一种非平稳卷积混合信号的自适应盲分离算法

基于多时延解相关准则并利用自然梯度原则推导出一种非平稳信号在卷积混合情况下的自适应盲分离算法，仅通过对有限个观测时延样本的相关矩阵进行Frobenius范教最小化运算得到分离矩阵，算法计算量低，可实现信号连续处理，适用于在线运算。仿真结果表明算法仅需较低的分离滤波器长度和少量的时延样本即可获得良好的分离性能。     

基于自然梯度的非平稳信号自适应盲分离算法

基于自然梯度原则并利用信号的时间相关属性对一类代价函数进行推导，获得一种新的非平稳信号自适应盲分离算法．算法利用样本的多时延解相关方法以及迭代计算的形式获得盲混合信号的分离矩阵，无需对观测样本进行分块处理，计算工作量低．仿真结果表明，算法分离精度高，迭代过程平稳，对多个信号源的盲分离可实现良好的分离性能．     

基于模糊函数的单步盲信号分离算法

基于模糊函数的分布特性提出了一种新的时频盲信号分离算法，利用信号模糊函数分布的对称性与居中性选取相应的时频点进行分析，与维纳时频分布相比可减小工作量，而且不需要设定闽值。算法利用一种非正交联合对角化方法求取分离矩阵，不需对观测信号进行预白化处理。仿真表明在原始信号具有互相关的情况下也能达到良好的分离性能。     

On-line blind source separation algorithm based on second order statistics

1 .INTRODUCTIONBlindsource separation (BSS) is one of the most activeresearch areasin signal processing community. The mainobjective of blind source separationis to extract indepen-dent source signals fromtheir observed mixtures withoutfull knowledge of the signal propagation environment .BSStechnologies have been widely usedin array process-ing,communications,biomedical signal processing,i mageprocessing, speech processing, seismic prospecting andother areas.Many methods have been prop…     

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．     

一种基于时频分析的盲信号分离算法

利用模糊函数的时频分布特征选取时频点，提出一种新的时频域盲信号分离算法．与传统的维纳时频分布相比，不仅显著缩小了时频点的选择范围，而且不需要设定阈值．算法利用一种非正交联合对角化方法求取分离矩阵，在原始信号具有互相关的情况下也能达到良好的分离性能．仿真试验表明，该算法计算量小，分离精度高，可实现高斯源或相关源信号的盲分离．     

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。     

多时延解相关准则下的非平稳信号在线盲分离

利用一种基于多时延解相关准则的代价函数和自然梯度原则,分别推导出非平稳信号在瞬态线性混合及卷积混合情况下的在线盲分离算法,仅通过对有限个时延样本的相关矩阵进行Frobenius范数最小化运算得到分离矩阵,计算工作量小,无需对样本进行分块处理,可实现对信号的连续跟踪操作。仿真结果表明算法分离精度高,分离过程平稳,在任意混合情况下均能获得良好的分离性能。