基于信息理论准则的盲源分离方法

根据统计独立的假设,利用概率密度函数的Ｅｄｇｅｗｏｒｔｈ展开,得出了基于互信息最小化的目标函数,该函数具有明确的物理意义,它的最小化可以使输出相互独立,仿真实验结果表明所提出的方法可较好地用于盲源分离问题。     

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.     

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...     

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.     

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.     

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KPCA及最佳鉴别独立分量的人脸识别方法

首先分析了独立分量分析(ICA)在人脸识别应用中存在的一些问题,然后从3个方面对基于独立分量分析的人脸识别方法进行了改进:首先利用KPCA将人脸映射到特征空间,在特征空间进行ICA得到相对于原样本的非线性独立分量,从而得到一种非线性独立分量分析的方法;其次,定义了Fisher鉴别信息作为选取最佳鉴别独立分量的准则;最后,提出了一种用最佳独立分量表示待识别人脸图像的方法,克服了用直接投影得到的特征不准确的问题.基于ORL人脸数据库的实验表明,利用此改进的非线性最佳鉴别ICA方法,可以得到优于FLDA方法的识别性能,且在特征数较少时仍能得到较好的识别稳定性.     

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.     

MIMO信号调制方式盲识别

提出一种基于盲信号分离的方法对MIMO信号进行调制识别. 该方法对接收信号的相关矩阵作奇异值分解,用于估算发射天线数目,并对信号进行白化. 采用特征值矩阵的联合近似对角化(joint approximate diagonalisation of eigen-matrices, JADE)算法对接收信号进行分离,恢复发送端信号. 通过分析信号的频谱特征,提出4 个新的特征参数,并结合四阶累积量实现对MIMO体制下6 种信号调制方式的识别. 识别过程中无需估计载波频率和符号率等参数,具有较强的实用性. 仿真结果表明文中提出的方法具有良好的性能.     

利用粒子滤波与支持向量机的数字混合信号单通道盲分离

针对基于粒子滤波盲分离算法运算复杂度高的问题,将支持向量机理论引入到粒子滤波算法中,提出一种数字调制混合信号单通道盲分离算法. 确定了算法中粒子权值更新方法,并给出了参数与符号序列的后验概率密度估计. 从后验概率密度估计的统计特性和运算复杂度两个方面详细分析了算法的性能,并从理论上证明该文给出的后验概率密度估计能很好地逼近真实后验概率密度. 理论分析与仿真结果均表明,与基于粒子滤波的盲分离算法相比,算法在误码率性能相当的情况下,有效缩短了运算时间.     

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.     

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.