基于ICA算法的卫星TT&C信号的一种新的盲识别算法

在通信对抗中,由于电磁环境的复杂度及信号调制方式的多样性,使得很难得到原始信号的先验信息,这给通信对抗带来极大的困难。为了解决在通信对抗中的这个难题,我们提出了一种新的盲识别技术。该技术使用独立信号分析（ICA）去盲分离原始的信号,而且随后对每个得到的信号进行分别处理。文中首先介绍了ICA的基本原理。使用差分最大负平均信息量的方法,一个为ICA的目标函数和一个快速ICA算法在文中被提出。在深入分析此快速算法的基础上,本文阐述了一种新的算法并将其应用在卫星TT&C信号的识别中。仿真结果表明：该方法可以不需要原始信号的先验信息的情况下正确的识别出原信号（例如,载波频率,信号带宽和调制方式等）,这为后续的信号分析奠定了基础,比如信号的分析和识别,解调及证明其良好的收敛性和鲁棒性等等。     

卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号识别的问题,提出一种基于小波分析的测控信号副载波识别算法。算法首先基于小波多分辨率分析去噪原理,对混合信号进行去噪处理。然后,采用零点分区法确定副载波个数。最后设计了阈值自适应判别算法来确定各个副载波的频率分界点。仿真结果表明,该测控信号副载波识别算法精度达到95％,抗噪声干扰能力强。     

基于小波分析的卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号识别的问题,提出一种基于小波分析的测控信号副载波识别算法。算法首先基于小波多分辨率分析去噪原理,对混合信号进行去噪处理,然后,采用零点分区法确定副载波个数,最后设计了闽值自适应判别算法来确定各个副载波的频率分界点。仿真结果表明：该测控信号副载波识别算法精度达到95％,抗噪声干扰能力强。     

基于负熵最大化的卫星测控信号盲识别算法

针对卫星测控通信信息侦察中测控信号盲识别的问题,提出一种基于负熵最大化的测控信号副载波识别算法.首先介绍了独立分量分析的基本理论,根据独立分量分析求解问题的思路,由互信息准则得出能够表征输出信号之间独立性的目标函数即负熵.由于源信号是盲信号,源信号的概率密度未知,采用负熵的近似表达式来计算,最大化负熵代表着输出信号之间互相独立,即实现了信号的分离.在深入分析基于负熵最大化的快速独立分量分析算法的基础上,将其用于卫星测控信号的盲识别上.MATLAB仿真结果表明,该识别算法可以较好地分离卫星测控信号,具有良好的稳定性,收敛速度较快.     

新的ICA算法实现成组fMRI信号盲分离

独立成分分析(ICA)方法已被成功地用于处理功能磁共振成像(fMRI)信号,但主要是用于处理单个被试的fMRI信号,对于多个被试的情况却很少考虑.为此利用一种扩展的ICA方法--Group ICA来处理多个被试的fMRI信号,结果表明这种方法在保证结果准确性的前提下,可以大大减少计算量,快速获得统计结果.计算中应用的是NewFP算法,统计结果表明这种算法在估计激活的时间动力学准确性上优于FastICA算法.     

一种新的彩色图像盲水印算法

为解决水印的盲提取问题并将水印技术应用到彩色图像中,提出了一种新的基于子带DCT（discrete cosine transform）系数量化的彩色图像盲水印算法.首先将彩色图像从RGB空间转换到YUV空间,然后在Y、U、V三分量的子带DCT系数中选取视觉重要系数并对其进行量化,完成水印的嵌入.水印的提取不需要原始图像.仿真实验证明,算法具有较高的透明性,并且对于常用的攻击方法（如有损压缩、高斯噪声、滤波和剪切等）具有很好的鲁棒性.     

一种基于ICA的盲源分离定点迭代算法

介绍了一种基于ICA的定点速代算法，并给出算法的模型、步骤和仿真结果。该算法以峰度作为独立性判决准则，在迭代过程中，使用定点算法，快速有效地分离出任意分布的非高斯独立源信号。实验表明，与传统的基于随机梯度的ICA算法相比，谊算法具有收敛速度快，无需动态参数的优点，是一种高效可靠的盲信号分离算法。     

一种新的盲声源信号分离方法及其应用

从盲声源信号的独立性出发,提出了一种新的盲声源混合信号分离方法.该方法基于信号联合概率的分布统计,利用信号联合概率的方向导数熵最小获得最佳的旋转角度,最终实现盲信号分离.与快速独立分量分析方法及神经网络方法相比,该方法不需要迭代计算.采用新的盲声源信号分离方法对轴承试验台的混合声音信号进行识别,将电机和滚动轴承的声音分离出来,进而可以准确识别机械的故障.     

一种新的重叠混沌信号盲分离算法

提出一种基于粒子滤波（particle filtering,PF）的重叠混沌信号盲分离算法,该算法依据混沌动力学系统的状态空间模型,把重叠混沌信号盲分离问题转化为混沌信号和系统参数的联合估计问题,利用PF方法估计各信号以及系统参数的联合后验分布,再由联合后验分布实现各信号以及系统参数的估计.在PF算法中利用核平滑的方法实现了非时变参数的迭代估计,并通过自适应迭代算法对加性高斯噪声进行了估计.仿真实验的结果表明,该算法能有效地解决重叠混沌信号的盲分离问题.     

一种新的跳频信号盲检测算法研究

跳频通信技术具有较强的抗干扰能力和组网能力,因而得到广泛采用,尤其是在军事通信方面.因此,对跳频通信系统的盲检测也成为通信对抗中的一项重要内容.提出了一种基于频域相关的跳频信号盲检测算法.在不需要任何先验信息的条件下可以对跳频信号进行盲检测.仿真表明该算法在低信噪比条件下具有很好的检测效果.     

基于ICA的盲信号分离算法研究

提出了一种以独立分量分析(independent component analysis,ICA)[1]为核心的盲分离算法,给出了用盲信号分离技术来分离心电信号的方案,并对模拟信号进行了分离。实验是有效的且鲁棒效果良好。     

一种自适应信号盲分离和盲辨识的有效算法

为了把几个独立信号从它们的线性混叠中盲分离或盲辨识出来,提出了一种具有抑制噪声作用的有效自适应学习算法,研究了算法的有界性和渐近稳定性．以渐近稳定性为条件,给出了算法中非线性函数的适当选择．仿真研究表明,算法是有效而鲁棒的,且能够从有噪声的混叠中恢复原独立信号．     

基于改进固定点ICA算法的图像盲分离

独立向量分析根据信源统计独立特性对观测信号进行分离运算,目前采用较多的是固定点独立分量分析(FastICA).考虑到图像信号分离中,图像信号复杂多样,信息量大的特点,采用改进固定点ICA算法对图像进行分离,克服了采用固定点ICA算法计算量大、收敛速度慢的缺点.文章采用随机提取的独立图像做实验,取得了稳定性较强的效果.     

基于独立分量分析的瞬时混合语音信号盲分离算法研究

近些年,信号处理在理论与方法方面发展速度很快,独立分量分析技术已成了信号处理领域内重要的组成部分。讨论了线性瞬时混合情况下,语音信号盲分离的算法,阐述了算法的原理,并进行了实验仿真,以此来证明算法的有效性。     

基于EMD改进算法的欠定混合盲分离

为改善拟合效果,针对经验模态分解(empirical mode decomposition,EMD)算法存在的端点效应,提出一种改进的EMD算法——端点极值延拓方法.利用改进的EMD算法对观测信号进行分解,将分解分量连同之前的观测信号构成新的观测信号,从而将欠定情况转化为超定情况,最后利用独立成分分析(independent component analysis,ICA)算法得到源信号的估计.通过仿真实验对比,证明了本文算法的有效性.     

基于Wigner-Vile分布的非平稳信号盲分离

许多盲源分离方法限于非高斯、平稳且相互独立的源信号 ,在实际应用中往往会产生许多问题 ,因为自然界中的源信号通常不满足这些假设 .本文基于时频分析 ,通过利用信号的Wigner Ville分布 ,得出一种新的盲源分离方法 ,该方法能有效分离非平稳信号 .