同频同调制通信信号的卷积混合盲源分离

针时卷积混合同频同调制通信信号,提出一种新的卷积混合盲分离算法,利用滑窗Z变换将时域卷积混合形式信号通过数学变换转换到z域瞬时混合形式,通过成熟的线性混合盲分离算法分离出Z域源信号,估计出时域上的源信号.该方法适用于适定情形下的卷积混合盲分离问题,需要设置的分离参数只有一个,就是滑动窗口长度,从而降低了计算复杂度,提升了分离性能,易于硬件实现,可移植性强.     

基于子空间方法的多输入多输出信道盲辨识与均衡

子空间方法是一种有效的基于二阶统计量的盲信道辨识方法.具有计算量小、性能好、所需样本量少,不需要信号源相关性信息的特点.文中将单输入多输出（SIMO）系统的信道辨识子空间方法推广到多输入多输出（MIMO）系统.在MIMO的情况下,估计所得到的信道参数矩阵与真实参数矩阵间存在一个模糊矩阵,利用二阶盲源分离的方法将其转化为置换矩阵与对角的尺度矩阵乘积,得以提取源信号.此外,针对盲源分离中卷积混合信号分离的问题,利用此类盲均衡方法及其模型中的卷积矩阵,可将卷积混合转化为瞬时混合,从而利用大量已有针对瞬时混合的算法进行盲源分离.并对此进行了仿真,验证了其可行性.     

基于独立分量分析与二值掩膜的语音分离

针对欠定混合语音信号模型,提出一种基于独立分量分析和二值掩膜相结合的语音分离新算法.首先,由并列放置的两个全指向性麦克风采集混合声音信号,通过一阶差分麦克风阵列技术使得两路混合信号满足瞬时混合模型;然后,应用两输入两输出独立分量分析方法对两路信号进行分离并估计分离信号的二值掩膜,循环迭代进而提取目标语音信号;最后,合并同源语音信号,增强各独立声源.仿真结果表明:该方法不仅适用于瞬时混合模型,对卷积混合模型同样有效;在瞬时混合条件下信噪比增益平均达到12.41dB,在卷积混合条件下信噪比增益平均为5.28dB.试验结果表明:算法在半消音室环境下能准确分离来自不同方位的三个声源,提取的目标语音都具有较高的清晰度与可懂性.     

卷积混合模型分离算法与多局部放电混合信号分离

为了辨识GIS内多绝缘缺陷产生的单一PD信号,对多PD信号在GIS内的传播与混合机理进行深入分析,提出采用卷积混合模型描述其混合过程,并构建分离算法分离多PD信号以获取辨识所需的单一PD信号。结合PD信号的非平稳特性,将各多PD信号在时域空间下划分成短时内平稳的子信号集合,利用Molgedey-Schuste算法在频域内对子信号进行分离,再利用子信号包络线的相关性在频域对分离子信号进行重构,获取各单一PD信号,以实现对非平稳多PD信号的分离。经仿真和实测多PD信号的有效分离,证实了多PD信号在GIS内线性卷积混合特性的假设,同时为用外置UHF检测法获取多绝缘缺陷产生多PD信号的辨识提供了新方法。     

卷积混合信号频域盲分离技术研究

阵列声纳观测的舰船辐射噪声信号是由多目标源、海洋环境噪声等经多途卷积混叠形成,为提高被动声纳的检测能力、有效分离多目标信号与环境噪声,提出一种新的信号盲分离方法,利用滑窗短时傅里叶变换将时域信号卷积混合形式转换到频域瞬态混合形式,针对每个频率点利用非平稳水声信号的多拍交叉相关序列,建立频域适用盲分离算法,估计分离网络矩阵,分离恢复多源信号,研究了多源多途水声信号盲分离技术,用仿真信号和水池实验实录信号进行频域盲分离算法检验,结果表明信号分离效果较好。     

一种基于多判据综合决策的语音信号频域盲解卷积排序算法

在基于子带ICA的语音信号频域盲解卷积问题中,通过短时傅立叶变换把信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性.在传统排序方法的基础上提出一种改进的基于多判据综合决策的排序算法,同时通过实验探讨了窗函数长度和信号非平稳性之间的关系.仿真实验表明,多判据决策有效克服了各种传统单一方法的局限,使得排序精度和最终分离质量获得提高.     

模拟电路干扰信号盲分离的独立成分分析方法

为在模拟电路调试阶段分析干扰信号的来源,构建了一种基于瞬态线性混合模型的分析方法。将干扰信号视为统计独立的源信号,由多个电路节点的测试信号组成观测向量,利用独立成分分析算法实现了干扰信号的盲分离。考虑到测试电路中的输入激励为已知确定性信号,提出了一种在观测向量中增加已知输入信号以改善分离效果的方法。以信号失真比作为评价指标,研究了电容等储能电路元件对分离效果的影响。数值仿真计算与实际电路测试结果表明:储能元件在电路中的卷积效应,是影响分离效果的重要因素。在观测向量中添加已知输入信号,可显著改善干扰信号的分离效果。     

混合语音信号的盲分离技术

在语音信号盲分离问题中,通过短时傅立叶变换把语言信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性.本文通过实验探讨了信号盲分离的方法及其幅值补偿与重新排序的方法,并在MATLAB环境中进行了仿真,实现了语音信号的盲分离.     

混合语音信号的盲分离及排序技术

在语音信号盲分离问题中,通过短时傅立叶变换把语言信号从时域卷积混合转化为各频点的瞬时混合将导致分离结果出现次序和幅度上的不确定性。本文通过实验探讨了信号盲分离的方法,及其幅值补偿与重新排序的方法,并在MATLAB环境中进行了仿真,实现了语音信号的盲分离。     

基于信号时频域聚集性的欠定盲分离混合矩阵估计方法

为解决欠定盲分离中混合矩阵估计问题,通过研究观测信号在时频域的线性聚集特性,提出一种基于时频域线性聚集程度差异的混合矩阵估计方法,并着重研究在信号线性聚集程度较弱情况下对混合矩阵的估计.首先,利用观测信号或其时频域中相应变换系数的比值分布衡量信号线性聚集程度;其次,采用优化初始中心的K-均值聚类算法估计混合矩阵.该算法降低了对信号稀疏性的要求,并且可以较高精度地估计出混合矩阵.仿真实验结果表明该方法具有可行性和有效性.      

卷积盲信号分离的非线性PCA方法

为解决卷积混合盲信号分离时域方法收敛速度慢的问题,提出了卷积情况下的非线性主分量分析(PCA)准则,并分析其与高阶统计量准则之间的等价关系,推导了一种解决卷积盲信号分离问题的非线性PCA方法。作为一种递推最小二乘(RLS)类型的算法,所提方法与现有的自然梯度算法和高阶统计量算法相比具有收敛速度快、跟踪性能好的优点,计算机仿真实验验证了算法的有效性。     

基于卷积混叠传输信号的去噪

提出一种基于卷积混叠信号分离神经网络算法,简称CMHJNN。可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可应用于传输信号上的去噪。对多类不同信号组合仿真表明,该方法是有效的,网络性能是稳定的。     

单频点频域卷积混合盲分离技术

在双频点频域卷积混合盲分离算法的基础上,提出一种单频点频域卷积混合盲分离算法.通过恰当地选取频域盲分离中短时傅里叶变换（STFT）的参数,可仅依靠一个频率片上的分离信号来完成双频点算法.相对于传统频域卷积混合盲分离方法,该方法不受各频率片顺序不确定性不统一及比例不确定性不统一的影响.仿真实验证明了该算法的有效性.     

基于小波域ICA和收缩函数处理的BSS算法

实际环境中的卷积混合情况对语音信号和音乐信号进行盲解卷是一个具有挑战性的问题,ICA在实际环境中的卷积 混合系统分离效果不太理想,分离出的信号中有串扰成分存在．本文介绍了一种新的后置处理方法,即用一组收缩函数去除ICA分离后的小波系数中的串扰成分．实验结果表明该方法能较好地分离语音信号和音乐信号．     

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。     

基于压缩感知和优化算法的欠定盲源信号分离

针对目前欠定盲源信号分离在源信号不充分稀疏的情况下分离精度较低的问题,提出一种基于压缩感知和优化算法的欠定盲源信号分离方法.首先分析了欠定盲源信号分离和压缩感知问题的等价性,并建立基于压缩感知的欠定盲源信号分离的数学模型;然后以分离信号的稀疏性和互相关性来建立目标函数,并通过使用压缩感知和优化算法来实现欠定盲源信号的分离;最后对语音信号进行了仿真实验.实验结果表明,在源信号不充分稀疏的情况下,利用这种方法得到的分离信号与源信号的平均相似系数为0.990 3,由此可见这种方法是一种有效的、分离精度较高的分离方法.这也为欠定盲源信号分离问题的研究提供了一种新的途径和手段.     

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.