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。     

基于稀疏特性的欠定盲信号分离算法

在源信号在非充分稀疏条件下,提出了一种改进的两步法欠定盲源分离算法.与现有的大多数稀疏分量分析算法法都是假设源信号是充分稀疏不同,该算法放宽了源信号的稀疏性.与此同时,该算法能够估计出聚类空间的个数,能够克服源信号个数未知的情况.模糊划分矩阵的应用更加有利于源信号的分离.仿真结果表明了该算法的有效性.     

基于Fast-ICA算法的瞬时混合盲信号分离

本文介绍一种典型的独立成分分析算法,即Infomax算法,详细介绍了Fast-ICA算法的基本原理,将该算法用于三路瞬时混合信号的盲分离,最后对算法的分离性能及优缺点进行了分析。     

一种盲信号分离的信息理论方法

给出了一种新的基于信息理论的盲信号分离的判据,该判据基于统计独立的假设,同时利用了最大信息传输和输出互信息最小化．将该判据用于独立分量分析,得到源信号的盲分离．仿真实验结果表明,同ｉｎｆｏｍａｘ方法相比,该方法可分离范围更广的信号．     

一种盲信号分离的信息理论方法

给出了一种新的基于信息理论的盲信号分离的判据,该判据基于统计独立的假设,同时利用了最大信息传输和输出互信息最小化。将该判据用于独立分量分析,得到源信号的盲分离。仿真实验结果表明,同ｉｎｆｏｍａｘ方法相比,该方法可分离范围更广的信号。     

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.     

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.     

盲信号分离的自稳定算法

在传统盲分离算法的迭代过程中，为了保证分离矩阵的行正交性，都要对其进行反复的正交化，以避免算法的不收敛。针对这个问题，笔者主要研究了在Stiefel Manifold上的盲分离算法，该算法使分离矩阵不需要每一步都进行正交化。仿真表明，本文提出的新算法具有很好的稳定性。     

基于Fast－lCA算法的瞬时混合盲信号分离

本文介绍一种典型的独立成分分析算法,即Infonaax算法,详细介绍了Fast－ICA算法的基本原理,将该算法用于三路瞬时混合信号的盲分离,最后对算法的分离性能及优缺点进行了分析。     

基于二阶统计量的两步自适应盲分离算法

提出了一种新的两步自适应盲分离算法,利用代价函数的极值点特性分别获得混合信号和白化信号的特征向量矩阵,实现自适应盲分离过程．该算法避免了离线计算所采用的特征值分解等复杂运算,并且只利用信号的二阶统计量信息,计算工作量低．仿真结果表明,对含有附加噪声的盲混合信号具有良好的分离效果。     

基于代价函数的盲分离在线白化算法

针对盲信号分离的白化预处理过程，提出了一种基于代价函数的在线白化算法．该算法利用一类代价函数的极值点特性，采用递归计算的方式获得信号的白化矩阵．与传统的白化算法相比，本算法计算量低、利用样本少，因此可适用于信号的在线预白化处理．仿真试验表明，本算法收敛速度快，白化效果理想，为进一步的研究在线盲分离提供了良好的基础．     

自适应最优保存遗传算法在盲信号分离中的应用

独立分量分析方法(ICA)是信号处理的一种新技术。其基本目标是寻找线性变换矩阵，将观测的多维混合信号进行变换，变换后的输出信号各分量之间尽可能统计独立。将遗传算法与ICA相结合，提出基于GA的盲分离算法，并分析了它们的收敛性和稳态性能。其有效性为仿真结果所证实。     

一种非平稳卷积混合声音信号的盲分离算法

讨论一种非平稳卷积混合声音信号盲分离算法。该算法基于多时延解相关准则建立代价函数,用Frobenius范数最小化代价函数得分离矩阵。算法计算量低,适用于自适应在线运算,而且不要求时延相关矩阵是正定的。对非平稳卷积混合声音信号进行仿真实验,验证了算法的有效性。     

基于空间时频分析的循环平稳盲源分离

介绍了基于空间时频分布的循环平稳盲源分离方法,对空间时频分析中交叉项引起的分离能力下降的情况进行了分析,同时将降噪处理应用到算法中,能有效地降低交叉项和噪声的干扰,如选择更有效的时频点进行空间矩阵联合对角化,最终将未知混合信号分离。仿真结果表明,该算法具有较好的收敛性,分离效果明显。     

一种基于信息最大准则的盲源分离新算法

提出了一种基于信息最大准则的盲源分离新算法。新算法在当前时刻的系数更新时充分利用先前迭代过程的信息 ,并在每一步迭代时归一化权系数矩阵。仿真表明 ,新算法应用于盲图像信号分离时得到了很好的分离效果。     

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.     

互累积量迫零法信号源盲分离

利用高阶累积量进行信号源盲分离的已有算法都需要进行复杂的矩阵代数运算,且这类算法不具备所希望的等变特性,对于病态混合矩阵的盲分离问题可能无法求解,通过利用迭代算法迫使经过非线性函数变换的混合信号互累积量矩阵对角化的方法,提出了一种新的基于高阶累积量的具有等变特性的信号源盲分离算法,该算法所采用的累积量矩阵对角化方法不依赖于混合矩阵,也不需要对累积量矩阵进行代数变换,并且所使用的迭代算法不需要对任何变量求导,因此非常简单,易于实现;同时算法还具有对未经去除均值的混合信号直接进行分离的能力。