盲源分离技术在水声信号中的应用研究

通过研究α稳定分布,提出海洋噪声、舰船辐射噪声等符合低阶α稳定分布,在进行对称α稳定分布且独立的随机源信号进行盲分离处理时,若仍然采用高斯分布将不收敛。本文设计了分数低阶矩阵盲源分离算法,最后通过实验对比本文所设计算法和时延分离算法。实验结果表明:本文所设计的算法对于α稳定分布且有独立的随机信号,具有较好的收敛性,能够有效实现盲源信号分离。通过从复杂的海洋噪声中仍能较好地提取出船舱辐射噪声的实验,说明即使信噪比发生变化,源信号分离后相似系数较分离前仍然有稳定地提高。     

基于训练序列的盲分离算法性能分析

信息最大化(Infomax)盲分离算法是一种基于神经网络的自适应算法,其主要问题是收敛速度较慢.盲分离技术(BSS)在通信中使用时有助于提高接收信噪比,提出通过一种利用通信信号的训练序列来改善Infomax算法的收敛性能的方法,并分别以相关系数和性能指数作为比较标准进行仿真,结果显示该方法能改善接收信号的信噪比,加快Infomax盲分离算法的收敛速度.     

基于分离度的步长自适应EASI算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制EASI算法中的步长因子,从而提出了一种基于分离状态的步长自适应EASI盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其它固定步长或变步长的EASI算法。     

一种基于自然梯度的循环平稳信号盲分离方法及其应用

建立瞬时混合模型下的代价函数,通过改进自然梯度算法的迭代极小化代价函数以恢复源信号。仿真分析证明该算法的有效性,与传统的ICA算法相比有更好的效果和收敛速度;滚动轴承故障实例分析证明,该算法能有效分离内圈故障信号。     

基于分离度梯度的步长自适应自然梯度算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制自然梯度算法中的步长因子,从而首次提出了一种基于分离状态的步长自适应自然梯度盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其他固定步长或变步长的自然梯度算法。     

浅海领域多天线阵列信号盲分离技术

浅海水声环境非常复杂,包含了各种各样的大量噪声干扰。根据水声检测器监测到的信号会被这些隐藏的异常信号干扰进而影响传输,同时也给有效信号的获取造成困难。盲分离技术可以模仿人的认知能力,通过不断迭代有效选择所关注的信号,被认为是解决该问题的有效途径。本文采用一种慢特性分析方法来解决浅海环境下非线性盲源分离问题,仿真实验的结果也进一步验证了本文方法的有效性,加快了收敛时间,提高效率。     

短时傅里叶变换在船舶欠定稀疏源信号盲分离中的应用

信号采集和信号处理对船舶等海上作业平台具有非常重要的意义,在船舶综合导航、通信和货物运输等方面有广泛应用。随着工业技术水平的提高,对于复杂噪声信号和稀疏源信号的处理得到了长足发展。本文基于短时傅里叶变换,系统分析船舶欠定稀疏源信号的盲分离过程,并对该欠定信号盲分离的优化算法进行研究。     

一种基于非负矩阵分解的改进FastICA盲源分离方法

针对语音信号线性瞬时混合模型的盲源分离求解问题,提出一种结合非负矩阵分解和负熵最大化的快速不动点迭代算法,结合语音信号的短时平稳性,在预加重、分帧加窗处理的基础上,通过短时傅立叶变换得到频谱,实现语音信号的时频转换,并将幅度谱作为非负矩阵分解算法的输入矩阵,从而得到源混合信号的估计矩阵,然后利用改进的快速不动点独立分量分析算法实现信号分离.仿真结果表明,与传统的基于负熵的快速独立分量分析方法相比,该方法在运行速率方面得到了优化,从而验证了该算法的有效性.     

基于盲分离的柴油机轴系扭振信号分离研究

柴油机瞬时转速信号来自不同激励源,激励源信号的频率成分受气动力、往复惯性力和离心力等影响,并且相互重叠。干扰成分的频谱组成非常复杂,主要分为随机噪声谱,独立线谱等。文中应用盲源分离信号处理技术对瞬时转速数据进行分离与仿真研究,实现均值处理、白化处理和分离前滤波等预处理方法,建立滤波预处理与盲源分离相结合的时延分离模型。并用仿真和实验进行了算法验证。     

单通道混合信号粒子滤波盲分离算法的快速实现

粒子滤波可以处理非线性非高斯问题,可以应用于混合信号的盲分离中,是一种有效的盲分离算法。但是粒子滤波算法存在一个很大的缺陷,其复杂度太大,为了减少粒子滤波运算时间、提高运算效率,通过对粒子滤波实现过程中的符号向量进行前置扩维,从而改进了粒子滤波实现方法。仿真结果表明：改进后的算法在运算速度上相比之前有了比较明显的提升。