盲源分离中AMUSE算法的分离效果试验研究

目前,盲源分离技术广泛应用于电子信号处理领域,但盲源分离中各算法的分离效果具有较大差异.对此,本文以盲源分离理论中的AMUSE算法为研究对象,通过MATLAB生成的周期性函数信号和随机收集的4种语音信号进行仿真试验,并选取相似系数作为AMUSE算法的评价准则.试验结果以及评价准则表明,AMUSE算法对信号的分离效果出色...     

线性混迭信号中独立源的盲提取

基于源信号统计独立的假设,提出一种基于四阶累积量的分离判据,由此得出一种可以顺序逐个盲提取独立源信号的ICA算法,算法中利用去冗余技术剔除先前已经提取的信号.计算机仿真结果表明算法的性能良好.     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

应用ICA的混沌直扩信号盲分离及检测

摘要： 混沌直扩信号是由普通混沌信号直接调制信息信号得到的一类扩频通信信号,它兼有混沌信号和直扩信号容量大、低截获等特点. 该文针对复杂环境下非合作混沌直扩信号检测的问题,考虑到多径传输及噪声条件下混沌直扩信号混沌特性被明显削弱,在考察直接检测方法的基础上提出一种基于ICA的信号盲分离和混沌特性检测相结合的检测方法. 首先将接收到的混合信号分离成各单路信号,再检测各路信号的混沌特性. 理论分析和仿真实验表明,分离后混沌直扩信号的纯净度明显提高,基本上不再受噪声等的影响,在输入信噪比?40 dB 条件下仍可有效检测出混沌直扩信号.     

基于Curvelet稀疏表示的图像盲分离初始化

针对盲分离初始化问题提出一种基于Curvelet稀疏表示的图像盲分离初始化方法. 该方法充分利用信号Curvelet变换的稀疏特性,选取稀疏性最好的高频系数组,采用聚类方法估计聚轴中心,寻求混合矩阵估计值,实现对盲分离学习算法的初始化. 实验结果表明,该初始化方法能避免盲分离算法在收敛时陷入局部最小,加快收敛,并提高分离精度.     

采用自适应核函数的空间时频分布盲源分离

基于空间时频分布的盲源分离算法可以用来分离具有不同时频分布的信号.时频分布的交叉项影响着盲分离的性能,而不同的时频分布对交叉项的抑制效果也不同.目前的盲源分离算法多是基于固定核的时频分布,而自适应核函数对交叉项的抑制能力要优于固定核的时频分布.提出采用自适应核函数时频分布的盲源分离算法,这种算法具有比较强的抑制交叉项能力和抗噪声能力.仿真表明,无论是在有噪声还是无噪声的情况下,这种算法的盲分离性能均优于采用Cohen类时频分布的盲源分离算法.     

改进的复值非高斯最大化盲源分离算法

复值非高斯最大化盲源分离算法的收敛速度,受其采用的反双曲正弦函数计算复杂度的影响较大,针对这一问题,提出了一种收敛速度更快的改进型复值非高斯最大化算法。该算法采用一个低计算复杂度的非线性函数替代原算法中的反双曲正弦函数。该函数的计算复杂度是反双曲正弦函数的三分之一。在相同条件下,基于该非线性函数的复值非高斯最大化盲源分离算法的收敛速度相比原算法提高了1倍左右,更适合于对接收信号进行实时处理,而且信号分离误差小,同时该算法同样适用于任意非高斯的常态和非常态信源。仿真试验验证了算法的有效性。     

基于二次模糊相关性的单通道置换图像盲分离

关键词：中图分类号：文章编号：针对模糊处理后的置换图像,提出一种基于二次模糊相关性的单通道盲分离方法. 该方法通过对置换图像进行二次模糊,估计二次模糊前后对应子块的相关系数来构造一个映射空间,利用映射空间内参数的不同分类完成置换混合矩阵的估计,从而实现置换源图像子块的分离. 实验表明,该方法对经历不同模糊处理的置换图像均能达到较高的检测正确率,同时,算法对高斯噪声和有损JPEG压缩都具有较好的鲁棒性.     

一种基于稳定分布模型的非线性盲分离算法

在α稳定分布模型基础上提出一种非线性的盲分离算法,采用后非线性模型(PNL)几何线性化算法将输入信号线性化,然后用基于最小分散系数与旋转变换(MDC-RT)准则的神经网络算法实现信号盲分离。仿真实验证明该算法具有良好的分离特性以及较高的实际意义。     

动态分段的飞机舱音记录器混合信号在线盲分离性能分析

针对飞机驾驶舱话音记录器(CVR)中存在轻微时变特性和信号有大量近零值的情况,提出一种基于信号样本动态分段的在线盲分离算法.应用独立分量分析的在线算法对CVR混合信号进行动态分段处理,再通过快速的FastICA算法进行精确化求解.为了使估计器获得最佳性能,适当调整分离矩阵各行权值.仿真结果表明,该算法可有效地将CVR混合信号中独立的声音信号分离出来,分离效果优良.     

基于峰态的盲信号分离

就一种基于信号峰态(kurtosis)极值化的盲信号分离方法进行了探讨．首先介绍算法理论，然后提出了一种简化快速的最速下降算法，解决了收敛指向性的问题，并将对混合语音信号的分离扩展到混合图像信号的分离．实验结果表明，同其他基于峰态的盲分离算法相比，其分离效果好，而且在收敛速度、运算复杂度方面有显著的优势．     

置换混叠信号的盲检测和分离

针对观测信号相互置换的情况,从盲源分离的角度研究置换混叠信号的盲检测与分离问题,给出了置换混叠信号的数学模型,提出了基于特征域可分的置换混叠区域检测方法,根据频谱特性和局部相关性分别提出了正弦置换混叠信号和置换混叠图像的盲检测与分离算法. 实验结果表明,该方法能有效应用于置换混叠信号的检测.     

亚、超高斯信号后非线性混合的盲分离

研究后非线性混合信号的盲分离,从最大似然角度推导了一般后非线性分离结构的学习公式;在前人一些工作的基础上,提出一种用于亚、超高斯信号后非线性混合的盲分离算法.通过对人造及自然信号的实验,证实了该算法的有效性.     

一种新的波达角估算方法

提出一种新的基于训练序列波达估计算法．新算法基于如下假设：各个信号源的训练序列互相正交;并且各个信号源都是幅度为1的恒模信号．论文给出了新算法的数学推导过程,得到一个简单的估计公式．结合无空间模糊性的T形阵列,新算法能够快速、精确地估计波达方向．