一种基于稳定分布模型的非线性盲分离算法

在α稳定分布模型基础上提出一种非线性的盲分离算法,采用后非线性模型(PNL)几何线性化算法将输入信号线性化,然后用基于最小分散系数与旋转变换(MDC-RT)准则的神经网络算法实现信号盲分离。仿真实验证明该算法具有良好的分离特性以及较高的实际意义。     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

利用粒子滤波与支持向量机的数字混合信号单通道盲分离

针对基于粒子滤波盲分离算法运算复杂度高的问题,将支持向量机理论引入到粒子滤波算法中,提出一种数字调制混合信号单通道盲分离算法. 确定了算法中粒子权值更新方法,并给出了参数与符号序列的后验概率密度估计. 从后验概率密度估计的统计特性和运算复杂度两个方面详细分析了算法的性能,并从理论上证明该文给出的后验概率密度估计能很好地逼近真实后验概率密度. 理论分析与仿真结果均表明,与基于粒子滤波的盲分离算法相比,算法在误码率性能相当的情况下,有效缩短了运算时间.     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

动态分段的飞机舱音记录器混合信号在线盲分离性能分析

针对飞机驾驶舱话音记录器(CVR)中存在轻微时变特性和信号有大量近零值的情况,提出一种基于信号样本动态分段的在线盲分离算法.应用独立分量分析的在线算法对CVR混合信号进行动态分段处理,再通过快速的FastICA算法进行精确化求解.为了使估计器获得最佳性能,适当调整分离矩阵各行权值.仿真结果表明,该算法可有效地将CVR混合信号中独立的声音信号分离出来,分离效果优良.     

基于峰态的盲信号分离

就一种基于信号峰态(kurtosis)极值化的盲信号分离方法进行了探讨．首先介绍算法理论，然后提出了一种简化快速的最速下降算法，解决了收敛指向性的问题，并将对混合语音信号的分离扩展到混合图像信号的分离．实验结果表明，同其他基于峰态的盲分离算法相比，其分离效果好，而且在收敛速度、运算复杂度方面有显著的优势．     

改进的复值非高斯最大化盲源分离算法

复值非高斯最大化盲源分离算法的收敛速度,受其采用的反双曲正弦函数计算复杂度的影响较大,针对这一问题,提出了一种收敛速度更快的改进型复值非高斯最大化算法。该算法采用一个低计算复杂度的非线性函数替代原算法中的反双曲正弦函数。该函数的计算复杂度是反双曲正弦函数的三分之一。在相同条件下,基于该非线性函数的复值非高斯最大化盲源分离算法的收敛速度相比原算法提高了1倍左右,更适合于对接收信号进行实时处理,而且信号分离误差小,同时该算法同样适用于任意非高斯的常态和非常态信源。仿真试验验证了算法的有效性。     

采用孤立点检测的欠定混合矩阵盲辨识

研究欠定盲源分离中的混合矩阵估计问题,针对多源时频点对混合矩阵估计的影响,提取时频域单源点用于混合矩阵估计,给出一种时频单源点检测方法. 针对时频单源点中孤立点对混合矩阵估计的影响,剔除单源点中的孤立点进一步提高混合矩阵的估计精度,应用减法聚类方法对剔除孤立点后的时频单源点进行聚类,实现了源信号数目和混合矩阵的同时估计. 语音信号的仿真实验表明,与其他两种基于时频单源点的欠定混合矩阵估计算法相比,所提出的算法具有更高的估计精度和更好的鲁棒性.     

置换混叠信号的盲检测和分离

针对观测信号相互置换的情况,从盲源分离的角度研究置换混叠信号的盲检测与分离问题,给出了置换混叠信号的数学模型,提出了基于特征域可分的置换混叠区域检测方法,根据频谱特性和局部相关性分别提出了正弦置换混叠信号和置换混叠图像的盲检测与分离算法. 实验结果表明,该方法能有效应用于置换混叠信号的检测.     

采用自适应核函数的空间时频分布盲源分离

基于空间时频分布的盲源分离算法可以用来分离具有不同时频分布的信号.时频分布的交叉项影响着盲分离的性能,而不同的时频分布对交叉项的抑制效果也不同.目前的盲源分离算法多是基于固定核的时频分布,而自适应核函数对交叉项的抑制能力要优于固定核的时频分布.提出采用自适应核函数时频分布的盲源分离算法,这种算法具有比较强的抑制交叉项能力和抗噪声能力.仿真表明,无论是在有噪声还是无噪声的情况下,这种算法的盲分离性能均优于采用Cohen类时频分布的盲源分离算法.     

MIMO信号调制方式盲识别

提出一种基于盲信号分离的方法对MIMO信号进行调制识别. 该方法对接收信号的相关矩阵作奇异值分解,用于估算发射天线数目,并对信号进行白化. 采用特征值矩阵的联合近似对角化(joint approximate diagonalisation of eigen-matrices, JADE)算法对接收信号进行分离,恢复发送端信号. 通过分析信号的频谱特征,提出4 个新的特征参数,并结合四阶累积量实现对MIMO体制下6 种信号调制方式的识别. 识别过程中无需估计载波频率和符号率等参数,具有较强的实用性. 仿真结果表明文中提出的方法具有良好的性能.     

用于行对角占优信道矩阵的MIMO盲均衡算法

对MIMO通信信道提出了一种基于矩阵初等变换的均衡算法,将其用于行对角占优的MIMO系统,则得到相应的MIMO盲均衡算法.该算法基于通信源信号的统计特性,利用数学上通过矩阵初等变换实现矩阵对角化的原理对MIMO信道矩阵实现了对角化.将该盲均衡算法用于常规的MIMO系统,则可以克服系统因突发干扰等因素产生的常规均衡器均衡参数的估计偏差,提高系统的误码性能.仿真实验证实,所提出的MIMO盲均衡算法在行对角占优信道矩阵的均衡和常规均衡器均衡参数估计偏差的克服中均取得了良好的效果.     

解决Ad Hoc网络广播冗余竞争冲突的高效广播算法

针对盲目广播带来的广播风暴问题,提出了一种适用于Ad Hoc网络的跨层模糊逻辑广播算法(cross-layer fuzzy logic broadcasting algorithm,CLFBA).该算法应用跨层设计的方法,在保持原有介质访问控制层(medium access control,MAC)和路由层严格分离的基础上,允许路由层共享MAC的接收信号强度信息.采用模糊控制获得节点重播分组的概率,赋予增加通信面积大的节点和剩余能量高的节点较高的转发概率.CLFBA减少了广播过程中产生的冗余、竞争和冲突,均衡了网络中节点的能量消耗.仿真结果表明,与路由层应用泛洪和概率泛洪算法、MAC层应用IEEE802.11协议相比,CLFBA提高了转播节省率,延长了网络生命周期,降低了平均节点丢包率和平均端对端延迟.     

基于归一化图像的小波域水印算法

提出了一种基于小波变换的抗几何攻击数字图像盲水印算法.首先本算法以基于矩的图像归一化技术和不变质心理论为基础,获得嵌入水印的兴趣区域.其次,将得到的兴趣区域分成4块,分别对其进行小波变换后将其中3个低频子带嵌入水印,而将另一个低频子带计算量化步长.然后,将水印利用量化调制方式自适应地嵌入到小波域的低频系数.实验结果表明,该算法不仅具有较好的不可感知性,而且对几何攻击和常规信号处理都具有较好的稳健性.