基于统计估计的盲信号分离算法

最大熵法（ＭａｘｉｍｕｍＥｎｔｒｏｐｙ,ＭＥ）和最小互信息量法（ＭｉｎｉｍｕｍＭｕｔｕａｌＩｎｆｏｒｍａｔｉｏｎ,ＭＭＩ）是两种目前最常用的盲信号分离算法．在分析ＭＥ与ＭＭＩ算法的基础上,提出了一种利用反馈结构的输出信号概率密度函数（ｐｄｆ）估计的增强ＭＥ算法．与传统ＭＥ算法相比较,新算法无需给出传统ＭＥ算法中神经元非线性函数的具体表达形式,而是直接利用输出信号ｐｄｆ估计来推导算法的迭代核,进行算法自适应．分析了应用几种不同ｐｄｆ估计方法的新算法迭代公式．通过计算机模拟表明,新算法比传统ＭＥ算法对于解决卷积混合输入的盲信号分离问题时,具有更好的算法性能．     

熵谱估计中的信号模型问题

系统讨论了最大熵谱分析法（ＭＥＭ）Ⅰ和Ⅱ及Ｓｈｏｒｅ和 Ｔｚａｎｎｅｓ的最小交叉熵 谱法（ＭＣＥＭ）的信号模型，使之对这些熵谱估计的信号模型及相互关系更加清楚， 并便于进行其谱估计。     

LEAKY LAMB WAVES IN MULTI-LAYERED FLUID-SATURATED POROUS MEDIA IMMERSED IN LIQUID

ＬＥＡＫＹＬＡＭＢＷＡＶＥＳＩＮＭＵＬＴＩ┐ＬＡＹＥＲＥＤＦＬＵＩＤ┐ＳＡＴＵＲＡＴＥＤＰＯＲＯＵＳＭＥＤＩＡＩＭＭＥＲＳＥＤＩＮＬＩＱＵＩＤＺｈｏｕＹｕｆｅｎｇ１）ＷａｎｇＹａｏｊｕｎ１）ＭａＬｉ２）ＧａｏＴｉａｎｆｕ２）（１）Ｉｎｓｔｉｔｕｔｅ...     

ON THE EXPONENT SET OF PRIMITIVE LOCALLY SEMICOMPLETE DIGRAPHS

ＯＮＴＨＥＥＸＰＯＮＥＮＴＳＥＴＯＦＰＲＩＭＩＴＩＶＥＬＯＣＡＬＬＹＳＥＭＩＣＯＭＰＬＥＴＥＤＩＧＲＡＰＨＳ￥ＺｈａｎｇＫｅｍｉｎｇ１）；ＢｕＹｕｅｈｕａ２）（１）ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｃｍａｔｉｅｓ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｎ...     

MIXED BOUNDARY VALUE PROBLEM FOR SECOND ORDER SYSTEM OF DIFFERENTIAL EQUATIONS OF THE ELLIPTIC TYPE

ＭＩＸＥＤＢＯＵＮＤＡＲＹＶＡＬＵＥＰＲＯＢＬＥＭＦＯＲＳＥＣＯＮＤＯＲＤＥＲＳＹＳＴＥＭＯＦＤＩＦＦＥＲＥＮＴＩＡＬＥＱＵＡＴＩＯＮＳＯＦＴＨＥＥＬＬＩＰＴＩＣＴＹＰＥＣｈｅｎＱｉｎｇｘｉａｎｇ（陈庆祥）（ＺｈｏｎｇｓｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｇ...     

APPROXIMATE SOLUTIONS OF SOME BOUNDARY VALUE PROBLEMS FOR PARABOLIC EQUATIONS AND THEIR ERROR ESTIMATES

ＡＰＰＲＯＸＩＭＡＴＥＳＯＬＵＴＩＯＮＳＯＦＳＯＭＥＢＯＵＮＤＡＲＹＶＡＬＵＥＰＲＯＢＬＥＭＳＦＯＲＰＡＲＡＢＯＬＩＣＥＱＵＡＴＩＯＮＳＡＮＤＴＨＥＩＲＥＲＲＯＲＥＳＴＩＭＡＴＥＳＨｕＭｉｎｄｅ（胡敏德）；ＷｅｎＧｕｏｃｈｕｎ（闻国椿）（Ｌｏｇｉｓｔ...     

APPROXIMATION OF SINGULAR INTEGRALS BY WAVELETS

ＡＰＰＲＯＸＩＭＡＴＩＯＮＯＦＳＩＮＧＵＬＡＲＩＮＴＥＧＲＡＬＳＢＹＷＡＶＥＬＥＴＳＨｕＪｉｃｈｅｎｇ（胡继承）（ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７２）Ｉｎｔｈｉｓｐａｐｅｒｗｅａｒｅｇｏｉｎｇｔｏｓｈｏｗｈｏｗｗａｖｅｌｅｔｍｅｔ...     

MULTIPARAMETERINVERSIONOFELASTICWAVEWITHSINGLEIMPULSESOURCE

ＭＵＬＴＩＰＡＲＡＭＥＴＥＲＩＮＶＥＲＳＩＯＮＯＦＥＬＡＳＴＩＣＷＡＶＥＷＩＴＨＳＩＮＧＬＥＩＭＰＵＬＳＥＳＯＵＲＣＥＣｈｅｎｇＪｉａｎｃｈｕｎＴａｏＸｉｕｐｉｎｇＷｅｉＹｏｎｇＺｈａｎｇＳｈｕｙｉ（ＩｎｓｔｉｔｕｔｅｏｆＡｃｏｕｓｔｉｃｓａｎｄＬ...     

LARGETIMEBEHAVIOROFSOLUTIONSTOACHEMICALREACTION┐DIFFUSIONSYSTEM

ＬＡＲＧＥＴＩＭＥＢＥＨＡＶＩＯＲＯＦＳＯＬＵＴＩＯＮＳＴＯＡＣＨＥＭＩＣＡＬＲＥＡＣＴＩＯＮ┐ＤＩＦＦＵＳＩＯＮＳＹＳＴＥＭＪｉａｎｇＣｈｅｎｇｓｈｕｎＸｉｅＣｈｕｎｈｏｎｇ（ＤｅｐａｒｔｍｅｎｔｏｆＭａｔｈｅｍａｔｉｃｓ，ＮａｎｊｉｎｇＵｎｉｖ...     

关于深化我院后勤改革几个问题的探讨

关于深化我院后勤改革几个问题的探讨ＯＮＳＯＭＥＰＲＯＢＬＥＭＳＯＦＤＥＥＰＥＮＩＮＧ　ＯＦＬＯＧＩＳＴＩＣＳＲＥＦＯＲＭＩＮＯＵＲＣＯＬＬＥＧＥＴａｏＧｅｎｙｏｕ（ＺｈｅｊｉａｎｇＦｉｓｈｅｒｉｅｓＣｏｌｌｅｇｅ，Ｚｈｏｕｓｈａｎ３１６１０１）陶根友...     

一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题，由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量，这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低．为此，本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件，并在此基础上用高斯混合模型来估计信号的概率分布，提高了信号概率密度估计的精度；同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法，提高了算法的收敛速度．通过对船舶辐射噪声信号的盲分离实验，证明了此分离算法是有效的．     

基于时延估计波束形成预处理的实时语音盲信号分离研究

针对现有盲信号分离算法,在真实环境下性能会降低及计算量大而难以实时处理的局限性,提出一种将基于时延估计的波束形成与一种简单的去相关盲分离算法相结合的分离方法.在波束形成中,首先用互功率谱相位法对信号源到达传感器阵列的相对时延进行估计,然后进行延时对消,在此基础上再进行盲信号分离,并将该去相关盲分离算法推广到频域进一步降低计算复杂度.仿真实验表明,该方法简单可行并使得分离效果显著改善.     

盲信号分离模型的混叠矩阵估计算法

针对传统盲信号分离方法通过估计分离矩阵实现盲信号分离难以同时适应适定、欠定和过定模型的问题,给出了一种新的方法,直接估计混叠矩阵实现盲分离.首先给出估计混叠矩阵的梯度学习公式,并分析了该梯度算法对适定模型的有效性,然后将它推广到过定混叠和欠定混叠模型,从而得到了一种适用于各种盲分离模型的混叠矩阵估计算法.仿真例子检验了所提出的算法在适定情形下与原有算法有类似的特性,而又可以同时适应过定和欠定模型.     

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．     

采用聚类神经网络与分离输出语音重构的语音分离算法

基于听觉现象分析计算模型 ( CASA)的基本原理 ,对仅有单通道输入混合语音信号时 ,采用振荡器神经网络 ,提出了一种 CASA计算模型语音分离算法结构 .利用实例说明了算法的具体实现步骤和参数设置 .讨论了该算法结构中各语音听觉感知成分 Segments的聚类过程和对分离输出语音的重构处理部分 ,以及如何采用合适的听觉感知成分聚类规则设计相应的聚类神经网络 ,以完成对应不同输入独立语音源信号的各 Segments的聚类 ,从而实现语音分离任务     

基于非负矩阵分解和长短时记忆网络的单通道语音分离

为了解决语音分离中非负矩阵分解(non-negative matrix factorization,NMF)、深度神经网络(deep neural network,DNN)等算法没有考虑语音时序相关性的问题。结合NMF和长短时记忆网络(long short-term memory,LSTM)算法提出NMFLSTM单通道语音分离算法:将语音信号的幅度谱作为模型的输入特征,通过训练NMF和LSTM模型获得目标语音的基矩阵和系数矩阵,并对其结果进行语音重构最终实现语音分离。实验结果表明:相比于未考虑语音时间连续性的算法,使用NMFLSTM算法分离语音的客观语音质量评估值(perceptual evaluation of speech quality,PESQ)有明显提升,其最大值超过3. 1,获得良好的分离效果。     

基于分组简化粒子群算法的盲源分离

传统盲源分离算法普遍存在收敛精度低和易陷入局部最优的缺点,针对上述问题,提出将蛙跳算法的分组思想应用到盲源分离算法中.该分组思想是将整个粒子群分为多组子群体,每组粒子在进行组内寻优的同时进行全局寻优,从而增加了粒子之间的差异性,可以有效避免早熟收敛.该算法以负熵为目标函数,通过对分离矩阵进行调整,使各个信号分量之间相互独立,从而完成对瞬时混合信号的盲源分离.实验仿真结果表明,提出的算法与基本的粒子群盲源分离算法相比,能有效避免早熟收敛并进一步提高收敛精度和算法的稳定性.     

一种采用振荡神经网络的CASA计算模型语音分离算法

基于听觉现象分析（CASA）模型的基本原理,在仅有单通道输入混合语音信号时,采用振荡器神经网络,提出了一种CASA改进模型语音分离算法结构,文中利用一个实例说明了新算法的具体实现步骤,讨论了新算法机构中语音听觉外围处理部分和分割神经网络处理部分,通过上述两个部分的处理可以将输入混合语音信号在时频域上分割为若干有听觉感知意义的语音听觉感知成分分段Segments,以便于新算法后续处理分部中语音Segments的聚为和分离重构输出处理,最终完成语音分离任务。     

基于前馈复式的BSS去噪方法

在BSS中，含噪声信号的盲分离是困难的，因为存在太多的未知条件。针对噪声环境，提出了一种基于前馈复式BSS去噪新方法。由于BSS算法的目的是尽可能恢复源信号，因而其实际输出信号总是由某个较强的源信号迭加另一些较弱的源信号及噪声组成。该方法是把那些较弱的源信号及噪声又假定为一个新的混合源信号Snew，那么通过适当的选择和组合前一次盲分离的结果作为下一次盲分离的源，反复使用盲分离技术就可把这个假定的Snew分离出来，再将Snew与选定的某个恢复源信号取谱差，达到消除噪声，提高分离结果性能指标的目的。