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.     

基于非正交联合对角化的跳频信号盲分离算法

针对组网跳频信号网台分选需求研究跳频信号的有效盲分离问题,现有基于联合对角化的跳频信号盲分离算法要求严格正交对角化,而实际中往往难以满足,为了放宽正交性条件,提出基于非正交联合对角化的多个跳频信号盲分离算法。该算法先把整个时频域划分成多个时隙后逐一处理,采用基于降噪处理的梯度范数法对观测信号进行处理,从而能精确提取具有特征矩阵结构的自项时频点,在计算其对应空间时频分布矩阵基础上,通过非正交联合对角化估计分离矩阵,能分离多个混叠跳频信号。仿真结果表明:该算法能有效实现跳频信号盲分离,与其它跳频信号盲分离算法相比具有更好的鲁棒性。     

欠定盲源分离在语音信号处理中的应用研究

语音信号处理是欠定盲源分离的一个重要研究领域。本文基于混合语音的基本模型,分析并讨论了两种欠定盲源分离方法在语音信号处理中的应用思路。欠定混合语音信号分离更接近实际情况,有着重要的研究意义。     

结合累积量切片的联合对角化盲分离及应用

针对传统盲分离算法在以欠定的观测信号为对象时的失效问题,提出一种改进的结合四阶累积量的二阶联合对角化盲分离算法.该算法通过对源观测信号进行四阶累积量计算,比较各累积量切片对算法分解的合理性,对形成的多个切片进行近似对角化处理,进而对以延迟点为中心进行多个对角化矩阵的平均,提高算法分解的稳定性,最后通过仿真信号和车辆振动信号验证算法的有效性.该联合算法有效扩展了二阶音分离(SOBI)算法的应用范围,可以应用于瞬时混合模型的实际工程信号处理.     

JADE算法在盲信号分离中的应用

分离矩阵的学习算法是盲信号分离的关键技术,矩阵联合对角化的预白化JADE算法是一种基于四阶累计量的学习算法。本文简要介绍了JADE算法的基本原理,通过实例,采用JADE算法对盲信号进行分离。实验表明,JADE算法在盲源信号分离中是一种很有潜力的方法。     

一种盲图像分离算法

提出了一种封闭式图像盲分离算法，用以解决当前盲图像处理问题．利用观测的混合图像二次特征函数二次导数矩阵与其对角分量和的二次导数矩阵联合近似对角化，估计未知的混合矩阵，进而用混合矩阵的逆阵与观测矩阵的乘积恢复原始图像，实现图像的盲分离．本算法无需数据存储和迭代，避免了采用高阶统计量的严重运算负担，分离效果显著，试验仿真结果验证了算法的有效性．     

基于FastICA的语音盲源分离方法

独立分量分析（ICA）在处理盲信号分离中被广泛使用,但其收敛速度较慢.为此文章重点介绍了一种更为有效的盲源分离方法——快速独立分量分析(FastICA).文章在介绍了FastICA的基本理论和方法之后,将其应用到语音分离中.在采集了三个实际的声音信号后,将三个原始信号进行混叠,在matlab仿真环境下用FastICA方法对混叠信号进行分离,将分离结果与原始信号波形进行比对,结果说明该算法具有良好的分离效果.     

基于信息论的盲源信号分离在呼吸信号分离中的应用研究

从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题,独立分量分析是解决这一类问题的新技术.基于信息论算法中主流的Fast ICA算法能够对几组不同的信号进行分离,和其他算法相比有一定优越性,能完整地分离出肌电信号中含有的呼吸信号.     

基于信息论的盲源信号分离在呼吸信号分离中的应用研究

从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题,独立分量分析是解决这一类问题的新技术.基于信息论算法中主流的Fast ICA算法能够对几组不同的信号进行分离,和其他算法相比有一定优越性,能完整地分离出肌电信号中含有的呼吸信号.     

利用参数结构的快速非酉联合对角化算法

针对基于快速Frobenius范数对角化(FFDIAG)的盲信号分离算法不能直接处理复数数据从而导致分离性能差的问题,提出一种利用参数结构的快速非酉联合对角化(PSJD)算法。该算法首先将由观测信号的统计量得到的复目标矩阵转化为实对称矩阵;通过对代价函数的二阶近似,将解联合对角化问题转化为一系列的线性最小二乘问题,直接得到更新矩阵元素的估计。在每次迭代中,通过充分利用转化后的目标矩阵的结构信息,减少估计分离矩阵及更新目标矩阵的计算复杂度。同时,针对FFDIAG算法采用的固定步长难以兼顾收敛速度与更新矩阵严格对角占优性的问题,采用仅由当前更新矩阵的估计值决定的自适应学习率,提高算法的收敛性能。仿真实验表明,在一定的取值范围内,PSJD算法的收敛速度对步长参数的变化不敏感,在步长参数同为0.1的情况下,PSJD算法达到收敛所需的迭代次数比采用固定步长的算法减少了42%左右。     

盲源分离算法及其在空时编码系统中的应用研究

盲源分离又称为独立分量分析,其过程是指在发射源信号和传输信道参数均未知的前提下,仅仅依靠观测信号来恢复源信号的每个独立成分。本文分析了现有几种盲分离算法结构,进行了算法仿真比较。对空时编码系统中的盲分离算法的应用进行了设计和仿真。通过仿真分析可知,在空时编码系统中使用盲分离算法可以有效减少噪声影响,对系统的稳定性有很大的提升。     

关于噪声环境中语音信号盲分离的研究

研究了在噪声环境中进行语音信号盲分离的问题。为了解决由于噪声导致解混合系统性能发生严重恶化的问题，在不增加传感器数目的前提下，利用语音源信号的短时平稳特性和噪声信号的长时间平稳特性，给出差分方法可以抵消噪声信号的影响，使得解混合系统的权仍能够收敛。输入真实语音，通过计算机仿真验证了该算法的有效性。     

基于协方差矩阵同时对角化的盲信号分离算法

提出了基于自相关协方差矩阵同时对角化的两个盲源信号分离算法. 利用广义奇异值分解(GSVD)算法,将源信号观测数据预白化后的零阶和一阶自相关协方差矩阵同时对角化,估算出两路源信号. 与二阶盲识别(SOBI)算法进行了比较,该算法具有计算简单且运算精度高的优点. 在线性混合加噪模型下,计算机仿真表明该算法的有效性.     

基于高斯混合密度函数估计的语音分离

基于最大熵法（Ｍａｘｉｍｕｍ Ｅｎｔｒｏｐｙ,ＭＥ）、最小互信息量法（Ｍｉｎｉｍｕｍ Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ,ＭＭＩ）和最大似然法（ＭａｘｉｍｕｍＬＩｋｅｌｉｈｏｏｄ,ＭＬ）最解决盲信号分离问题的常用算法,分析了ＭＥ、ＭＭＩ以及ＭＬ算法之间关系。基于高斯混合模式（Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ,ＧＭＭ）概率密度函数估计,提出了一种采用反馈结构的扩展最大熵语音分离算法,与     

基于自然梯度算法的盲信源分离研究

盲信源分离试图从给定的一组混合观察数据中恢复未知的独立信源。文中介绍盲信源分离的一种非常重要的算法——自然梯度算法。对通信信号和自然语音信号采用不同的活动函数进行了盲信源分离的计算机模拟实验，结果显示该算法能够分别有效地分离这两类随机混合的信号。     

基于皮尔逊系统的语音信号盲源分离

当利用传统自然梯度算法对所有语音信号都使用同一个激活函数进行分离时,对语音信号的盲源分离效果都不尽理想.针对这一问题,采用基于皮尔逊系统的分段激活函数对传统自然梯度算法进行改进.通过引入皮尔逊系统,将皮尔逊函数与传统激活函数相结合,再利用信号的矩估计方法,分段选择合适的激活函数代入分离矩阵,有效克服了传统语音分离算法的缺点和不足.仿真结果表明,在对实际的语音信号进行分离时,改进算法的性能明显优于传统自然梯度算法,并且在保持了良好收敛速度的同时大大减少了均方误差.     

基于阵列结构的盲分离算法

为了进一步改善阵列信号处理中盲源分离算法的分离性能,提出了一种新的基于阵列结构的盲分离算法.该算法的基本思想是利用已有的盲源分离算法(EASI和FastICA算法)估计混合矩阵,根据估计出来的混合矩阵和均匀线阵的特点来重构混合矩阵,对分离矩阵进行较正,达到改善算法分离性能的目的.仿真结果表明,该文提出的EASI-1算法的平均干信比比EASI算法低7.5 dB,FastICA-1算法的平均干信比比FastICA算法低4.3 dB.     

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。     

基于短时综合叠接相加法的语音盲信号分离研究

独立分量分析(ICA)在频域中进行语音盲信号分离(BSS)时，将产生频谱分辨率降低和信号源间频谱相互干扰的矛盾，矛盾的任何一方突出时都会影响分离效果。为了解决这一矛盾，我们把短时综合的叠接相加法引进到BSS中，这一方法有效地缓解了这对矛盾，并且分离性能得到了明显的改善。仿真实验表明，这一方法简单可行并产生了很好的分离效果。     

基于自适应互信息极小化算法的混合语音信号分离

针对混合语音信号的盲分离问题,基于自适应的互信息极小化算法是一个非常良好的解决办法,本文深入研究了该算法,并且为了加快算法的收敛速度,对该算法进行了改进,文章最后给出的实验结果表明,改进后的算法在分离语音信号和收敛速度上,都是非常有效的.