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。     

基于传感器网络的气体源定位方法研究

提出一种分层结构的自组织无线传感器网络(WSN)用于气体污染源的定位研究,可以广泛应用于反恐、环境监控等场景。在修正的气体污染源浓度衰减模型基础上,提出一种改进的非线性最小二乘算法(I-NLS)以及极大似然算法(MLE)用于气体污染源定位。仿真试验对比研究了两种算法在不同的传感器节点以及背景噪声情况下对预估定位误差的影响。试验结果表明了这种分层结构的WSN用于气体污染源定位是可行的,同时验证了I-NLS、MLE两种算法定位的有效性。     

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。     

自适应实时型复值混合信号盲分离算法研究

利用非圆信号的协方差和伪协方差都为非零对角线矩阵的特点,构造代价函数,通过复值梯度推导得到一种针对复值混合信号的自适应实时算法.该算法能分离任何包含非圆信号源的复值混合信号;与强不相关变换算法相比,该算法结构简单,具有实时性,分离误差小,同时不需要特征值和奇异值分解,即使信源谱系数相同也能成功分离出复值混合信号.实验仿真证明了算法的有效性.     

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。     

基于自适应评价函数的独立成分分析算法

简要介绍独立成分分析（ICA）及其模型，然后在极大似然估计的框架下，基于两类参数模型--Gaussian混合密度模型和Pearson系统模型，研究了具有对称分布（包括超高斯分布与亚高斯分布）和非对称分布源混合信号的盲分离问题，给出了一种有效的基于灵活评价函数的ICA新算法，该算法在一定意义上实现了对源信号概率分布的真正全“盲”。与原有的ICA算法相比，该算法具有更广泛应用范围。模拟实验验证了算法的有效性。     

基于峭度的稳健特定信号盲提取

在盲源提取中,当所要提取信号的峭度在某一区间时,可以采用基于峭度的方法将期望的信号提取出来。如果采用外点惩罚函数法来求解,理论上要求惩罚因子趋于无穷大时才可能收敛到最优解,但是惩罚因子的增大往往导致代价函数的Hessian矩阵病态化。因此,这种方法在实际中稳健性很差。提出了采用Lagrange乘子法来解决特定信号的提取问题,与采用外点惩罚函数法的算法相比,这种方法在惩罚因子相对较小的情况下也能得到最优解。计算机仿真和实际的胎儿心电试验表明了这种方法在收敛速度和稳健性上要优于采用外点惩罚函数法的算法。     

基于ICA的工业过程监控方法及其在TEP中的应用

针对工业过程的监控,论文采用独立分量分析(ICA)方法提取过程的独立分量,并把正常工况下的独立分量构成特征子空间,将待监测的数据投影到该子空间,提出以投影系数的变化作为监控指标的监控方法.仿真应用表明独立分量分析能够提取有效的TEP状态特征,监控指标可以有效的对系统进行监控.     

改进的频域盲分离排序不确定性消除算法

讨论了频域盲源分离算法中的排序不确定性问题.根据相邻频点上同一个信号的频谱幅度相关大于不同信号频谱幅度相关的特点,提出了一个改进的基于相邻频点幅度相关性的排序不确定性消除算法.在两个相邻频点上构造一个幅度相关矩阵,再根据相关性大小将幅度相关矩阵转换为转王矩阵.该方法可以实时处理卷积信号频域盲源分离算法的排序不确定问题,在对每个频‘点进行独立分量分析的同时确定各分量的顺序.该算法效率高、鲁棒胜好.仿真实验表明了算法的有效性.     

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…     

基于相对梯度的鲁棒的盲源分离算法

针对有噪环境中通信信号的盲分离问题,说明了在有噪环境中,对观察信号进行白化处理后得到的混合矩阵为正交矩阵,并在此基础上给出了正交分离矩阵的迭代公式。另外,为了消除噪声影响,改善算法的分离性能,根据噪声的概率密度模型,提出了一种改进方法。该方法对分离信号进行迭代,从而得出鲁棒的盲源分离算法。仿真结果表明,提出的分离算法相对著名的EASI算法,其性能有很大改善。在信噪比为20 dB时,本算法获得的干信比比EASI算法低10 dB。     

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.     

一种盲信号恢复的特征向量算法

信号恢复是雷达声纳目标检测和通信信号处理的一项重要任务。基于特征向量估计(EVA)的信号恢复算法可以在未知信道和源信号先验知识的情况下,在较短的时间内实现信号的盲恢复。它是将均衡信道参数估计问题变为与交叉累积量矩阵、自相关矩阵有关的特征向量求解问题,并保证解的唯一性和收敛性。将该算法应用于单源-单接收元(SISO)的恒模变相信号、两种声学水池信号妁恢复,取得了较好的恢复效果。     

Blind separation of sources in nonlinear convolved mixture based on a novel network

Blind separation of independent sources from their nonlinear convoluted mixtures is a more realistic problem than from linear ones. A solution to this problem based on the Entropy Maximization principle is presented. First we propose a novel two-layer network as the de-mixing system to separate sources in nonlinear convolved mixture. In output layer of our network we use feedback network architecture to cope with convoluted mixtures. Then we derive learning algorithms for the two-layer network by maximizing the information entropy. Based on the comparison of the computer simulation results, it can be concluded that the proposed algorithm has a better nonlinear convolved blind signal separation effect than the H.H. Y' s algorithm.     

基于时频分布的跳频信号盲分离方法

根据跳频信号的非平稳特性,提出一种基于时频分布的跳频信号盲分离方法。该方法利用不同源信号时频特征的差异,通过对混合信号的一组时频分布矩阵联合近似对角化来实现信号的盲分离。理论分析和仿真结果表明,这种方法在未知任何先验参数的情况下,能够有效分离多个跳频网台,而且具有较强的噪声抑制能力。     

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…     

基于相关矩阵对角化和遗传算法的盲源分离法

提出了一种新的基于相关矩阵对角化的代价函数作为衡量输出信号独立性的测度。为了扩大搜索空间,降低各信源之间的互相关性,将代价函数进行了非线性变换。还提出了利用实数编码的遗传算法对代价函数进行最优化搜索,以克服传统梯度搜索方法容易陷入局部收敛的缺点。此方法不仅适用于平稳或非平稳信号,而且还可用于瞬时或卷积混和模型的盲源分离问题。仿真实验表明,该算法具有快速收敛性能和高精确度等优点,能够大大提高分离后的输出信噪比。