卷积混合信号频域盲分离技术研究

阵列声纳观测的舰船辐射噪声信号是由多目标源、海洋环境噪声等经多途卷积混叠形成,为提高被动声纳的检测能力、有效分离多目标信号与环境噪声,提出一种新的信号盲分离方法,利用滑窗短时傅里叶变换将时域信号卷积混合形式转换到频域瞬态混合形式,针对每个频率点利用非平稳水声信号的多拍交叉相关序列,建立频域适用盲分离算法,估计分离网络矩阵,分离恢复多源信号,研究了多源多途水声信号盲分离技术,用仿真信号和水池实验实录信号进行频域盲分离算法检验,结果表明信号分离效果较好。     

改进的语音频域盲分离算法

针对语音信号频域盲分离的排序问题,研究了幅值函数和频点间距对信号相关性的影响,提出了利用短时平均幅度函数和加入频点系数的方法对算法进行改进。改进算法考虑了幅值函数的稳定性和远距离频点的不可靠性,最终实现全部频点的排序。仿真实验对两种不同情况下混合的语音信号进行分离,结果表明改进算法的有效性。     

混合语音信号的盲分离技术

在语音信号盲分离问题中,通过短时傅立叶变换把语言信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性.本文通过实验探讨了信号盲分离的方法及其幅值补偿与重新排序的方法,并在MATLAB环境中进行了仿真,实现了语音信号的盲分离.     

混合语音信号的盲分离及排序技术

在语音信号盲分离问题中,通过短时傅立叶变换把语言信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性。本文通过实验探讨了信号盲分离的方法,及其幅值补偿与重新排序的方法,并在MATLAB环境中进行了仿真,实现了语音信号的盲分离。     

基于频域盲解卷的的齿轮箱信号盲分离

将频域盲解卷算法应用于齿轮箱信号的盲分离,利用相邻信号的相关性解决次序不确定性问题.利用非高斯极大化解决幅值不确定性问题.仿真及试验结果表明,该方法可以有效对信号进行分离,具有广阔的应用前景.     

一种基于信息最大化的时延混合盲分离算法

Bell和Sejnowski提出了一种基于信息最大化的方法能够分离瞬时混合信号，一般称之为传统的信息最大化方法．本文对传统的信息最大化方法进行了扩展，使之能够适用于更普遍存在的时延混合情况，并给出了一个能够处理时延混合信号的网络结构．通过最大化网络传输的信息量，本文推导出了网络中的时延和权的自适应方程．     

同频同调制通信信号的卷积混合盲源分离

针时卷积混合同频同调制通信信号,提出一种新的卷积混合盲分离算法,利用滑窗Z变换将时域卷积混合形式信号通过数学变换转换到z域瞬时混合形式,通过成熟的线性混合盲分离算法分离出Z域源信号,估计出时域上的源信号.该方法适用于适定情形下的卷积混合盲分离问题,需要设置的分离参数只有一个,就是滑动窗口长度,从而降低了计算复杂度,提升了分离性能,易于硬件实现,可移植性强.     

基于盲反卷积的脑电信号盲分离研究

采用卷积混合模型描述观测脑电信号(electroencephalogram,EEG),提出一种基于盲反卷积的EEG盲分离方法.结合EEG源成分的独立性确定代价函数,并采用共轭梯度法进行迭代寻优.针对EEG仿真实验数据进行方法验证,采用分离信号与源信号之间的相关系数作为验证指标.实验结果表明,本文方法可以较好地实现EEG盲分离,为EEG信号处理和其他生理信号处理分析提供理论和方法借鉴.     

基于帕斯维尔定理的频域积分盲源分离算法

为了克服卷积混合信号盲源分离双最小均方(Double least mean squeres,Double-LMS)算法在分离滤波器过长时计算量过大的问题,借助于傅里叶变换理论中的帕斯维尔定理,将其转化为频域积分算法。频域积分算法可以利用快速傅里叶变换实现,具有较高的计算效率,可以克服当分离滤波器过长时原算法效率低下的问题。仿真结果表明:新算法在保持了DoubleLMS算法良好分离性能的基础上,降低了原算法的复杂度,提高了计算效率。     

一种基于信息最大化的时延混合盲分离算法

Bell和Sejnowski提出了一种基于信息最大化的方法能够分离瞬时混合信号,一般称之为传统的信息最大化方法.本文对传统的信息最大化方法进行了扩展,使之能够适用于更普遍存在的时延混合情况,并给出了一个能够处理时延混合信号的网络结构.通过最大化网络传输的信息量,本文推导出了网络中的时延和权的自适应方程.     

基于卷积混叠传输信号的去噪

提出一种基于卷积混叠信号分离神经网络算法,简称CMHJNN。可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可应用于传输信号上的去噪。对多类不同信号组合仿真表明,该方法是有效的,网络性能是稳定的。     

一种非平稳卷积混合声音信号的盲分离算法

讨论一种非平稳卷积混合声音信号盲分离算法。该算法基于多时延解相关准则建立代价函数,用Frobenius范数最小化代价函数得分离矩阵。算法计算量低,适用于自适应在线运算,而且不要求时延相关矩阵是正定的。对非平稳卷积混合声音信号进行仿真实验,验证了算法的有效性。     

旋转机械源混合模式分析及源波形恢复

讨论了旋转机械源(振动激励源与噪声源)混合模式及源波形恢复的问题．从分析旋转机械源的起源及传播过程出发,整体论述了其混合模式,给出了相应的数学模型,并从源分离和波形恢复的角度对这些模型的实用背景进行了综合概括．最后,提出了基于频域分段窄带化的机械源分离整体解决方案．     

快速定点独立向量分析在语音信号盲分离中的应用

针对包括环境噪声的混叠语音信号分离困难问题,提出一种新的频域快速定点独立向量分析模型,对混叠语音信号进行盲分离.该模型中的每个源信号以向量形式混合,模型采用二次泰勒多项式把牛顿迭代算法直接应用于复变量对照函数,通过最优化使牛顿迭代规则更加简单和清晰.对实际采集的语音信号进行仿真,实验证明算法很好地分离了卷积盲源信号,新算法具有良好的收敛性和较高的准确性.     

侧链杯芳烃聚硅氧烷固定相分离Grob试剂

讨论了分别含己酰异丙胺基和丁基的侧链杯芳烃聚硅氧烷固定相应用于Grob试剂的分离情况,结果表明:Grob试剂的各组分在柱子上均能得到良好的分离,且峰型尖锐对称,无拖尾现象。在杯芳烃单元含-NH-的PSO-C[4]A柱上,Grob试剂中醇类在正构烷烃C_(10)、C_(11)、C_(12)后流出,柱极性较强;在丁基取代的PSO-[4]B柱上,1,3-丁二醇出峰时间短,柱极性弱。     

基于改进的H-J算法的信号盲分离研究

独立分量分析是近十多年发展起来的一种非常有效的盲信号分离技术。改进的H-J算法是具有较好稳定和收敛性能的ICA算法,该文通过对改进的H-J算法的分析,将其应用于混合矩阵近似奇异,且强噪声背景下的混合信号盲分离中,并通过计算机仿真实验给予了验证。     

刈割与品种对白三叶／多年生黑麦草混播种群生长的影响

研究了刈割频率与品种对白三叶／多年生黑麦草混播种群生长动态及种间相容性的影响，刈割频率效应主要表现在夏季，高频率刈割明显提高了草群中白三叶组分比例，而对黑麦草具有抑制作用，尽管３个白三叶供试品种对高频率刈割的反应存在着差异，虽然春，秋季刈割频率效应不显著，但其变化趋势仍是，高频率刈割白三叶组分比例高于低频率刈割。白三叶品种对春，夏，秋各季混播草地组分种群生长动态部产生了极显著的影响，两种刈割频率下     

基于高斯模型和贝叶斯理论的单信道语音盲源分离

单信道盲源分离是盲信号分离的重要研究方向.针对单信道线性混合语音信号一次分离后不能完全消除干扰语音的问题,提出了基于子频率分量高斯混合模型与贝叶斯理论的多次盲源分离方法.首先,对源语音的子频率分量分别进行训练,建立高斯混合模型;然后,应用贝叶斯理论从混合语音中首次分离源语音,并针对一次分离后目标语音中仍混有干扰语音的问题采取多次分离的方法,实现尽可能的彻底分离.实验结果表明,这种方法取得了良好的分离效果.