基于自适应互信息极小化算法的混合语音信号分离

针对混合语音信号的盲分离问题,基于自适应的互信息极小化算法是一个非常良好的解决办法,本文深入研究了该算法,并且为了加快算法的收敛速度,对该算法进行了改进,文章最后给出的实验结果表明,改进后的算法在分离语音信号和收敛速度上,都是非常有效的.     

基于自适应极大熵算法的混合语音信号分离

关于混合语音信号的盲分离问题,基于自适应的极大熵算法是一个非常良好的解决办法,本文深入研究了该算法并且针对实践应用中的一些问题.对该算法进行了改进.文章最后给出的实验结果表明,改进后的算法在盲分离语音信号和提高算法效率上,都是非常有效的.     

基于粒子群算法的盲源分离算法

简要地介绍了粒子群算法(PSO)及其改进算法和盲源分离算法(BSS),改进的粒子群算法具有并行性、易实现等优点。将改进的粒子群算法与盲源分离算法相结合,提出了基于粒子群算法的盲源分离算法。该算法以混合信号的峰度为目标函数,采用独立分量分析的方法,用改进的粒子群算法代替常规的最陡梯度下降法,对瞬时混合的信号进行盲分离,解决了梯度算法收敛速度慢的问题。实验仿真表明:该算法具有收敛速度快、分离效果好等特点。     

最小连接问题的DNA计算模型

通过生化实验求解割集的方法改进传统的粘贴模型,利用该方法得到最小连接问题的DNA算法.将分离实验分为基于分离板和电泳技术的分离实验.利用分离实验运算的并行性求解割集,最小链接问题的DNA算法所用时间是可判定的,降低了算法所需的时间.     

基于改进粒子群的ICA算法

ICA算法是目前盲信号分离的主流算法之一,但是传统ICA算法收敛速度慢,收敛精度低。为此本文提出一种基于改进粒子群的ICA算法,以峭度作为目标函数,以改进粒子群算法作为优化算法。采用这种方法进行瞬时混合信号的盲分离,仿真实验表明该算法能够有效分离信号,与传统ICA算法相比,分离效果更好。     

一种改进的盲信号分离方法

指出了在盲信号分离过程中．基于独立分量分析的定点算法，具有结构简单、运算速度快的特点．但是在有些情况下，该算法是否收敛仍具有不确定性，限制了它的使用范围．基于信息理论原理提出了一种改进的盲信号分离算法，经计算机仿真和对实际生物信号处理的实验表明：该算法在速度和稳定性方面都有很大的改进．     

最小生成树DNA算法

为了改进粘贴模型,提出了用生化实验实现求解割集的计算方法,并基于该方法给出了最小生成树DNA算法.首次将分离实验扩展为基于分离板的分离实验和基于电泳技术的分离实验,所提出的最小生成树DNA算法打破了DNA计算的计算模式——用求解割集的最小边的方法逐步产生最小生成树.用该方法求解割集利用了分离实验运算的高度并行性,最小生成树DNA算法的时间复杂度是线性的,从而降低了算法的时间复杂度.     

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.     

单频点频域卷积混合盲分离技术

在双频点频域卷积混合盲分离算法的基础上,提出一种单频点频域卷积混合盲分离算法.通过恰当地选取频域盲分离中短时傅里叶变换（STFT）的参数,可仅依靠一个频率片上的分离信号来完成双频点算法.相对于传统频域卷积混合盲分离方法,该方法不受各频率片顺序不确定性不统一及比例不确定性不统一的影响.仿真实验证明了该算法的有效性.     

一种自适应神经网络的信号盲分离及实验

介绍一种提高收敛速度的基于自适应在线学习的盲信号分离算法,以Kullback-Leibler散度作为代价函数,运用随机梯度下降导出算法,在估计分离矩阵的同时更新学习率。实验证明,该算法对于混合图像信号能够有效地分离,利用自适应学习参数提高了盲信号分离的收敛速度及算法性能,结果证实了算法的有效性。     

基于自然梯度算法及其改进算法的盲源分离

自然梯度算法是盲源分离的重要方法,本文在介绍分析自然梯度算法基础上,将共轭梯度和自然梯度相结合改进了自然梯度算法的学习规则,通过两种算法的比较表明,基于共轭梯度改进的算法在性能和分离效果上都优于自然梯度算法。     

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．     

一种有效的低场磁共振系统的水脂分离成像方法

提出了一种基于Dixon算法的磁共振水脂分离成像改进方法.该方法分别采集人体组织中的水和脂肪同相位和反相位的磁共振图像,利用化学位移效应所产生的相位差分离出水和脂肪的图像.采用了改进的区域增长算法进行相位校正,为了在低场、较高噪声时获得更好的稳定性,为感兴趣区域和背景噪声分别开辟两类不同的多个堆栈,并设定感兴趣区域的增长优先级总是高于背景噪声,使得由背景噪声引起的误差传播被有效抑制.实验结果证明,改进算法在低场高噪声条件下比原算法更稳定,并在0.3 T低场永磁型磁共振系统上对水模、膝关节与人脑等部位获得了满意的水脂分离图像.     

基于改进人工蜂群算法的盲源分离算法

针对传统盲源分离算法收敛速度与分离性能间的矛盾,提出一种基于改进人工蜂群算法的盲源分离算法.该算法利用信号的峰度绝对值作为被优化目标函数,对人工蜂群算法中跟随蜂阶段的搜索过程进行改进,使人工蜂群算法在初始阶段可以快速收敛到最优解所在区域,具有更高的收敛精度.使用改进后的人工蜂群算法对传统盲源分离算法中的初始分离矩阵进行优化,再利用优化的初始分离矩阵进行信号分离.仿真结果表明,改进后的算法能够显著加快收敛速度并保持较好的分离性能值,较好地解决了收敛速度与分离性能间的矛盾.     

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。     

改进的带参考信号盲源分离算法

带参考信号的盲源分离算法在各个领域有着广泛的应用,但现有算法大都存在提取信号与源信号之间误差较大的问题,其中目标函数是影响误差的一个重要因素。因此针对目标函数,提出了一种改进带参考信号的盲源分离算法。该算法首先在标准对比函数中耦合含有先验信息的测量度函数,以此得到新的目标函数;然后引入松弛因子运用拉格朗日乘子法对目标函数进行优化,避免了不等式约束问题,有效地得到了最优的分离矩阵。仿真实验结果表明,相比现有算法,本文算法具有更小的误差;在滚动轴承故障诊断实验中也正确地提取了故障特征,验证了算法的有效性。     

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。     

一种改进重采样的粒子滤波盲分离算法

在通信混合信号单通道盲分离技术中,粒子滤波盲分离算法是一大主流算法。针对粒子滤波算法必然存在的粒子退化问题,提出一种结合有效粒子数和残差重采样思想的改进重采样粒子滤波盲分离算法。所提算法在粒子退化,即有效粒子数减少至需进行重采样时,根据有效粒子数的值找出一定数量的权重大的粒子,按每个粒子的权重占总权重的比例复制一定数量的该粒子到新粒子集中。复制后将该粒子权重更新为剩余权重,把所有权重重新归一化,再用传统随机重采样方法复制少量粒子,完成重采样的改进算法,进而得到改进重采样的粒子滤波盲分离算法。仿真结果表明,在粒子滤波单通道盲分离应用中,提出的改进重采样算法与传统随机重采样算法相比,在复杂度近似相同的情况下误码性能提高了约1 dB。     

加入动量项的改进盲分离算法

在盲信号分离算法的推导过程中,常采用最速下降法、自然梯度和牛顿法等对代价函数进行最小化,推导过程复杂．文中仿照在BP神经网络算法中加入动量项使算法得到改进这一方法,提出在互累积量迫零算法的推导中加入动量项．加入动量项的改进算法尽可能地保持了输出分量之间的独立,并在保持和原算法一样简单迭代的前提下,提高了收敛速度,且使训练避免陷入局部极小．仿真结果表明该算法的分离误差减小,能有效分离源信号．     

电子电路图自动输入系统中的模式分离方法

采用了“内外边缘的快速判决法”与“基于两正交向ＬＡＧ的矢量编码方法”去分离电子电路图的字符与符号．除了对原来的字符分离算法进行改进之外，本文着重于介绍符号分离方法，提出了在“非环形符号”各端点加“黑点”的辅助措施去确定它们的边界．实验结果表明，这些分离方法与辅助措施十分有效，它导致了近１００％的分离率。