基于独立分量分析（ICA）的通信信号盲侦察技术

在通信对抗中，由于电磁环境的复杂性和通信信号调制方式的多样性，我们事前无法确知接收信号的任何信息，给通信侦察带来了极大的困难.为解决复杂多信号环境下的通信侦察难题，作者提出了一种采用独立分量分析（ICA）技术，对原始信号进行盲分离，然后分别对分离的各个信号进行后续处理的盲侦察技术.在介绍ICA技术的基础上，采用基于自然梯度的ICA算法(EASI算法)对分离效果进行了仿真.仿真结果表明，采用该方法在无需任何先验知识的情况下（如载频、信号带宽、调制样式），可以很好地分离出原始发射信号，为后续信号处理（如分析识别、解调等）奠定了基础.     

基于负熵最大化的卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号盲识别的问题,提出一种基于负熵最大化的测控信号副载波识别算法.首先介绍了独立分量分析的基本理论,根据独立分量分析求解问题的思路,由互信息准则得出能够表征输出信号之间独立性的目标函数即负熵.由于源信号是盲信号,源信号的概率密度未知,采用负熵的近似表达式来计算,最大化负熵代表着输出信号之间互相独立,即实现了信号的分离.在深入分析基于负熵最大化的快速独立分量分析算法的基础上,将其用于卫星测控信号的盲识别上.MATLAB仿真结果表明,该识别算法可以较好地分离卫星测控信号,具有良好的稳定性,收敛速度较快.     

基于独立分量分析的机械故障信息提取

独立分量分析是盲源分离的一种新方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出各独立的信号分量、为此，论证了机械振动信号盲源分离的可行性，并对盲源分离中的“源”赋予了新的含义，利用互相关函数估计不同通道之间的时延参数，适当截取后组成混合信号再进行盲源分离，可以保证振动信号分离的有效性、盲源分离技术在涡流传感器失效故障诊断和早期碰摩故障诊断的成功应用，表明该技术在机械设备状态监测和故障诊断中有着广阔的应用前景．     

小波分解单通道盲分离干扰抑制方法

在单通道通信系统抗干扰问题中,由于先验信息不足,不能采用常规的盲分离方法抑制干扰?针对此问题,提出一种小波分解结合独立分量分析(independent component analysis,ICA)的单通道盲分离抗干扰方法?该方法利用小波分解,将单路混合信号分解为一系列的小波分量,通过计算各层小波分量的能量,选择最优小波分量作为ICA的输入信号,采用ICA方法实现信号的分离和重构?该方法选择最优小波分量进行盲分离,有效减少分离算法的计算量,同时降低噪声对系统性能的影响?仿真结果表明,所提方法可以有效地分离混合信号,提高单通道通信系统的抗干扰能力和系统处理速度?     

基于稳健独立分量分析的转子故障信息增强方法

针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。     

基于稳健独立分量分析的转子故障信息增强方法

针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。     

适用于通信侦察的信号盲分离算法

以Kullback-Leibler散度为代价函数,基于相对梯度算法推导了在通信侦察中适用于通信信号盲分离的独立信源盲分离算法,并从理论上证明了算法的稳定性.仿真结果表明:只要源信号之间相互独立,则对任意载频、任何调制方式的通信信号,该算法都能够根据观察到的混合信号有效地分离出源信号.在源信号并不完全独立的情况下,其分离性能略有降低.     

通信侦察信号的盲分离

为解决复杂电磁环境下通信侦察信号的盲分离问题,以K-L散度作为信号之间独立性的测度,利用相对梯度的概念,推导了适用于通信侦察信号的等变自适应盲分离算法.仿真结果表明,该算法不仅能有效分离功率相差很大、时频域严重重叠的通信侦察信号,而且收敛速度快.     

级联双稳随机共振降噪下的有噪ICA研究

研究了强噪声混合条件下的独立分量分析（ICA）问题．提出了一种将级联双稳随机共振（SR）用于有噪ICA盲源分离的方法．该方法利用级联双稳SR对时域波形降噪的优良特性，先对有噪ICA信号进行SR输出，再进行ICA盲源分离．实验结果表明，利用上述方法可以有效提高有噪ICA的分离效果．     

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.     

基于改进粒子群的盲源分离算法研究

简要地介绍了盲源分离的基本理论,针对独立分量分析传统的优化算法易于陷入局部最优、收敛精度低的缺点,提出了一种基于改进型粒子群的盲源分离算法,将独立分量分析算法与改进的粒子群算法相结合,以负熵作为目标函数.采用这种改进的粒子群算法对分离矩阵进行调整使各个信号分量之间独立,完成对瞬时混合信号的盲分离.实验信号的分离仿真结果表明,该算法能够有效地完成混叠信号的分离.同时,在与传统的盲源分离算法进行对比中,体现出了更高的分离精度和稳定的性能.     

独立分量分析法降噪技术研究

研究了在超声检测时利用独立分量分析法对检测信号进行噪声处理技术,在试验中采用Matlab软件对人工加工的焊缝缺陷检测出来的源信号数据进行独立分量分析迭代分离后,再将所得的信号数据分离出源信号与噪声信号,经处理后恢复的缺陷图像明显可以改善之后的焊缝质量评定准确度.结果表明,采用独立分量分析法对噪声分离后更能精确识别检测信号中的缺陷信息,减少由于源信号与噪声的重叠造成了对焊缝缺陷的误判.     

改进的变分模态分解在锚杆和锚固质量检测中的应用

针对锚杆电磁超声信号夹杂的噪声极大地影响有用信息提取的问题,提出基于布谷鸟搜索算法的变分模态分解与独立分量分析相结合的降噪方法;该方法利用布谷鸟搜索算法优化变分模态分解的输入参数,实现信号的最优分解,利用变分模态分解将信号自适应分解为一些模态分量,依据排列熵值对分解的模态进行重构,利用快速独立分量分析算法对重构信号与原信号组成的2路通道进行解混,实现回波信号与噪声信号的分离,并对锚杆和锚固信号数据进行分析。结果表明,与常用的降噪方法相比,该方法有更好的抗噪性和降噪效果。     

基于概率密度估计盲分离的通信信号盲侦察技术

为解决复杂多信号环境下的通信侦察难题,提出一种新的盲侦察技术,采用基于密度估计的盲分离算法（DEBSS）分离出原始信号,然后对分离的各个信号进行后续信号处理．DEBSS算法采用核函数估计法估计出信号的概率密度函数及其导数,以此确定信号的评价函数,然后采用自然梯度迭代算法进行迭代．仿真结果表明,采用该方法在无需任何先验知识的情况下（如载频、信号带宽、调制样式）,可以很好地分离出原始的发射信号,为后续信号处理（如分析识别、解调等）奠定基础．该算法可以对任意源信号进行分离,而不管它是超高斯还是亚高斯信号．     

一种电气化铁路杂音干扰影响的消除方法

铁路通信线离接触网的距离较近,接触网的电流会对其产生杂音干扰,影响铁路通信的质量。为消除杂音干扰对铁路通信信号的影响,采用基于独立分量分析的盲源分离方法,对获得的混合信号进行白化处理,通过线性变换矩阵从混合信号中分离出原信号和杂音干扰信号。针对传输电话语音信号及远动装置的频移键控信号两种情况的杂音干扰进行了分离。仿真结果表明:采用基于ICA的盲源分离方法,能较好地分离铁路通信线上所传输的信号,去除接触网杂音干扰的影响,为提高铁路通信信号的质量提供了一种新的方法。     

基于小波降噪和盲源分离的跳频通信抗干扰方法研究

传统盲源分离技术中白化处理的降噪能力有限,导致其在低信噪比条件下效果不理想,制约了盲源分离技术在通信抗干扰领域的实际运用。针对这一问题,在基于盲源分离的跳频通信抗非相关干扰方法的框架基础上引入小波降噪,提出了对混有干扰的多路接收跳频信号先小波降噪预处理再盲源分离的方法。仿真结果表明,提出方法与已有的类似工作相比,能够在低信噪比条件下进一步改善跳频通信对抗强非相关干扰的误码性能。     

基于粒子群算法的盲源信号分离

当源信号个数大于2,联合对角化（JADE）算法在盲源信号分离时效果不理想.提出了一种基于粒子群算法（PSO）的盲源信号分离（BSS）算法.该算法利用PSO算法代替JADE算法中的联合对角化操作,以混合信号的峭度为目标函数,采用独立分量分析的方法,对瞬时混合的信号进行了盲分离,理论分析和仿真结果表明了该算法的可行性和有效性.     

独立分量分析及其在信号处理中的应用

独立分量分析是近年来由盲源分离技术发展而来的一种多维信号统计处理方法,可以根据源信号的基本统计特征,由观测数据最终恢复出源信号.该方法在很多与信号处理相关的领域有强大的应用潜力.文中简要介绍了独立分量分析的基本概念、原理及各种独立性判据,综述了独立分量分析在语音信号处理、图像处理、移动通信等领域的应用,最后结合笔者的研究探索,总结了独立分量分析的研究进展和发展趋势.     

盲小波算法在金属矿床地震资料去噪处理中的应用

根据小波分析和盲信号分离原理,提出了一种金属地震资料降噪的盲小波算法。首先将金属地震信号用小波分解为不同频带的信号;其次把不同频带的信号进行软阈值法处理,并进一步对不同频带信号进行盲分离,提取出与源信号相关的信号;最后通过小波重构估计源信号。通过盲小波算法与其他降噪技术对实际金属地震资料进行降噪处理,结果表明盲小波算法能有效消除各种干扰噪声。去噪后的金属地震资料纹理清晰,地震资料剖面信噪比显著提高。     

基于FastICA的语音盲源分离方法

独立分量分析（ICA）在处理盲信号分离中被广泛使用,但其收敛速度较慢.为此文章重点介绍了一种更为有效的盲源分离方法——快速独立分量分析(FastICA).文章在介绍了FastICA的基本理论和方法之后,将其应用到语音分离中.在采集了三个实际的声音信号后,将三个原始信号进行混叠,在matlab仿真环境下用FastICA方法对混叠信号进行分离,将分离结果与原始信号波形进行比对,结果说明该算法具有良好的分离效果.