含噪混合盲扰信分离中联合降噪技术研究

针对盲扰信分离技术在含噪混合条件下分离效果差的问题,文章采用经验模态分解和小波变换联合的降噪技术进行分离前的消噪预处理,研究了联合降噪的三种模式,分别对其降噪效果进行了仿真分析,得到了一种较好的联合降噪模式。将该模式与无噪环境下的盲分离算法相结合,弥补了经典盲源分离算法处理含噪混合盲扰信分离的不足。仿真结果表明该算法在一定范围的低信噪比条件下,能够从含噪的混合信号中恢复出通信信号源。     

基于奇异谱分析的盲源分离单通道语音增强算法研究

针对盲源分离算法无法直接对单路含噪语音信号进行分离的问题,提出一种基于奇异谱分析的盲源分离单通道语音增强算法.通过对单路含噪语音信号进行奇异谱分析,将其低频分量作为第二路观测信号,利用改进的最大信噪比盲源分离算法进行处理,从而实现语音信号和噪声的分离.实验结果表明,该算法能够有效抑制噪声,提高信噪比,起到良好的语音增强效果.     

飞机涡扇发动机振动源信号数目的确定及盲分离

目前使用的大多数盲源分离方法都依赖于观测传感器数量等于信号源数目这样一个基本假设.主要针对传感器数量大于源信号数量情况,对涡扇发动机振动信号盲源分离问题进行研究,先后采用三种算法进行试验,结果证明了奇异值降维方法和基于四阶累积量的源数估计方法的可行性和可靠性.     

基于时频滤波与EMD分解的单通道发动机振动信号盲源分离

由于传统盲源分离方法要求传感器观测信号数目不小于源信号数目,且在源信号平稳及相互独立的前提下,才能得到较为准确的分离信号,但在实际应用中,这些条件不易满足．针对发动机振动信号,提出一种基于时频滤波与EMD分解的单通道信号盲源分离方法,消除非平稳噪声的干扰,将通过EMD分解得到的本征模态分量作为虚拟的观测信号,并利用FastICA算法实现信号盲源分离．     

基于微分进化算法的盲源分离

将微分进化算法的优点引入到盲源分离中,提出了基于微分进化的盲源分离算法。该算法以混合信号的峰度为代价函数,采用独立分量分析的方法对瞬时混合的信号进行盲分离。盲源分离中常用的自然梯度算法是一种局部寻优算法且收敛速度较慢,而微分进化算法是一种全局寻优算法且具有并行性、易实现等优点。分别用无噪仿真信号和有噪仿真信号对提出的算法进行仿真实验,比较了基于微分进化算法的盲源分离、基于粒子群优化算法的盲源分离和基于自然梯度算法的盲源分离的分离结果。结果表明:基于微分进化的盲分离算法收敛速度快,分离效果也比较好。     

基于最优分离矩阵循环迭代的盲源分离次序调整算法

文章针对盲源分离中输出信号帧与帧之间信号衔接顺序的不确定性问题,提出了最优分离矩阵循环迭代算法,将每帧信号分离时目标函数寻优所得分离矩阵作为下一帧循环的初始化矩阵进行迭代来分离信号。理论分析与计算机仿真表明:该算法能有效解决盲分离中信号次序的不确定性问题,具有较强的实际应用价值。     

基于JADE盲源分离算法的雷达信号研究

盲源信号分离技术在雷达抗干扰领域得到了广泛的关注和应用研究,所以对经过盲源分离的雷达信号的研究是至关重要的。分析了经过盲源分离的雷达信号存在幅度、相位的不确定性,并通过仿真分析得出了信噪比对盲源分离的影响。仿真结果表明,在信噪比满足一定的条件下,盲源分离能从强压制干扰中将信号分离。     

基于负熵最大的FastICA语音信号分离算法

语音信号分离是现代信号处理的热点问题,针对未知信号源个数的情况,提出一种基于负熵最大的FastICA(Fast Independent Component Algorithm)语音信号盲分离算法,有效解决了源信号数目估计、语音信号分离及复原等问题。改进的算法增加了源信号数目估计环节,放宽了算法适用条件,即在源信号数目未知的情况下,也能够实现信号盲分离功能。并将其成功应用于运用信号分选过程中,最终复原语音时域波形,完成信号分选任务。仿真实验中,详细讨论了该方法在不同信噪比以及不同源信号数目情况下的分选能力,证明了方法的有效性和优越性。     

改进鸽群算法的复杂信号盲源分离

由各类侦察、干扰、探测、通信信号构成的复杂信号盲源分离是侦干探通一体化系统接收信号处理的第一步,对盲源分离准确度要求更高。传统独立成分分析的盲源分离方法,存在容易求得局部最优解、分离性能较差等缺陷。针对这些问题,提出了一种改进鸽群算法的复杂信号盲源分离方法,通过在鸽群算法的地图和指南针算子中添加位置因子,以及在地标算子中添加压缩因子2种方式,平衡了算法前期全局探索能力以及后期局部搜索准确度,解决了易陷入局部最优以及早熟收敛的问题,提升了算法的寻优能力,同时该算法在收敛速度上也有所提升。仿真实验结果表明,该算法在低噪声和高噪声情况下均能较好地分离出复杂信号,对比传统独立成分分析的方法,具有更好的分离性能和收敛速度。     

A Fast Algorithm for Blind Sparse Source Separation

提出一种快速的稀疏信号重构算法,通过定义一个连续可微函数近似l0范数,采用最小化l0范数的方法实现对稀疏源信号的估计.该算法的特点是实现简单,速度快.采用人工生成的信号将算法与通过l1范数最小化的快速稀疏信号重构算法和OMP算法进行了比较.最后,将该算法用于实际信号的欠定盲源分离.仿真实验表明,算法在保证信号分离性能的前提下大幅度提高了算法的运行速度.