一种基于最大熵准则的盲解卷积改进算法

独立源信号的卷积混合比线性混合更接近真实情况。利用非参数概率密度估计方法———Parzen窗函数估计法 ,提出了一种具有良好适应性的盲解卷积改进算法。该算法可以在无需知道信号分布形式的情况下 ,较准确地估计出密度函数值 ,且比传统的最大算法中采用固定的概率密度函数估计更接近信号点的真实概率密度。同时 ,此算法还具有无论对规则、单峰分布还是不规则、多峰分布都可以取得较好的估计的优点。因此 ,在理论上 ,改进算法可以获得比传统算法更优越的分离性能且能广泛地应用于具有各种分布的信号。实验结果证实 ,这一算法能有效地从各种分布的信号包括真实语音、图像等构成的卷积混合信号中恢复出原始信号。与最大熵算法相比 ,改进算法具有更好的分离性和更广泛的适用性。     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

基于简化模型的卷积混叠盲分离并行算法

电信会议所用的传感器往往相距较近。根据从同一源到两个靠得很近的麦克风的房间冲激响应具有相似性这一特点,把多输入多输出盲卷积问题简化为若干个单输入单输出卷积混叠盲分离问题。提出了一种新的使用时间预测性的多输入-多输出盲解卷算法,该算法通过简化模型和并行算法,能用广义特征值的方法直接求出解卷滤波器,因而算法复杂度小。使用音频信号的计算机仿真结果显示了算法的有效性。     

Blind source separation of ship-radiated noise based on generalized Gaussian model

1 .INTRODUCTIONBlind source separation (BSS) in signal processinghas received considerable attention from many re-searchers .It is a fundamental problem in signalprocessing with a large number of extremely di-verse applications such as multi-user communica-tions ,speech signal processing, array processingand medical signal processing including ECG,MEGand EEG. The general goal of blind sourceseparation (BSS) is to separate the statistically in-dependent , unknown source signals from t…     

Global smooth solutions for semilinear Schrödinger equations with boundary feedback on 2-dimensional Riemannian manifolds

This paper considers the existence of global smooth solutions of semilinear schrödinger equation with a boundary feedback on 2-dimensional Riemannian manifolds when initial data are small. The authors show that the existence of global solutions depends not only on the boundary feedback, but also on a Riemannian metric, given by the coefficient of the principle part and the original metric of the manifold. In particular, the authers prove that the energy of the system decays exponentially.     

Multi-channel blind deconvolution algorithm for multiple-input multiple-output DS/CDMA system

Direct sequence spread spectrum transmission can be realized at low SNR,and has low probability of detection.It is aly problem how to obtain the original users'signal in a non-cooperative context.In practicality,the DS/CDMA sources received are linear convolute mixing.A more complex multichannel blind deconvolution MBD algorithm is required to achieve better source separation.An improved MBD algorithm for separating linear convolved mixtures of signals in CDMA system is proposed.This algorithm is based on minimizing the average squared cross-output-channel-correlation.The mixture coefficients are totally unknown.while some knowledge about temporal model exists.Results show that the proposed algorithm Can bring about the exactness and low computational complexity.     

Nonlinear damped oscillators on Riemannian manifolds: Fundamentals

The classical theory of mass-spring-damper-type dynamical systems on the ordinary flat space R~3 may be generalized to higher-dimensional Riemannian manifolds by reformulating the basic underlying physical principles through differential geometry.Nonlinear dynamical systems have been studied in the scientific literature because they arise naturally from the modeling of complex physical structures and because such dynamical systems constitute the basis for several modern applications such as the secure transmission of information.The flows of nonlinear dynamical systems may evolve over time in complex,non-repeating(although deterministic) patterns.The focus of the present paper is on formulating the general equations that describe the dynamics of a point-wise particle sliding on a Riemannian manifold in a coordinate-free manner.The paper shows how the equations particularize in the case of some manifolds of interest in the scientific literature,such as the Stiefel manifold and the manifold of symmetric positive-definite matrices.     

运动模糊图像检测分割盲复原

针对空间变化的运动模糊图像,提出基于单帧图像的模糊检测与分割的盲复原方法。首先,模糊检测生成模糊区域映射图;其次,采用腐蚀和膨胀分别对映射图中的模糊区域与清晰区域处理,利用处理结果标记,并采用分割算法分割图像;再次,分两步估计模糊核,并对模糊区域进行外延扩张,利用估计得到的模糊核进行反卷积去模糊;最后,去除被外延的部分,并与分割得到的清晰区域进行拼接,得到完整的去模糊后的图像。结果表明,算法在人工数据集峰值信噪比(peak signal to noise ratio,PSNR)平均提高10 dB,均方根误差(root mean square error,RMSE)平均降低0.12,自然场景下的真实模糊数据集去模糊结果视觉质量明显提高。此外,该算法在减少模型复杂度的同时也提高了去模糊的质量。     

一种基于最小熵准则的SAR图像自聚焦算法

研究了一种新颖的SAR图像自聚焦算法。该方法从复图像域出发 ,利用最小熵准则盲解卷积原理 ,通过多维搜索完成相位误差校正。同相位梯度自聚焦算法相比 ,最小熵算法无需在图像域分离出强点目标 ,因而特别适用于无任何明显特征的图像。仿真及实测数据处理结果证明了该方法的有效性     

一种基于二阶统计的盲源分离方法及性能分析

提出了一个基于信息论原理的目标函数 ,该目标函数可以作为衡量输出分量独立性的标测度。最小化该目标函数并利用信号的非平稳特性和两种网络结构形式的等价性 ,得到一种可以进行非平稳信号的盲分离的训练算法 ;计算机仿真结果表明了该算法的有效性。最后对目标函数的性能进行了分析。     

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。     

基于曲线拟合的卫星通信信号参数盲估计

针对非协作卫星通信环境,提出了一种卫星通信信号参数盲估计方法。它利用线性调制信号功率谱形状的对称性及其与成型滤波器的关系,基于曲线拟合的思想进行功率谱包络的提取,进而实现载波频率、带宽等参数的盲估计。仿真结果验证了该方法对MPSK、MQAM等常用卫星通信信号的有效性,且能适应较低的信噪比,具有计算量小、易于实现等优点。     

高阶带阻滤波器优化设计研究

众所周知，传统BP神经网络收敛速度慢、学习效率低。之所以如此，主要原因在于人工神经元输出函数的同一化。本文提出的神经网络模型的主要特点是：用正交基函数作人工神经元的输出函数，而且每个神经元的输出函数各不相同。该神经网络模型有效克服了传统BP神经网络收敛速度慢、学习效率低的致命缺陷。本文还详细研究了FIR线性相位滤波器的幅频特性与余弦基函数神经网络算法的关系，给出了高阶带阻滤波器优化设计实例。计算机仿真结果表明了该算法在高阶带阻滤波器设计中的有效性和优异性能。     

Blind separation of sources in nonlinear convolved mixture based on a novel network

Blind separation of independent sources from their nonlinear convoluted mixtures is a more realistic problem than from linear ones. A solution to this problem based on the Entropy Maximization principle is presented. First we propose a novel two-layer network as the de-mixing system to separate sources in nonlinear convolved mixture. In output layer of our network we use feedback network architecture to cope with convoluted mixtures. Then we derive learning algorithms for the two-layer network by maximizing the information entropy. Based on the comparison of the computer simulation results, it can be concluded that the proposed algorithm has a better nonlinear convolved blind signal separation effect than the H.H. Y' s algorithm.     

On the Circulant and Aperiodic Models of Deconvolution

ＯｎｔｈｅＣｉｒｃｕｌａｎｔａｎｄＡｐｅｒｉｏｄｉｃＭｏｄｅｌｓｏｆＤｅｃｏｎｖｏｌｕｔｉｏｎ￥ＺｏｕＭｏｕｙａｎ＆ＲｏｌｆＵｎｂｅｈａｕｅｎＡｂｓｔｒａｃｔ：Ｔｈｅｐｏｐｕｌａｒｌｙｕｓｅｄｃｉｒｃｕｌａｎｔｍａｔｒｉｘｍｏｄｅｌｏｆｄｅｃｏｎｖｏ...     

改进的粒子群算法及其非线性盲源分离

采用粒子群算法与自然梯度法相结合进行非线性混叠信号盲分离。用高阶奇数多项式拟合非线性混合函数,建立非线性信号盲分离模型。同时根据粒子群算法的特点,作了改进,引入了“迁徙操作”和局部深度搜索方法。对多项式的参数用粒子群算法来求估计,然后用自然梯度法对线性去混合矩阵进行迭代。仿真结果表明,粒子群算法可以快速、有效地求得非线性混叠信号盲分离的优化解。     

基于卡尔曼滤波的极限学习机在线盲均衡算法

针对正交振幅调制(quadrature amplitude modulation,QAM)信号,在预测方法的盲均衡框架下,基于卡尔曼滤波(Kalman filter,KF)提出了一种新的神经网络在线盲均衡算法.采用复数型极限学习机(complex extreme learning machine,C-ELM)作为非线性...     

独立成分分析的研究进展

介绍了独立成分分析（ICA）的基本模型及其假设、含混性、非高斯性度量和通用求解过程。讨讨了目前ICA的几个研究方向的发展现状和面临的问题，分析了ICA基本模型和几种扩展模型的求解算法，包括盲反卷积、卷积混和的盲分离、非线性瞬时混合的盲分离，提出了ICA未来理论和应用研究中的开放课题．     

基于贝叶斯优化构建DBN结构优化算法

针对动态贝叶斯网络(DBN)结构学习问题,提出了一种基于贝叶斯优化(BOA)的DBN结构寻优算法。首先,从传统进化优化机制的基本理论和基本操作入手,刻划了基于概率模型进化算法的基本思想。其次,通过描述基于概率模型进化算法的构图基础,引出了DBN结构学习机制,即基于BOA的DBN结构寻优算法。BOA算法的关键是根据优良解集学习得到DBN,以及根据DBN推理生成新个体,前者更为重要,依据基于贪婪机理的遗传算法解决动态网络学习,再应用DBN前向模拟完成后一步。仿真结果表明了该算法的可行性。     

DBN结构学习度量分解性能分析

针对动态贝叶斯网络(DBN)结构学习中涉及的度量分解问题,提出了DBN度量分解后的相关性能。首先,细化了DBN的贝叶斯信息度量(BIC)及贝叶斯-狄里克莱(BD)度量公式,通过表达式的分析,讨论了分解后的相关性质,进而提出了由分解公式提供给DBN结构学习的相关性能。其次,通过设计的性能分析仿真实验,验证了提出的若干设想,即将BN结构学习算法移植到DBN结构学习的可行性及分解降低算法复杂度等问题,并提出了寻找DBN快速结构学习算法的有效思路。