基于模糊逻辑的亚高斯与超高斯源混合盲分离

对于同时存在亚高斯和超高斯源信号的盲信号分离问题,提出了适用于两类信号同时存在的合成概率模型,并以此概率模型计算非线性函数得到了分离两类信号的统一算法。同时,引入模糊推理系统在线确定自适应算法的迭代步长,因此学习算法的收敛速度更快,而且稳态误差更小。仿真实验分别通过对语音信号以及人工合成信号的分离,验证算法的有效性,并通过计算分离信号的干扰信号比(interference to signal ratio, ISR),证明提出的算法能够更好、更快地分离亚高斯与超高斯混合信号。     

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。     

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。     

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EMICA-KRR的长输管道压力监测与泄漏定位方法

为解决长输管道压力监测过程中泄漏突发,难以实时预警并精确定位的问题,提出一种基于集成改进独立分量分析(EMICA)和核岭回归(KRR)的管道泄漏故障检测与定位方法.首先,建立基于EMICA算法的故障检测模型,提取并分离压力数据中的高斯信号和非高斯信号并构造相关统计量,实现故障信号分离与主分量选择;然后,根据EMICA模型获得的故障信号,进一步构造基于KRR算法的故障诊断模型,拟合数据得出故障信号压力变化幅值,实现泄漏信号的选择与泄漏故障的定位;最后进行TE(田纳西-伊斯曼)过程的数值仿真实验以验证算法的性能.仿真结果表明:EMICA-KRR算法拥有更良好的信号分离能力,可以准确识别泄漏故障信号并精确定位管段失效位置,克服了传统方法的低效、延时等缺点.     

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。     

基于独立成份分析的MPSK信号调制制式自动识别

针对低信噪比情况下传统的MPSK信号识别算法效率不高的问题,提出一种基于快速独立成份分析(FICA)的MPSK信号非监督识别算法.该方法借助快速独立成份分析提取具有不同分布特征的信号分量作为最大似然分类器的识别特征.实验结果表明,此算法在低信噪情况下能有效地分离信号与噪声分量,挖掘有用信息,实现对MPSK信号的高精度自动识别.     

改进的频域盲分离排序不确定性消除算法

讨论了频域盲源分离算法中的排序不确定性问题.根据相邻频点上同一个信号的频谱幅度相关大于不同信号频谱幅度相关的特点,提出了一个改进的基于相邻频点幅度相关性的排序不确定性消除算法.在两个相邻频点上构造一个幅度相关矩阵,再根据相关性大小将幅度相关矩阵转换为转王矩阵.该方法可以实时处理卷积信号频域盲源分离算法的排序不确定问题,在对每个频‘点进行独立分量分析的同时确定各分量的顺序.该算法效率高、鲁棒胜好.仿真实验表明了算法的有效性.     

基于信息理论的舰船噪声盲分离算法

目前水声信号处理方法大多基于信号和环境的特定统计假设 ,使用限制较大。当模型假设不成立时 ,会严重影响信号处理效果。本文导出了基于信息理论的舰船噪声盲分离算法。该算法利用当信号相互独立时的信息理论特性 (互信息量最小或熵最大 )作为分离准则 ,逐步学习确定分离矩阵。算法无需输入信号和混合矩阵的任何先验知识 ,实验仿真证明了算法的有效性。     

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。     

一种信号源数目的盲估计方法

源数目估计在阵列信号处理,特别是盲处理技术中具有重要意义.本文通过分析信号空间的构成,给出了一种基于特征值估计的源数目盲估计方法.分析了算法在不同信号传递(瞬时混合和卷积混合)形式、不同信噪比下的估计精度.仿真研究了传感器数目对源数目估计的影响.结果表明,该算法具有较好的估计能力和可靠性.     

独立分量分析在相控阵雷达信号检测中的应用

相控阵雷达工作的环境日益复杂,分析了干扰、杂波环境下相控阵雷达接收信号的盲可辨识性,建立了目标信号的盲分离模型,在此基础上提出了小波变换与独立分量分析方法相结合检测目标的算法。该算法首先使用小波变换对相控阵雷达接收的回波信号作消噪处理,提高目标信号的信噪比,然后使用独立分量分析方法对源信号进行分离,提取相控阵雷达接收回波中的目标信号。仿真结果验证了算法的有效性。     

ULA中基于LS-ICA的短时高效DOA估计

研究了均匀线阵(uniform linear array, ULA)的波达方向(direction of arrival,DOA)估计问题,提出了一种能充分利用阵列结构上来波数据的信号处理方法进行角度估计。所提方法的关键是采用天线阵列因子的实部来构造新的信号接收模型,进而通过独立分量分析(independent component analysis,ICA)对接收信号进行盲分离,用最小二乘(least square,LS)法求解入射信号的角度,同时给出了天线阵元间距应满足的条件。仿真表明,与多重信号分类(multiple signal classification,MUSIC)方法相比,本文方法能够适应阵元间距的变化,在低信噪比(signal-to-noise ratio,SNR)时估计性能以及角度分辨力均较优,通过一步粗估计就可获得较高精度且具有实时性,均方根误差(root mean square error,RMSE)向克拉美-罗界(Cramer-Rao bound,CRB)的逼近程度也说明了新方法的优势,此外还可以采用细估计来提高估计精度。     

基于BSS的跳频通信抗部分频带噪声阻塞干扰方法

根据跳频信号与部分频带噪声阻塞干扰信号的近似统计独立性,提出一种基于盲源分离的跳频通信对抗部分频带噪声阻塞干扰方法。所提方法利用分离信号的二阶或高阶统计量构建目标函数引导分离矩阵迭代,实现跳频信号与部分频带噪声阻塞干扰信号的有效分离,从而提高跳频通信的抗干扰能力。仿真结果表明,所提方法可明显改善跳频通信在部分频带噪声阻塞干扰下的误码率性能,而且分离算法的处理时延很小,有望满足跳频通信的实际需求。     

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。