互累积量迫零法信号源盲分离

利用高阶累积量进行信号源盲分离的已有算法都需要进行复杂的矩阵代数运算,且这类算法不具备所希望的等变特性,对于病态混合矩阵的盲分离问题可能无法求解,通过利用迭代算法迫使经过非线性函数变换的混合信号互累积量矩阵对角化的方法,提出了一种新的基于高阶累积量的具有等变特性的信号源盲分离算法,该算法所采用的累积量矩阵对角化方法不依赖于混合矩阵,也不需要对累积量矩阵进行代数变换,并且所使用的迭代算法不需要对任何变量求导,因此非常简单,易于实现;同时算法还具有对未经去除均值的混合信号直接进行分离的能力。     

基于高阶累积量张量分解的联合盲源分离算法

提出一种基于高阶累积量张量分解的联合盲源分离（JBSS）算法,该算法可以从多组数据集的观测信号中恢复出源信号.首先通过计算多组数据集观测信号的高阶互累积量张量,利用累积量张量潜在的对角结构,将JBSS问题转化为高阶张量CP分解（CPD）问题.接下来,通过张量列分解（TTD）将高阶张量分解为由不高于3阶的多个互连的核张量组成的简单张量网络,由此将高阶CPD问题转化为多个3阶CPD问题.最后,根据TTD与CPD之间的关系,在多次3阶CPD之后,通过依次对因子矩阵进行重新排序与缩放得到多数据集的混合矩阵,进而实现对源信号的分离.实验结果表明,该算法具有较快的运行速度.     

利用高阶统计量的盲MIMO信道估计

在无线的MIMO(多输入多输出)通信系统中,使用高阶统计量进行盲信道估计能够进一步放松对信道的限制。介绍了FIRMIMO盲信道估计的数学模型和3种典型的基于高阶累积量的盲信道估计算法,并对这3种算法进行比较和分析,得出仿真结果,提出其中存在的缺陷和能够改进之处。     

高阶累积量波束形成在DS-CDMA系统中的应用

在研究高阶累积量波束形成算法的基础上,根据多天线直序扩频码分多址系统在同信道移动用户数目较大或处理增益较高的情况下,阵列解扩器输出的多址干扰向量呈现高斯随机分布的特点,提出了一种新的利用高阶累积量进行自适应盲波束形成的方法．该方法充分利用了接收信号的高阶统计特性,降低了运算复杂度,收敛快,能够有效地跟踪期望用户信号,具有无需训练序列、参考信号以及阵列结构先验知识的优点．计算机仿真结果表明该方法的有效性．     

依据高阶累积盲解卷积

对盲均衡（盲解卷积）提出了两种三阶累积量的基本算法，在算法中依据非因果的ＡＲ（自回归）模型及与逆滤波器系数相关的方程，把非最小相位系统的盲均衡问题转化为解相应的线性方程组的问题，保证了这种解法的唯一性。在算法中仅利用了累积量的对角线切片，从而使该算法简单、准确。仿真实验结果表明，该算法是可行有效的     

CES型盲均衡及其基于高阶统计量的一种实现

介绍了一种全新的设计盲均衡器的评估标准──信道评估标准ＣＥＳ（ＣｈａｎｎｅｌＥｓｔｉｍａｔｉｏｎＳｔａｎｄａｒｄ），并就其实现方式作了简要讨论，在分析现有算法优缺点的基础上，基于高阶统计量，对非最小相位线性信道，提出了一种ＣＥＳ型盲均衡算法ＨＣＢＥＡ，该方法避免了ＣＥＳ盲均衡中常见的大运算量的缺陷，由多电平ＰＡＭ及ＱＡＭ信号仿真实验表明，该方法具有良好的均衡特性。     

一种基于高阶累积量的回波对消方法

提出一种基于高阶累积量的回波对消新方法,以期在信噪比较低的情况下,优于基于自适应滤波技术的回波对消方案。该方法的实质是高阶累积量能够自动抑制高斯有色或白色噪声,先用回波数据来计算其４阶累积量,再利用部分累积量估计回波通路的滤波器系数,最后利用可能得到的全部累积量来对滤波器系数进行细估计,在信噪比分别为２０、１５、１０、５ｄＢ的条件下,各进行１０次随机试验,仿真结果显示：在不高于１５ｄＢ的低信噪比情     

基于高阶累积量构造特征参数的调制识别方法

针对传统基于高阶累积量的无线通信信号调制识别方法存在不含频率信息、低信噪比(signal to noise ratio, SNR)下识别率低及识别种类较少等问题,设计了一种新的基于高阶累积量构造特征参数的调制识别方法.该方法引入一阶微分和中值滤波预处理等技术,有效解决了多进制频移键控(M-ary frequency-shift keying, MFSK)信号的组内识别问题.进一步地,改进特征参数设置,设计识别流程,提升低信噪比下多达10种常用调制信号的识别率.蒙特卡洛仿真实验验证了所设计方法具有识别信号种类多和识别率高等优点,有望应用于实际场景.     

基于高阶谱的信号盲分离

讨论了宽带盲辨识与信号盲分离问题，证明了一个基于四阶谱的判据并发展了相应的算法，模拟实验证实了判据的正确性和算法的有效性。     

基于高阶累积量的地震子波提取

在地震勘探中,子波处理是提高地震资料分辨率的一个重要手段,而该技术的关键是地震子波的估计.由于影响地震波的因素太多且复杂,使得子波的提取始终是一个十分困难的问题.传统的提取子波的方法主要利用地震记录的二阶统计信息,然而由于二阶统计量并不包含相位信息,因而无法解决非最小相位的物理问题.鉴于信号高阶累积量的性质和特点,利用高阶累积量来达到提取地震子波的目的.     

引入高阶累积量的数据库访问特征选择算法

在进行数据库访问的过程中,由于受到很多不确定性因素的干扰,使数据库中存在大量噪声,影响了数据库访问的效率。提出一种引入高阶累积量的数据库访问特征选择算法,依据高阶累积量两个统计独立随机过程之和的累积量等于各个随机过程累积量之和的性质,对数据库进行去噪处理。在此基础上,采用SVM无监督算法实现数据库访问特征选择。仿真实验结果表明,采用所提算法进行数据库访问特征选择,不仅具有较高的特征选择精度,而且特征选择效率也明显高于传统算法,同时特征选择结果所含冗余特征低于传统算法,验证了所提算法在数据库访问特征选择方面的性能。     

基于高阶累积量的文本图像去噪算法

根据高斯噪声三阶以上累积量为零,从而可以将其有效抑制的特点,提出了一种基于高阶累计量的文本图像去噪方法.与平滑滤波和中值滤波2种经典算法相比,高阶累积量的使用不仅提高了文本图像去噪效果,而且能够较好地保留图像的边缘和细节信息,保证了原有文字的完整性.实验表明,提出的去噪算法对于去除文本图像的加性高斯噪声较为理想.     

基于高阶累积量的LCP-GLSTBC-OFDM信号调制识别

提出了频率选择性衰落信道条件下基于高阶累积量的LCP(Linear Constellation Precoding)-GLSTBC (Group Layered Space-Time Block Coding architecture)-OFDM (Orthogonal Frequency-Division Multiplexing) 信号识别算法，用以区分LCP-GLSTBC结构下的多载波信号(OFDM)和单载波信号(MPSK、MQAM)。该算法不需要预先知道信号和信道噪声的先验信息，也不需要对接收的信号进行解调，只需从接收的中频信号直接进行识别处理，分别求出接收信号的2阶和4阶累积量，然后构造特征参数消除信道衰落的影响。仿真结果表明：在SNR高于5dB时，对多载波和单载波信号的识别率大于90%。     

高阶累积量在电话网信号检测中的研究

基于高阶累积量的信号处理理论,提出了一种快速、简便且无偏估计的方法对多频信号进行有效的检测。这种方法与通常在电话网信号中所采用的基于相关的检测方法相比,具有很好的抗噪声性能,且能满足实时处理的要求,有一定的实用价值。     

基于高阶累积量的自适应波束形成

常规波束形成器仅限于利用信号的二阶统计特性,作者采用高阶累积量估计期望信号的导向矢量（SteeringVector),实现了一咎基于高阶累积量的自适应波束形成器（HCAB）,该波束形成器利用信号的更高阶统计特征性,减少了对阵列流型的依赖,具有较好的容差性,能自动跟踪信号,数值模拟实验表明该波束形成器工作良好。     

基于高阶统计量的自适应盲源分离算法

提出了一种新的自适应盲源分离算法，在无噪音实时两源两传感器的情况下，一旦观测信号被白化，只需要辨识一个特定的旋转矩阵就可以完成盲源分离，并给出了能表征该旋转矩阵的角的自适应估计器，仿真结果表明，当满足源峭度和不为零的条件时，这种方法是一种稳定的和有效的分离算法。     

一种基于径向基函数的高阶累积量算法

使用高阶累积量算法进行了盲自适应波束形成,计算了利用神经网络逼近波束形成的权矢量,通过Matlab仿真验证了该算法的有效性。     

结合累积量切片的联合对角化盲分离及应用

针对传统盲分离算法在以欠定的观测信号为对象时的失效问题,提出一种改进的结合四阶累积量的二阶联合对角化盲分离算法.该算法通过对源观测信号进行四阶累积量计算,比较各累积量切片对算法分解的合理性,对形成的多个切片进行近似对角化处理,进而对以延迟点为中心进行多个对角化矩阵的平均,提高算法分解的稳定性,最后通过仿真信号和车辆振动信号验证算法的有效性.该联合算法有效扩展了二阶音分离(SOBI)算法的应用范围,可以应用于瞬时混合模型的实际工程信号处理.     

基于高阶循环累积量的OFDM信号子载波调制识别算法

针对OFDM(正交频分复用)信号的子载波调制方式在高斯信道下的盲识别问题,提出一种基于高阶循环累积量调制识别方法。本文通过理论分析了高斯信道下子载波采用不同调制方式的OFDM信号的四阶循环累积量,并证明了只有当循环频率等于子载波频率时,OFDM信号的四阶循环累积量才不为零_[8],由于不同调制方式的OFDM信号的四阶循环累积量值不同,因此将信号四阶循环累积量值作为特征量来区分信号的不同调制方式。该方法不需要任何的先验信息就能识别子载波调制方式,仿真表明该方法具有一定可行性。     

确定盲分离中未知信号源个数的奇异值分解法

在信号源少于传感器观测到的混合信号时,未知信号源数目的估计一直是已有盲分离算法中一个未解决的问题,通过理论分析,提高并证明了在信号源盲分离问题中,可以通过计算混合信号数据矩阵的秩数来确定信号源的个数,存在观测噪声时,可以通过计算混合信号数据矩阵的奇异值分解进行估计未知信号源数目,给出了实际的计算方法,并通过计算实例证明了该方法的正确性和有效性,从而解决了盲分离中信号源个数的估计问题,为盲分离技术的应用进一步奠定了基础。