基于二阶统计量的两步自适应盲分离算法

提出了一种新的两步自适应盲分离算法，利用代价函数的极值点特性分别获得混合信号和白化信号的特征向量矩阵，实现自适应盲分离过程．该算法避免了离线计算所采用的特征值分解等复杂运算，并且只利用信号的二阶统计量信息，计算工作量低．仿真结果表明，对含有附加噪声的盲混合信号具有良好的分离效果。     

基于协方差矩阵同时对角化的盲信号分离算法

提出了基于自相关协方差矩阵同时对角化的两个盲源信号分离算法. 利用广义奇异值分解(GSVD)算法,将源信号观测数据预白化后的零阶和一阶自相关协方差矩阵同时对角化,估算出两路源信号. 与二阶盲识别(SOBI)算法进行了比较,该算法具有计算简单且运算精度高的优点. 在线性混合加噪模型下,计算机仿真表明该算法的有效性.     

比例微分变步长盲源分离中高阶累积量的影响

介绍比例微分变步长法在盲源分离中的应用,着重阐述对于非高斯混合输出信号,高阶累积量对比例微分变步长盲源分离结果的影响.研究表明,比例微分变步长法不仅适用于高斯型混合输出信号,也适用于非高斯型混合输出信号.对于非高斯型信号,应考虑高阶累积量的贡献.将二阶、三阶和四阶累积量分别作为比例微分算法的控制量,结果表明,三者均能获得相同量级的收敛速度和分离精度,但四阶累积量的初始步长取值范围最大,为0.1~1.2;而二阶和三阶累积量的初始步长取值范围相对较小,仅为0.1~0.4.因此,基于比例微分变步长算法的盲源分离技术,通过合理选择累积量阶数,可适用于不同类型的混合源信号的分离.     

基于特征值和奇异值分解方法的盲分离

在基于特征值和奇异值分解的盲分离算法中，采用固定时延相关统计量不能很好反映数据矩阵特征，故提出了一种基于不同时延正定相关矩阵的特征值和奇异值分解的盲分离算法．算法分观测信号的预白化和基于奇异值分解两个阶段，解决混和矩阵在输出信号数目大于等于输入信号数目的情况下，确定未知源信号的个数和分离的问题．仿真实验表明，改进算法能够准确分离出3个源信号，全系统矩阵比传统算法更接近分离要求，从性能指标来看，改进算法在信噪比10dB时，其分离的效果达到了良好．     

基于正交约束常模算法的MIMO系统盲信号分离

文中提出一个基于线性即时混合类型的两步盲信号分离方案。该方案先利用接收信号的二阶统计特性对信号进行白化，然后利用常模算法对信号向量进行自适应的盲分离。为了使每一个输出端都能分离出一个独立的信号，文中提出一种基于正交约束的常模算法，仿真结果表明该算法不仅能使每个输出端收敛到一个独立的输入端，并且能使收敛速度加快。     

一种基于复值盲分离的欺骗干扰抑制算法

针对线性调频引信欺骗干扰问题,提出了一种基于复值盲分离的欺骗干扰抑制算法.其中:将阵元间的延时转化为信号混合系数,避免了实域盲分离中阵元间需要精确延时补偿的弊端,根据含噪声观测信号协方差矩阵为非单位矩阵的特点,对复值非高斯最大(CMN)算法及其非线性函数进行修正,以提高算法的抗噪声能力,并借助于分离回波与干扰匹配滤波信号的幅值统计方差鉴别回波与干扰信号.仿真结果表明:在低信噪比条件下,改进的CMN算法明显优于原算法;当信噪比大于10dB时,分离回波信号的相似度在80%以上,而且即使信噪比很低,信号的鉴别率也可达到100%.     

一种基于标准峭度的新型复数盲分离算法

在复值信号的盲分离算法中,经常采用信号的峭度最大化作为代价函数.以复数标准峭度代替复数峭度,将复数信号的标准峭度最大化作为新的代价函数,采用修正的复值拟牛顿迭代算法对代价函数进行优化,并运用该算法对混合QAM信号进行分离.仿真实验结果表明:改进后的算法具有很好的分离效果,相比于峭度最大化为代价函数的分离算法,收敛性能有明显提高.     

机械噪声故障特征提取的盲分离法与小波提纯法

机械噪声故障特征提取的难点在于观测信号的信噪比较小．将盲分离技术引入噪声故障特征提取，通过声源信号的相互独立性质，使用二阶盲分离算法从观测的混合信号中提取独立声源信号，然后，通过随机噪声与有效信号在多尺度空间中模极大值的不同传播特性，使用小波模极大值法提取有效信号特征．该算法不仅消除了临近机器或部件辐射噪声的干扰，还消除了随机噪声的干扰，有效提取了机械噪声故障特征．电动机噪声特征提取实验验证了上述算法的有效性．     

基于子空间方法的多输入多输出信道盲辨识与均衡

子空间方法是一种有效的基于二阶统计量的盲信道辨识方法.具有计算量小、性能好、所需样本量少,不需要信号源相关性信息的特点.文中将单输入多输出（SIMO）系统的信道辨识子空间方法推广到多输入多输出（MIMO）系统.在MIMO的情况下,估计所得到的信道参数矩阵与真实参数矩阵间存在一个模糊矩阵,利用二阶盲源分离的方法将其转化为置换矩阵与对角的尺度矩阵乘积,得以提取源信号.此外,针对盲源分离中卷积混合信号分离的问题,利用此类盲均衡方法及其模型中的卷积矩阵,可将卷积混合转化为瞬时混合,从而利用大量已有针对瞬时混合的算法进行盲源分离.并对此进行了仿真,验证了其可行性.     

基于代价函数的盲分离在线白化算法

针对盲信号分离的白化预处理过程，提出了一种基于代价函数的在线白化算法．该算法利用一类代价函数的极值点特性，采用递归计算的方式获得信号的白化矩阵．与传统的白化算法相比，本算法计算量低、利用样本少，因此可适用于信号的在线预白化处理．仿真试验表明，本算法收敛速度快，白化效果理想，为进一步的研究在线盲分离提供了良好的基础．     

一种自适应信号盲分离和盲辨识的有效算法

为了把几个独立信号从它们的线性混叠中盲分离或盲辨识出来,提出了一种具有抑制噪声作用的有效自适应学习算法,研究了算法的有界性和渐近稳定性．以渐近稳定性为条件,给出了算法中非线性函数的适当选择．仿真研究表明,算法是有效而鲁棒的,且能够从有噪声的混叠中恢复原独立信号．     

2.4GHz网络信道估计与识别

在2.4GHz网络中,由于wifi、zigbee和bluetooth这3种系统工作在同一频段,致使它们通信时会出现干扰.为区分出不同系统的信号,基于盲源分离理论,介绍了线性主成分方法(PCA)、递推最小二乘算法(RLS)和2.4GHz系统,推导了RLS型算法和信号识别公式,采用Matlab仿真,结合以前改进的RSL算法和信号识别方法,提出一种改进的RLS算法.经过分析,证明该改进的算法可以从混迭信号中有效地分离出各源信号,特别是使这3个系统的不同信号分离,确定每个信号的所属系统及所占信道.     

多种概率分布源的盲源分离快速算法

基于目标函数迭代优化的方法在解决线性混合情况下,源信号存在多种概率密度分布的盲源分离问题时,需要对非线性函数以及迭代步长进行正确的选择,算法比较复杂;针对此问题,提出一种基于高阶统计的快速分离算法,该算法可以有效地避免上述问题.实验结果表明,该算法能够快速有效地分离出不同概率密度分布的混合信号.     

一种基于免疫遗传神经网络的盲信号分离方法

提出一种基于免疫遗传优化神经网络的盲信号分离算法。该算法用网络的第一层先对观测矢量作预处理，将其降维与白化，再用网络的第二层对信号进行分离：分离层的权矩阵设计成正交矩阵，并采用免疫遗传优化与独立分量分析相结合的算法，对网络分离层的权值进行训练，其中，取高阶统计量峭度的变形作为训练的代价函数。实验表明，该算法对于盲信号分离是有效的。     

一种高精度的近场与远场混合源定位算法

提出了一种高精度的近场和远场混合信号源定位算法．此算法利用混合源阵列流形的对称性特点,从阵列流形里分离出到达角（directionofarrival,DOA）信息,并实现对所有近场与远场信号源DOA的估计．基于得到的DOA估计值,根据近场与远场源距离参数位于不同区间的特点实现对近场及远场源的分类,以及对近场源距离参数的估计．此算法由于充分利用了数据协方差矩阵的信息,并且基于多项式根值方法形成了一个统一的DOA估计器,所以获得了一个高精度的DOA估计性能,且进一步提高了近场源range参数的估计精度．此外,此算法不需要构造高阶累积量,不需要进行二维搜索,不需要进行参数配对;所有的实现过程仅需一维搜索,计算量小,实现简便．数值及与现有算法的对比实验验证了所提出算法的有效性及优越性．     

核独立分量分析在盲源信号分离中的应用研究

提出利用核独立分量分析来分离混合语音信号的盲信号处理方法.介绍了基于核空间ICA的原理和基本算法,然后利用核独立分量分析算法和固定点快速分离算法分离了混合语音信号.试验结果表明:利用基于核独立分量分析的方法可以得到较为理想的分离效果.     

基于双耳互相关函数的声源定位算法

为了提高受生物启发的定位算法的定位成功率,提出了一种基于双耳互相关函数的声源定位算法.该算法包括2个阶段:离线阶段和在线阶段.在离线阶段,测量与头相关脉冲响应(HRIR),并计算所有HRIR的双耳互相关函数(BCCF).当处于在线阶段时,首先,计算接收信号的BCCF;然后,计算接收信号的BCCF与所有HRIR的BCCF...     

基于自然梯度算法的盲信源分离研究

盲信源分离试图从给定的一组混合观察数据中恢复未知的独立信源。文中介绍盲信源分离的一种非常重要的算法——自然梯度算法。对通信信号和自然语音信号采用不同的活动函数进行了盲信源分离的计算机模拟实验，结果显示该算法能够分别有效地分离这两类随机混合的信号。