混叠信号的分离效率。     

基于广义近似消息传递的快速DOA估计方法

针对稀疏恢复类波达方向(direction of arrival, DOA)估计算法中计算复杂度高的问题, 提出了一种基于广义近似消息传递(generalized approximate message passing, GAMP)方法的稀疏贝叶斯学习算法。该算法在现有双基地无源雷达系统模型基础上, 构建了多快拍下的GAMP信号统计模型, 将高维联合后验概率密度的计算简化为标量运算, 提高了算法的计算效率。对于离网目标, 利用梯度下降方法推导了角度空间网格更新策略, 进一步提高了角度估计的精度。仿真结果表明, 该算法在有限快拍、低信噪比情况下, 估计精度较高, 计算复杂度较低, 适用于实时性要求高的应用场景。     

单通道混合信号的深度联合分离译码算法

针对采用低密度奇偶校验(low density parity check, LDPC)码编码的单通道同频混合信号,提出一种深度联合分离译码算法。采用了Gibbs分离过程中的逐符号分离步骤和译码过程中的逐符号译码步骤之间交替更改变量节点似然软信息的方式,在初期译码步骤输出的软信息模值较小,便于分离步骤对译码步骤的结果及时进行纠正,降低整体误比特率,软信息达到译码门限后开始发挥译码作用并最终和分离步骤达到一致收敛。仿真结果表明,本文提出的深度联合算法能够有效避免传统迭代分离译码算法由于分离过程的误比特率超出软输入软输出(soft input soft output, SISO)译码器纠错能力范围导致算法无法收敛的现象,降低联合分离译码算法的门限并提升整体性能,对于8PSK调制的混合信号在误比特率为10^-3时有1 dB的性能改善^。     

基于改进K-均值聚类的欠定混合矩阵盲估计

在源信号个数未知条件下,提出一种基于改进K-均值聚类的欠定混合矩阵盲估计方法。该方法首先计算观测信号在单位半超球面上投影点的密度参数,然后去掉低密度投影点,并从高密度投影点中选取初始聚类中心,最后对剩余投影点进行聚类,根据Davies-Bouldin指标估计源信号个数,并估计出混合矩阵。仿真结果表明,该方法的复杂度低,其运行时间仅为拉普拉斯势函数法的1%~3%;该方法的源信号个数估计正确率远高于鲁棒竞争聚类算法,当信噪比高于13 dB时,该方法源信号个数估计正确率大于96.6%,且混合矩阵估计误差较小。该方法在信噪比较高时,可降低对源信号稀疏度的要求。     

基于伪距信息的GNSS双接收机抗转发式干扰检测算法

在协同应用的背景下,提出基于伪距信息的全球卫星导航系统(global navigation satellite system,GNSS)双接收机抗欺骗干扰检测算法。首先,建立真实信号与欺骗干扰信号的信号模型,进而得到伪距双差模型。然后,利用卫星钟差计算公式得到卫星钟差双差计算模型。根据载噪比选择卫星信号,对测量伪距进行修正并利用最小二乘法进行导航定位解算,得到载体在ECEF坐标系中的位置。由测量伪距结合导航电文计算得到卫星的位置,进而得到卫星与载体之间的距离。最后由伪距双差、卫星与载体的距离双差以及卫星钟差双差计算得到误差值,基于误差值的明显差异性实现对信号的检测与判别。利用双接收机进行实际试验并结合Matlab进行仿真实验,仿真结果验证了算法的有效性和可行性,对试验中的欺骗干扰信号均能有效识别。