基于遗传算法的盲源分离算法

针对现有盲源分离算法的性能依赖于对比函数选择的现象,提出了一种基于遗传算法的盲源分离算法,该算法直接从信号的样本序列中估计出信号的概率分布,解决了信号间互信息的求解问题.通过遗传算法最小化信号的互信息,实现了对线性混叠信号的分离.对模拟信号的分离结果表明,该算法可以成功地分离混叠信号,同时与快速独立分量分析算法相比,该算法的性能对源信号的概率密度性质没有依赖,因而对亚高斯和超高斯信号的混合信号表现出更加优异的分离能力.     

多种概率分布源的盲源分离快速算法

基于目标函数迭代优化的方法在解决线性混合情况下,源信号存在多种概率密度分布的盲源分离问题时,需要对非线性函数以及迭代步长进行正确的选择,算法比较复杂;针对此问题,提出一种基于高阶统计的快速分离算法,该算法可以有效地避免上述问题.实验结果表明,该算法能够快速有效地分离出不同概率密度分布的混合信号.     

基于粒子群算法的盲源分离算法

简要地介绍了粒子群算法(PSO)及其改进算法和盲源分离算法(BSS),改进的粒子群算法具有并行性、易实现等优点。将改进的粒子群算法与盲源分离算法相结合,提出了基于粒子群算法的盲源分离算法。该算法以混合信号的峰度为目标函数,采用独立分量分析的方法,用改进的粒子群算法代替常规的最陡梯度下降法,对瞬时混合的信号进行盲分离,解决了梯度算法收敛速度慢的问题。实验仿真表明:该算法具有收敛速度快、分离效果好等特点。     

欠通道混叠语音盲分离算法

以超完备基的独立分量分析(Overcomplete ICA)为信道模型,采用自然梯度和最短路径的算法和提出的基于小波变换的Overcomplete ICA算法进行欠通道混叠语音盲分离,两者进行了比较.结果表明,该算法能够成功地分离混叠语音数据.     

盲源分离自适应算法的统一形式

通过合理的推导与转换，统一了几种不同的盲源分离自适应算法，指出了这些有源分离自适应算法之间的区别与联系，给出了该统一形式中非线性函数选取的稳定性原则。提出了在稳定提下，兼顾算法多种性能的非线性函数综合择优准则。计算机模拟实验结果验证了该准则的有效性。     

基于盲源分离的多用户检测算法

本文针对CDMA通信系统中的盲多用户检测问题,将噪声数据的定点ICA算法应用到多用户检测中,实现了多用户信号的分离。通过matlab实验仿真比较了盲自适应检测算法与本文算法的性能,结果表明本文算法收敛速度很快,可以很有效地克服多址干扰,抑制远近效应。     

基于改进人工蜂群算法的盲源分离算法

针对传统盲源分离算法收敛速度与分离性能间的矛盾,提出一种基于改进人工蜂群算法的盲源分离算法.该算法利用信号的峰度绝对值作为被优化目标函数,对人工蜂群算法中跟随蜂阶段的搜索过程进行改进,使人工蜂群算法在初始阶段可以快速收敛到最优解所在区域,具有更高的收敛精度.使用改进后的人工蜂群算法对传统盲源分离算法中的初始分离矩阵进行优化,再利用优化的初始分离矩阵进行信号分离.仿真结果表明,改进后的算法能够显著加快收敛速度并保持较好的分离性能值,较好地解决了收敛速度与分离性能间的矛盾.     

基于OS-SASP算法的欠定盲源分离

针对基于稀疏分量分析的欠定盲源分离问题,提出一种基于优化支撑的稀疏度自适应子空间追踪(OS-SASP)算法.通过引入自适应思想,克服传统子空间追踪(SP)算法对稀疏度的依赖;同时在迭代开始之前通过离散余弦变换的能量集中特性确定最小支撑集的大小,对最小支撑集求并集获得优化支撑集,优化支撑集联合迭代过程中的候选集来定位最佳原子,提高源信号的恢复精度.仿真结果表明,OS-SASP算法在一维稀疏信号与语音信号的欠定盲源恢复过程中表现出良好的性能.     

基于KM-PCA稀疏信号的盲源分离算法

欠定盲信道估计是欠定盲源分离的关键组成部分,其估计精度直接影响到源信号的估计精度.基于充分稀疏假设,在K均值聚类的基础上,提出一种新的欠定盲信道估计算法——K均值与主成分分析方法(KM-PCA算法).该算法首先对观测数据进行K均值聚类,然后对聚类分析结果分别进行主成分分析,修正其聚类中心,从而提高混叠矩阵的估计精度.采...     

基于粒子群算法的盲源信号分离

当源信号个数大于2,联合对角化（JADE）算法在盲源信号分离时效果不理想.提出了一种基于粒子群算法（PSO）的盲源信号分离（BSS）算法.该算法利用PSO算法代替JADE算法中的联合对角化操作,以混合信号的峭度为目标函数,采用独立分量分析的方法,对瞬时混合的信号进行了盲分离,理论分析和仿真结果表明了该算法的可行性和有效性.     

改进的带参考信号盲源分离算法

带参考信号的盲源分离算法在各个领域有着广泛的应用,但现有算法大都存在提取信号与源信号之间误差较大的问题,其中目标函数是影响误差的一个重要因素。因此针对目标函数,提出了一种改进带参考信号的盲源分离算法。该算法首先在标准对比函数中耦合含有先验信息的测量度函数,以此得到新的目标函数;然后引入松弛因子运用拉格朗日乘子法对目标函数进行优化,避免了不等式约束问题,有效地得到了最优的分离矩阵。仿真实验结果表明,相比现有算法,本文算法具有更小的误差;在滚动轴承故障诊断实验中也正确地提取了故障特征,验证了算法的有效性。     

时频分析的欠定盲源分离算法

随着跳频通信系统性能的不断提升,传统信号处理方式无法适应跳频信号载频时变的特性,提出一种改进思想,采用时频分析方法对多跳频欠定盲源分离问题进行研究分析.由于线性时频分析方法满足线性叠加原理并且信号间没有交叉项干扰的影响,采用短时傅里叶变换对多跳频信号进行处理分析;利用自适应时频支撑点阈值设定的方法,剔除低能量噪点对时频单源点的影响,并结合改进的k-均值算法对混合矩阵进行估计;在不同时间段短时傅里叶变换的窗函数中,通过判断频率聚类数的不同,确定跳频信号频率跳变点的时刻及位置;通过时频单源点的时频比矩阵对时变混合矩阵进行估计.仿真实验验证了改进算法对混合矩阵具有较好的估计特性,算法改进的效果也比较明显.     

虚拟通道扩展的引信欺骗干扰盲分离算法

为滤除引信接收信号中的欺骗干扰,研究了基于虚拟通道扩展的过渡干扰滤除FastICA(TJE-FastICA)和双系统FastICA(DS-FastICA)算法.算法利用不同周期接收信号特性以及信号非圆性来扩展单通道,并对传统FastICA进行噪声抑制改进,在此基础上提出了利用接收信号的循环相关输出幅值统计特性来剔除过渡干扰的TJE-FastICA算法,以及利用两个盲分离系统对分组信号同时分离的DS-FastICA算法.仿真结果表明,提出的算法明显优于正交投影算法和直接盲分离算法,DS-FastICA比TJE-FastICA具有2.5 dB的优势,且当信噪比R_SN>7.5 dB时,两算法分离的回波信号相似度均在80%以上,DS-FastICA的分离时间比TJE-FastICA算法快91%.      

基于自然梯度算法及其改进算法的盲源分离

自然梯度算法是盲源分离的重要方法,本文在介绍分析自然梯度算法基础上,将共轭梯度和自然梯度相结合改进了自然梯度算法的学习规则,通过两种算法的比较表明,基于共轭梯度改进的算法在性能和分离效果上都优于自然梯度算法。     

变步长等变自适应盲源分离算法

针对传统盲源分离(BSS)算法采用固定步长难以同时兼顾收敛速度和稳态误差的难题,采用等变自适应盲源分离(EASI)算法,提出了一种基于分离指标的变步长等变自适应盲源分离算法(VS-SI)。该算法利用EASI收敛条件,构造表征信号分离程度的分离指标,并设计带遗忘因子的更新算法,以减小历史数据误差的影响,实现分离指标的自适应计算,并采用一个非线性单调递增函数实现步长的自适应调节。通过与固定步长的自然梯度算法(FS-NG)、固定步长的EASI算法(FS-EASI)、步长指数衰减算法(EDS)和基于权重正交约束变步长算法(AS-WO)的性能进行对比,结果表明,在无噪声和有噪声两种情况下,提出算法均有较快的收敛速度,最终性能指标分别减小了15%和20%以上,同时兼顾稳态误差和收敛速度,具有较好的数值鲁棒性。     

单通道涡流无损检测信号盲源分离算法

针对脉冲涡流无损检测(pulsed eddy current testing, PECT)系统中获取单一检测信号存在的混叠问题,文章提出一种基于经验模态分解(empirical mode decomposition, EMD)和快速独立分量分析(fast independent component analysis, FastICA)的单通道盲源信号分离算法。该算法首先通过EMD对混合观测信号分解,然后利用奇异值分解(singular value decomposition, SVD)估计源信号数目,根据估计得到的源信号数目将观测信号和对应模态分量构成新的虚拟信号,最后利用FastICA算法分离得到源信号的估计。有限元仿真实验表明该算法能有效分离单通道混合检测信号,并且优于小波分解的单通道盲源分离算法。     

典型ICA算法在盲源分离中的实现

独立成分分析在神经网络、高级统计学和信号处理等研究领域具有广阔的工程应用前景。文章介绍三种典型的独立成分分析算法,即Infomax算法、Extended-ICA算法和Fast-ICA算法的原理,通过三种算法对三路随机混合信号进行的分离实验,说明了ICA算法在盲源分离技术中的应用与实现,并对三种算法的分离性能进行了对比和分析。     

一种改进的自适应步长盲源分离算法

本文提出了一种新的自适应步长自然梯度算法,该算法在迭代进行过程中依据分离程度对步长适时调整,使算法在保证稳态误差的情况下加快了收敛速度,计算机仿真说明了算法的有效性。     

基于改进粒子群的盲源分离算法研究

简要地介绍了盲源分离的基本理论,针对独立分量分析传统的优化算法易于陷入局部最优、收敛精度低的缺点,提出了一种基于改进型粒子群的盲源分离算法,将独立分量分析算法与改进的粒子群算法相结合,以负熵作为目标函数.采用这种改进的粒子群算法对分离矩阵进行调整使各个信号分量之间独立,完成对瞬时混合信号的盲分离.实验信号的分离仿真结果表明,该算法能够有效地完成混叠信号的分离.同时,在与传统的盲源分离算法进行对比中,体现出了更高的分离精度和稳定的性能.     

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。