波束域的信号盲分离方法

现有的源信号盲分离方法大都是针对阵元输出信号进行的,各种干扰信号和观测噪声的影响使盲分离算法性能退化,甚至失效.为了提高低信噪比情况下的信号盲分离能力,提出一种新的信号盲分离方法,即先对阵元观测信号进行盲波束形成,而后利用波束输出信号实行盲分离.盲波束形成阶段既提高了盲分离输入信号的信噪比,又可降低盲分离模型的阶次,信号盲分离阶段不仅能进一步净化信号,还能分离同一波束内两个以上的源信号.采用多种情况的人工仿真混合信号进行实验,以评价新算法的性能,仿真结果表明新的盲分离方法优于各阶段算法.     

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…     

一种新的基于峰度的盲源分离开关算法

盲源分离(BSS)算法通常需预先假设源信号的概率密度函数(PDF)，并由此获得关键的激活函数(AF)，进而从混合信号中分离出源信号。但若假设的概率密度函数与真实概率密度函数差异较大，源信号将不能被正确分离。基于峰度的盲源分离开关算法无需假设源信号的概率密度函数，可直接对独立分量分析(ICA)中的激活函数进行自适应学习。计算机仿真证明，该算法可有效进行盲源分离。     

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。     

独立分量提取的在线算法及其应用

独立分量分析(ICA)根据信源统计独立特性对观测信号进行盲分离运算，由于其独特的分离性能而受到广泛关注，但目前其实现的算法普遍采用批处理的形式。文章探讨了在线ICA算法，并将其应用于脑电信号伪迹消除中，实验结果表明，丈中所提出的在线ICA算法具有良好的稳健性和盲源分离性能。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于源数估计的盲源分离

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。就盲分离在阵列信号处理中的应用,提出了一种基于四阶累积量的源数估计方法。由于四阶累积量对高斯噪声的抑制作用,从而可提高估计的分辨性能。给出了详细的计算方法,并用蒙特卡洛试验证实了该方法优于通常的源数估计算法。将其用于盲源分离,通过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,为盲源分离技术的应用进一步奠定了基础。     

On-line blind source separation algorithm based on second order statistics

1 .INTRODUCTIONBlindsource separation (BSS) is one of the most activeresearch areasin signal processing community. The mainobjective of blind source separationis to extract indepen-dent source signals fromtheir observed mixtures withoutfull knowledge of the signal propagation environment .BSStechnologies have been widely usedin array process-ing,communications,biomedical signal processing,i mageprocessing, speech processing, seismic prospecting andother areas.Many methods have been prop…     

盲卷积信号的一种高效分离算法

针对盲卷积信号提出一种高效分离算法，采用分段的思想，对每短时段信号通过检验分离效果而灵活选择是否需要重新训练分离矩阵参数，既考虑了混合模型的时变性，又大大提高了盲分离的效率。研究还提出并应用了限值检验控制准则，来有效进行迭代算法的控制和分离效果检验的判决，保证了算法的执行效率。仿真实验分析通过比较不分段盲分离算法和分段逐段盲分离算法，表明了该算法的高效性。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

基于独立分量分析的脑电消噪与特征提取

先简要介绍了独立分量分析的基本思想及算法，再将其应用于脑电信号的消噪和思维脑电的特征提取两个方面，实验结果表明：ICA可以将脑电信号中包含的心电（ECG），眼电（EOG）等多种干扰信号成功地分离出来，另外，通过使用ICA方法对进行不同心理作业的脑电信号进行分析处理后，发现了与心理作业相对应的脑电独立分量特征，这些稳定的独立分量特征将可以为心理作业的分类和脑-机接口技术（BCI）提供新的实现方法。     

Online blind source separation based on joint diagonalization

A now algorithm is proposed for joint diagonalization. With a modified objective function, the now algorithm not only excludes trivial and unbalanced solutions successfully, but is also easily optimized. In addition, with the new objective function, the proposed algorithm can work well in online blind source separation (BSS) for the first time, although this family of algorithms is always thought to be valid only in batch-mode BSS by far. Simulations show that it is a very competitive joint diagonalization algorithm.     

基于无监督学习的源数估计及盲分离算法

针对目前欠定盲分离问题中源数未知,采取"两步法"进行分离源信号.在第一步聚类算法中,一般都假设源信号个数已知,即事先给定聚类数目,这类算法成功与否依赖于源信号个数的先验知识.为了有效解决这个问题,提出了一种新的基于模糊聚类分析的无监督学习算法,它利用观测信号之间的相似关系来确定模糊相似矩阵进行迭代算法,不但可以精确估计源信号个数,同时也能获得对混叠矩阵的精确估计.该方法进一步完善了"两步法",仿真结果表明了算法的有效性及优异性能.     

基于盲分离的空时联合处理抗复合干扰方法

提出了基于盲分离的空时联合处理抗复合干扰方法,旨在抑制兼有自卫式干扰和多个近主瓣干扰这类复合干扰。这类复合干扰在形式上可以分为噪声压制式(考虑多个近主瓣压制干扰)和转发欺骗式(考虑密集假目标干扰:包括近主瓣密集假目标干扰和自卫式密集假目标干扰)。新方法通过联合空域四通道(和差四波束)和时域双通道(相邻的两个脉冲重复间隔)得到空时联合通道作为接收通道,然后利用盲分离技术对空时联合通道内的混合信号进行分离,最终通过脉冲压缩处理来提取目标回波信号,以此达到干扰抑制的目的。新方法不需要信源的先验知识,容易工程实现。     

基于BSS的跳频通信抗部分频带噪声阻塞干扰方法

根据跳频信号与部分频带噪声阻塞干扰信号的近似统计独立性,提出一种基于盲源分离的跳频通信对抗部分频带噪声阻塞干扰方法。所提方法利用分离信号的二阶或高阶统计量构建目标函数引导分离矩阵迭代,实现跳频信号与部分频带噪声阻塞干扰信号的有效分离,从而提高跳频通信的抗干扰能力。仿真结果表明,所提方法可明显改善跳频通信在部分频带噪声阻塞干扰下的误码率性能,而且分离算法的处理时延很小,有望满足跳频通信的实际需求。     

非线性盲源分离的多目标进化算法

针对在非线性混叠盲源分离中代价函数往往具有许多局部最优解,求解其全局最优解非常困难的问题。设计了多目标进化算法来求解代价函数的全局最优解,提出了非线性盲源分离的多目标进化算法。该多目标进化算法根据带权极小极大策略构造了一个同进化代数有关的变适应值函数,使种群中的容许解逐渐增多和保持个体的多样性,避免算法陷于局部最优。数值仿真表明算法是有效的。     

盲源分离技术在通信侦察系统中的应用

针对如何快速、准确地对无线电通信信号进行截获、分离和识别是现代通信侦察的瓶颈,盲源分离对于解决这些难题具有独特的优势。给出了基于盲源分离的无线电通信侦察系统模型,从DoA估计和调制样式识别两方面讨论了盲源分离技术在该领域的应用情况。通过具体的仿真实验,证明了盲源分离应用于通信侦察的正确性和可行性。     

一种片率增量SVM多用户检测器算法仿真研究

码分多址(CDMA)系统中的多用户检测(MUD)实质上是一盲信源分离问题,通过在上行链路接收端获取采样的混合信号,然后根据扩频码特征及波束形成算法进行初步预分离,进而将片率信号作为支持向量机(SVM)的训练信号,在SVM中将所有用户通过1-1模式构造多目标分类器,通过类增量学习方式进行目标信号分类,最终获取期望用户的检测值。文中最后给出了仿真结果及分析比较,验证了算法的可行性。