Underdetermined DOA estimation and blind separation of non-disjoint sources in time-frequency domain based on sparse representation method

This paper deals with the blind separation of nonstation-ary sources and direction-of-arrival （DOA） estimation in the under-determined case, when there are more sources than sensors. We assume the sources to be time-frequency （TF） disjoint to a certain extent. In particular, the number of sources presented at any TF neighborhood is strictly less than that of sensors. We can identify the real number of active sources and achieve separation in any TF neighborhood by the sparse representation method. Compared with the subspace-based algorithm under the same sparseness assumption, which suffers from the extra noise effect since it can-not estimate the true number of active sources, the proposed algorithm can estimate the number of active sources and their cor-responding TF values in any TF neighborhood simultaneously. An-other contribution of this paper is a new estimation procedure for the DOA of sources in the underdetermined case, which combines the TF sparseness of sources and the clustering technique. Sim-ulation results demonstrate the validity and high performance of the proposed algorithm in both blind source separation （BSS） and DOA estimation.     

一种基于LSB的鲁棒音频水印算法

针对传统最低有效位水印算法鲁棒性差的特点,提出一种改进的新算法。用一维Logistic变换对秘密水印信息进行置乱预处理,使水印信息变成乱码;对公开的载体语音进行离散小波变换;采用一种新颖的LSB嵌入方案,以不同的分辨率将秘密信息嵌入到选定的小波系数中。提取水印信息时不需要原始音频,是一种盲提取算法。实验结果表明该算法的容量较大,并且在受到重采样、裁剪等攻击时具有良好的鲁棒性。     

基于深度残差回归网络和图像块预置信度的盲图像质量评价研究

互联网技术的发展使得信息载体形式逐渐多元丰富,其中图像作为重要的信息载体形式能有效实现信息的交流与传达.但当前多数图像质量评价场景均为盲图像,其图像特征的提取精度以及与人类视觉系统的拟合程度依然是重要的研究内容.故该文基于原盲图像提取过程中受核函数受限问题而造成的低精度问题,通过引入深度残差回归网络和图像置信度,并借助图像子块的划分、非均匀步长的引入以及基于亮度和对比度的置信区间设置来获得图像的预测质量分数.结果表明,该盲图像质量评价算法具有较好的泛化性能,且在不同尺寸划分下的失真图像预测结果中均有超过3%的分数提升效果. SROCC值和PLCC值均在0.9以上,RMSE值均低于其他算法,主客观评价质量具有较高的一致性.该方法能有效为符合人眼观测的盲图像预测质量评价提供新的手段,拓宽其评价工作深度.     

基于扩频技术的图像盲水印

在分析数字水印和扩频通信联系的基础上,提出了一种基于扩频技术的盲水印方法．该方法使用宿主图像的两块DCT变换系数块中嵌入一位水印信息,通过量化使它们呈现足够大的统计差别,从而使水印检测时能提取水印信息．实验结果表明：该方法水印有较好的不可视性和鲁棒性,检测水印的虚警概率很低．     

一种软判决下的本原BCH码盲识别方法

为解决现有BCH码识别方法容错性较差的问题,提出了一种软判决下的本原BCH码盲识别(SDBR)方法。首先,将截获数据进行解调软判决得到比特序列和对应可靠性信息,然后对比特序列进行码字划分,再由软判决可靠性信息建立码根可靠性系数,以此计算不同码根出现的概率,并引入Kullback-Leibler散度来确定码长;其次,定义公共码根可靠性统计量并建立二元假设检验,在不同本原多项式下对公共码根进行判定;最后,利用公共码根连续分布特点识别本原多项式,进而由所有公共码根计算生成多项式。仿真结果表明:SDBR方法在信噪比大于7dB时能有效对常用本原BCH码进行识别;与基于码根信息差熵的方法相比,容错性提升了1.8dB。     

利用航空发动机信号特征的振动源盲分离算法

针对航空发动机机匣观测信号为多个振动源的混合信号的问题,提出了一种基于航空发动机振动信号特征的盲分离算法,能够从混合的观测信号中确定振动源的个数以及提取发动机内部各个振动源的振动信息。算法的核心是基于航空发动机等旋转机械转轴故障振动信号的频谱特点,其故障信号的振动谱一般包含基频、谐波成分和次谐波成分,如不对中、碰磨、裂纹等。算法用到的主要工具是连续小波变换和时间同步平稳法,主要步骤为:首先通过连续小波变换将航空发动机不同观测通道上的观测信号分解,根据谱峰值分析确定主要振动源及对应的基频;然后通过时间同步平稳法,分别从每个观测通道上提取各个振动源的谐波和次谐波成分,从每个观测通道上提取出了源信号;对于同一源信号,从每个观测通道上都能提取出一个基本映像,最后通过对比每个映像信号的二范数,确定每个源信号的最优估计。通过数值模拟信号和实测航空发动机加速度振动信号对算法进行了验证,结果表明,在对发动机转速有一定先验知识的情况下,所提算法能够估计出发动机内部的主要振动源的个数,并能提取源信号的主要成分。结合旋转机械振动频谱特点等先验知识,说明了所提算法的正确性和实用性。     

基于优化得分函数差分的频域盲解卷积算法

基于完全互信息梯度表达式及得分函数差分的性质,提出一种在线频域盲解卷积块算法.本算法依赖于系统输出分布的优化多元得分函数,对源信号分布类型不作要求,为了避免幅值不确定引起算法收敛到平凡解,在算法的相对梯度中加入了单位方差约束;利用得分函数差分的性质,去除期望为零的矩阵元素,以保证相对梯度的正确方向.通过仿真比较,说明了该算法收敛速度快、分离效果较好且较稳定.在对观测信号进行预处理后该算法可用于语音源信号的盲解卷积.     

基于ICA算法的卫星TT&C信号的一种新的盲识别算法

在现代通信对抗中,由于电磁环境特别复杂及信号调制方式的多样性,要知道所发射信号的先验知识几乎不可能,这给通信对抗带来极大的困难.为了解决在复杂多信号情况下的这个难题,提出了一种新的盲识别技术,该技术使用独立分量分析(ICA)算法来盲识别原始信号且对所得的结果进行下一步的分别处理.首先介绍了ICA的基本原理:它使用差分负平均信息量的最大化逼近.基于此,ICA的一个目标函数和一种快速的ICA算法在本文中被提出.在深入分析该快速ICA算法的基础上,将其应用于卫星TT&C信号的盲识别上.仿真结果表明:在没有任何先验知识(例如:载波频率,信号带宽和调制方式)的情况下,原始的信号可以被很好地分离出来.这为下面步骤的信号处理建立了一定的基础,比如信号分析和识别,解调信号及证明其收敛和鲁棒性等.     

一种基于DSA体制的盲签名方案

盲签名是一种特殊的数字签名,由于它的特殊性(盲性;不可跟踪性),使得盲签名广泛应用于数字现金电子选举,智能卡等领域.研究现有的盲签名方案,指出了现有的盲签名方案所基于的4种困难性问题;在DSA方案的基础上,通过有向因子的引入,设计了一个合理的安全的基于DSA体制的盲签名方案.从而在真正意义上实现了电子交易中的匿名特性,必将有利于推动电子商务的发展.     

基于盲签名的电子选举方案的改进

在分析Sensus电子投票系统的基础上,针对该系统的不足之处提出了相关的改进意见,并改进设计一个可用于互联网大规模投票的电子选举方案,该方案采用了阈值、盲签名、验证序列号等思想,使得本协议方案在保持了原有方案的各种优点的同时,增强了电子投票系统的安全性和公正性,并具有较高的效率,是一个实用的电子投票方案。