基于自适应粒子群优化的盲源分离

针对现有的盲源分离算法性能大多依赖于非线性函数的选取问题,提出了一种基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的盲源分离算法。该算法以分离信号的负熵为目标函数,根据分离信号的状态自适应地调整惯性因子,克服了收敛速度和信号恢复质量之间的矛盾。仿真实验表明,该算法的性能对源信号的概率密度性质没有依赖性,因而能很好地分离亚高斯和超高斯信号的混合信号,并且能有效地避免早熟收敛问题,具有较快的收敛速度,分离效果好。     

联合峭度和时序结构的胎儿心电提取

基于峭度范围的盲提取算法利用了胎儿心电信号的峭度特性提取信号,算法收敛较慢,提取效果一般.基于时序结构的盲提取算法,利用信号的时序特性提取心电信号,该算法对时延比较敏感.针对上述两种算法的特点,提出了一种新的联合峭度和时序结构的胎儿心电提取算法,计算机仿真和实际的胎儿心电试验表明了该算法相对基于峭度范围的盲提取算法具有更好的收敛速度和更好的提取效果,相对基于时序结构的盲提取算法对时延具有更强的健壮性.     

动态目标函数下的神经网络盲均衡仿真研究

盲均衡算法中常数模(CMA)和判决引导(DD)模式适时切换可以有效提高算法收敛速度和均衡性能,但是切换时机难以选择,同时在信道突发干扰条件下无法保证算法的稳健性.为此结合CMA和DD算法代价函数构造了一种动态目标函数,目标函数随着均衡算法迭代次数进行调整,以前馈神经网络(FNN)作为盲均衡器实现信道均衡,并以移动窗剩余误差变化率为判据对目标函数进行适时重置克服信道可能的突发干扰.计算机仿真表明了算法的有效性.     

基于正交小波变换的超指数迭代盲均衡器设计与仿真

针对常数模(Constant Modulus Algorithm,CMA)算法收敛速度曼、稳态误差大的特点,在分析超指数迭代(Super-Exponential Iterative,SEI)算法的基础上,结合正交小波变换理论,提出了基于正交小波变换的超指数迭代盲均衡器设计方法.该方法充分利用SEI算法对数据白化作用和正交小波变换良好的去相关性能,加快了收敛速度、减小了稳态误差.时变信道盲均衡仿真结果,验证了该方法的有效性.     

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。     

标准模型下基于身份的盲签名方案

由于随机预言模型实现过程存在安全缺陷,提出一种标准模型下基于身份的安全盲签名方案.方案中首先定义基于身份盲签名的安全模型;然后利用双线性对构建盲签名方案;最后,在标准模型下给出基于CDH假设的方案安全性证明.因此,在自适应选择消息和身份攻击下,该方案是安全的.     

二进制本原BCH码的参数盲识别

针对BCH码的盲识别问题,提出一种基于欧几里德算法的最大公因式的识别方法.首先,根据循环移位码字求取最大公因式,得到最大公因式的系数矩阵.然后,分析最大公因式的次数分布规律确定码长,由系数矩阵求出生成多项式.该识别方法简单易行,无繁杂的矩阵运算.理论分析及仿真实验表明,无误码时使用较小的数据量就可有效识别;误码率为10-2,数据量足够时,识别效果仍然较好.     

二次调制信号与PSK类信号的自动盲识别算法

研究了卫星通信中常用的二次调制信号和PSK类信号的自动盲识别算法。从信号时域和频域出发,提取了能反映调制方式差异的瞬时特征,并对这些特征进行了理论分析。在区分非恒包络信号时,引入了自相关处理,改进后瞬时幅度包络特征差异更加明显,在对二次调制信号进行识别时,引入了FM盲解调用于恢复内调制信号,内调制PSK信号的识别采用基于谱线特征的识别算法。最后通过计算机仿真验证了其识别性能,在信噪比不低于4 dB时,对信号集内的信号识别率达到90%以上。     

一种DCT域盲水印算法

提出了一种在数字图像上实现的盲水印算法,嵌入的水印是64×64×8 bit灰度图.该算法用宿主图像的8×8分块的DCT域低频对应系数,进行量化取余的方法嵌入水印.由于引入误差很小,嵌入水印后的宿主图像质量很高,保证了水印的透明性.经仿真检验该算法具有理想的鲁棒性.同时在水印提取时不需要原始图像,只需将对应系数量化取余,检验余数即可.     

一种盲分离技术在信息处理中的应用

从特征函数的角度将盲分离技术应用到图像的盲分离中去,提出对照函数为二次特征函数的四阶导数,采用特征函数的高阶导数的矩阵张量方法,通过正交对角化实现图像的瞬时盲分离,实验结果表明,盲分离后的信息在概率分布上与信源的概率分布具有相近的特征,表明此技术对于盲信息分离具有良好的分离效果,可以应用到信息盲分离中去。