基于时频域单源主导区的盲源欠定分离方法

提出时频域上单源主导的概念及其性质,扩充了稀疏性概念涵盖的混叠声源范围,更加接近多声源混叠的客观实际条件．派生的单源主导区间检测准则,在工程实践中具有较强的可操作性．在此基础上提出新的基于时频域单源主导区的盲源欠定分离方法（SSDI-UDBBS）,对声源数目和混叠矩阵的幅值衰减比与时延差同时进行准确地估计,并根据估计得到的声源数目和混叠矩阵,提出采用计算效率高的限制解计算框架求解还原声源的问题．新算法的可应用性在模拟会议室场景下的声源数目未知和传感器数目小于声源数目的盲源欠定分离实验中得到了佐证．     

基于反馈机制的抗混合噪声的盲图像源分离方案

针对基于稀疏成分分析的盲图像源分离算法无法解决混合噪声问题,本文提出一种采用反馈机制的盲源分离算法.通过小波域稀疏成分分析和置零反馈的方法,逐次分离出各支路信号.实验结果表明,该方法无需大量的迭代运算,与传统稀疏成分分析法相比,能有效地分离高斯白噪声参与的混合图像,与经典快速独立成分分析法相比,取得了更高的分离精度.     

欠定情形下语音信号盲分离的时域检索平均法

探讨欠定情形（即观察信号的个数少于源信号个数）下的盲信号分离,提出一种新的方法,即时域检索平均法（SAMTD）,该方法可解决目前在频域中难以处理的一类问题,它利用一类语音信号在时域中的稀疏持续性,回避像K均值聚类或势函数等常用统计聚类方法.为估计混叠矩阵,它剔除那些不与基矢量共向或反向的数据样本,以提高其估计的准确性.在源信号的恢复上,提出了一个超完备线性几何ICA改进算法.几个语音信号实验的仿真数据展示了所提方法的性能和实用性.     

人工蜂群优化算法在复数盲源分离中的应用

针对复值信号的源数估计和有序分离等关键技术,提出一种基于人工蜂群优化的源数未知的复值盲源分离方法,该方法首先利用交叉互验技术来估算复数源信号的个数,然后通过人工蜂群算法优化峰度的绝对值来获得最佳分离向量,并实现了逐次恢复源信号的目的.仿真实验结果表明,该方法不仅能依峰度绝对值的降序实现服从任何分布源信号的盲分离,同时比其他方法具有更优越的估计性能.另外,提出一种基于峰度的欠定复盲源分离算法,该算法根据信号的统计特性构造了用于欠定混合情况下盲抽取向量的代价函数,然后通过人工蜂群算法优化其函数来获得最佳分离向量,通过多次分离来实现欠定复盲源分离的目的.通过对混合分布类型的复值源信号欠定盲分离仿真实验验证了该算法的有效性.     

稀疏表示与病态混叠盲分离

Bofill（2001）等人首次针对两个传感器的稀疏信号盲分离问题进行了讨论. 但也正如Bofill自己所指出的那样, 此方法存在局限性, 特别是其中的势函数的参数选择缺乏理论指导, 而且此方法不宜推广到具有三个或更多的传感器的情形. 因此这里回避Bofill势函数方法, 建立了K-PCA方法（即K-聚类与主成分分析PCA相结合的方法）. 新方法克服了Bofill方法参数选择的困难, 可以方便地应用于三个及其以上传感器的情况, 而且具有实现简单、混叠矩阵估计精度高的特点. 另外, 为了检验混叠矩阵A的估计是否一定有效, 给出了相应的判别准则. 仿真结果表明了该方法的可行性和准确性.     

基于高阶统计量的盲源提取算法获取房颤信号

从房颤病人的体表12导联心电图中得到房颤波信号,是分析和描述房颤特征的重要环节.文中发展了一种基于高阶统计量的盲源提取算法用来获取房颤波信号,模拟数据和临床数据证明了这种算法的可行性和有效性.与盲源分离相关方法相比,盲源提取算法只提取一个所需信号,通过计算频谱集中度的大小,就可以判断它是否为房颤信号,而不必像盲源分离方法那样必须对分离后的12组信号进行复杂的判断才能决定房颤信号.因此,这种方法更适合于应用到临床监护中.     

基于恒模特性的单通道时频重叠信号盲分离算法

针对单通道同调制方式、同调制参数时频重叠信号的盲分离问题,基于MSK信号的恒模特性,及对MSK混合信号分量幅度的准确估计,构建了单通道信号盲分离欠定方程组.为解决该方程组的解模糊问题,根据MSK信号相位连续特性,提出了相位方差最小模糊解消除准则.但相位对噪声较为敏感,该准则可能会产生严重的误判现象,又提出了一种基于最小斜率的补充准则.基于以上两种模糊解消除准则,可对单通道信号盲分离欠定方程组的模糊解进行合理选择,有效地实现了MSK时频重叠信号的单通道盲分离.仿真结果表明:在信噪比大于5 dB的条件下,该算法对混合信号具有较好的分离效果.并且该算法具有复杂度低、计算量小的优点.     

信源数目未知和动态变化时的盲信号分离

研究源信号数目未知与／或动态变化情况下的盲信号分离问题．首先证明若混合矩阵满列秩（观测信号的数目m不小于源信号的数目n），则互信息是盲信号分离的对比函数；在互信息的全局极小值点即分离点处，盲信号分离系统的输出除了零分量外，其他非零分量；黾希望提取的源信号．其次，利用混合矩阵的转置和m个观测信号向量构成的矩阵以概率1具有相同的零空间这一性质，只需少量观测样本就可以估计源信号的数目n，进而检测其动态变化情况．源信号数目未知且动态变化的盲信号分离计算机仿真验证了所提出理论和算法的有效性。     

基于自然梯度的递归最小二乘盲信号分离

研究在线盲信号分离问题. 先提出一种递归最小二乘(RLS)白化算法, 然后与一种基于自然梯度的RLS信号分离算法相结合, 并经合理近似, 得到一种新的RLS盲信号分离算法, 它不需要对观测数据进行白化预处理. RLS白化算法和RLS信号分离 算法的平衡点分析表明, 这两种算法具有所期望的收敛性. 理论证明了提出的RLS盲信号分离算法具有等变化性和分离矩阵的非奇异性这两个关键性能. 仿真实验验证了新算法的有效性.     

基于分阶段学习的盲信号分离

首先定义了描述信号分离状态的信号相依性测度, 并利用此测度将传统算法中的学习速率参数推广至二维矩阵, 从而提出了一种基于分阶段学习的盲信号分离算法, 即整个信号分离过程被分成三个阶段进行: 初始阶段、捕捉阶段和跟踪阶段, 每个阶段的学习速率由信号的分离程度自适应选取. 理论分析表明, 该算法满足等变化性和分离矩阵的非奇异性条件. 仿真结果证实, 新算法具有比使用固定和其他自适应学习速率的算法更快的收敛速度、更好的稳态性能和更高的数值稳定性.     

非圆信号的协方差匹配自校正算法及其性能分析

针对非圆信号测向中方位依赖幅相误差的校正问题,本文根据非圆信号的非圆特性和辅助阵元能够自校正的特点,对协方差匹配估计技术（covariancematchingestimationtechnique,COMET）进行改进,提出一种适用于信源时域统计特性未知和统计独立特性先验已知两种情况的改进算法：NC—COMET算法．该算法利用非圆信号扩展协方差数据,使其校正精度较常规的基于辅助阵元的最大似然类算法（未利用非圆特性）有明显提升,且降低了最小辅助阵元数要求．从理论上证明了参数估计的统计一致性,采用一阶误差分析方法推导了有限采样影响下参数估计的均方误差表达式,并提出算法的cc数据利用率”定义,定量比较获得了NC．COMET算法的数据利用率较常规的最大似然类算法的提升幅度．仿真结果亦表明NC—COMET算法性能较常规的最大似然类算法更优：低信噪比下具有更强的鲁棒性;信源时域统计独立特性先验已知或者大非圆率的情况下,该算法对校正精度的提升尤为明显．     

图像视频信号的压缩采样与稀疏重建

要视觉传感器通常不知道它们“看到”的现象之下的物理过程,以远远超出图像视频信号有效维度的Shannon／Nyquist采样率获取图像视频数据,从而导致了对图像视频信号的存储、传输等数字处理的巨大压力．压缩感知（compressivesensing,CS）理论表明：在某个线性变换域下稀疏的信号,可以利用少量的观测数据精确地重建,或在噪声情况下鲁棒地重建．压缩感知是实现图像视频信号有效维度采样的理论基础,为图像视频信号的采样、处理和识别等领域带来了前所未有的突破．本文对图像视频信号领域压缩感知面临的基本问题：压缩采样、稀疏重建模型及其优化求解算法的研究进展进行了综述．在采样方面,分析了图像视频信号随机观测矩阵和有结构观测矩阵的性能;在稀疏重建模型方面,从图像视频信号的稀疏先验性出发、介绍了分析型的重建模型和合成型重建模型的构建方法;在优化求解方面,针对重建模型,介绍了约束优化问题和无约束优化问题两类求解算法．以此为基础,分析了在图像视频领域压缩感知的理论与应用的进一步发展所面临的问题和挑战,展望了未来的发展方向．     

阵列误差有源校正算法及其改进

阵列互耦、幅相误差以及阵元位置误差的综合影响会严重影响MU-SIC算法的测向性能.为此,本文主要研究了由这3种误差引起的阵列误差校正问题.该文在已有的阵列误差校正算法(算法1)的基础上,给出了一种基于互耦矩阵稀疏性的阵列误差校正算法(算法2)和一种利用互耦矩阵特殊结构的阵列误差校正算法(算法3).虽然3种算法具有相同的计算模式和理论框架,但后2种算法因利用了互耦矩阵的更多性质,从而提高了参数估计精度,而对于均匀线阵和均匀圆阵而言,算法3的优势更加明显.另一方面,文中还将上述3种算法推广应用于校正源方位存在偏差的情况,它们在校正阵列误差的同时,还可以补偿校正源的方位偏差.最后,分别在校正源方位无偏差和有偏差这两种情况下,通过仿真实验分析和比较了3种校正算法的参数估计性能.大量仿真实验表明,若能尽可能多地利用互耦矩阵的特殊性质,将十分有利于提高阵列误差的校正精度.     

抽取和内插的分数阶Fourier域分析

为了节省系统中信号处理的运算量和存储量，常需要对信号进行抽样率转换．分数阶Fourier变换是分析非平稳信号的有力工具，它已在雷达、通信、电子对抗、信息内容安全等领域得到广泛的应用．文中从分数阶Fourier域的采样定理出发，定义了分数阶Fourier域的数字频率，推导了非平稳信号经抽取和内插之后分数阶Fourier谱的表达式，并设计了分数阶Fourier域的去镜像和抗混叠滤波器，进而总结出了非平稳信号经过有理数倍抽样率转换之后其分数阶Fourier谱的变化规律，最后导出了抽取和内插在分数阶Fourier域内的恒等关系．此研究成果为基于分数阶Fourier变换的多抽样信号处理理论体系奠定了基础．仿真实验验证了所提理论的正确性。     

方位依赖阵元幅相误差校正的辅助阵元法

现有的阵列校正方法几乎都基于方位无关的阵列误差模型, 方位依赖的阵列误差校正一直以来都是阵列校正技术中的难题, 相关的研究成果报道得很少. 提出一种利用辅助阵元对方位依赖的阵元幅相误差进行自校正的新方法—ISM(Instrumental Sensors Method). 通过引入少量精确校正的辅助阵元, 该方法可以在多源情况下对信源方位和其对应的阵元幅相误差进行无模糊联合估计. 由于互耦和阵元位置误差均可以等效为方位依赖的阵元幅相误差, 所以该方法可以对多种阵列误差同时进行校正. 该方法适用于任意的阵列几何结构(包括均匀线阵); 而且其运算量小, 只需要参数的一维搜索, 不存在通常参数联合优化估计时的局部收敛问题. 此外, 该方法无需现有阵列校正算法中经常使用的阵列误差的微扰动假设, 更加符合实际的误差模型. 文中对新方法的估计性能进行了理论分析, 并用Monte Carlo计算机仿真实验验证了新方法的有效性.     

一种新的fMRI数据处理方法: 邻域独立成分相关法及其初步应用

独立成分分析(ICA)是信号处理领域中新近发展起来的一种很有应用前景的方法, 而脑功能磁共振(fMRI)信号的有效分离与识别是一个正在研究和实验之中的技术领域, 因此, 发展基于ICA的fMRI数据处理方法具有明显的理论价值和应用前景. 首先分析了现行ICA-fMRI方法采用的信号与噪声的空域分布相互独立的信号模型所存在的明显不足, 然后提出了微域中的信号与噪声的时域过程相互独立的fMRI信号模型, 从而建立了一种新的fMRI数据处理方法: 邻域独立成分相关法. 从理论和仿真实验两个方面阐明了新方法的合理性, 最后给出了实际fMRI数据的例子.     

高等级安全操作系统的设计

众多因特网安全事件的发生表明，为了对抗现代计算环境中的安全威胁，来自安全操作系统的支持是必不可少的．基于国内外相关标准的要求，结合安胜高等级安全操作系统v4．0（以下简称为安胜OS）的设计与开发实践，讨论高等级安全操作系统设计中的3个关键问题：安全体系结构、安全模型与隐蔽通道分析．对安全体系结构与3种基本的安全策略模型：机密性模型、完整性模型和特权控制模型的设计原则分别进行了阐述，提出了新的安全体系结构与3个新的安全模型，分别介绍它们的主要特色，以及它们在安胜OS中的实现。 隐蔽通道分析是高等级安全操作系统设计中众所周知的难题，迄今缺乏坚实的理论基础与系统的分析方法．为了解决隐蔽通道分析中存在的基本问题，文中提出了隐蔽通道标识完备性的理论基础、一种通用的隐蔽通道标识框架，以及高效的回溯搜索方法．这些新方法在安胜高等级安全操作系统中的成功实现表明，它们可以简化并加快整个隐蔽通道的分析过程。