基于相关熵的盲源分离算法

提出了基于相关熵的盲源分离算法。与传统独立成分分析(ICA)方法利用四阶统计量或时间结构的盲源分离不同,该算法从信息理论学习中的相关熵概念出发,利用相关熵中蕴涵的各偶数阶统计信息,通过参数化中心相关熵与独立性测度的关系,建立代价函数,并通过优化算法对其进行寻优,从而得到解混矩阵并分离出源信号。仿真结果表明,在分离超高斯混合源和次高斯混合源时,分离性能优于传统的ICA方法。     

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法 ,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求 ,在其他学者研究的基础上 ,基于前馈 -反馈型神经网络模型 ,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性     

基于FastICA算法的混合图像分离方法

简述了独立成分分析（ICA）的基本模型和原理,介绍了目前较为流行的基于负熵最大化定点迭代的ICA快速算法——FastICA算法。根据算法的原理在Matlab中编写了仿真程序,通过仿真实验验证了该算法在混合信号分离中的有效性。在此基础上,结合混合图像数据的特点,使之符合ICA基本模型,将FastICA算法应用到混合图像盲分离中,通过仿真实验获得了良好的分离效果．结果表明,该算法是一种行之有效的混合图像分离方法。     

用于宽带非平稳信源分离的一种盲波束算法

提出了一种用于分离宽带非平稳信源的盲波束算法。该算法以阵列旋转不变性为基础,利用宽带信源的非平稳特性,将传统的窄带盲波束算法扩展到频域执行;针对在扩展过程中可能出现的通道互换,利用相邻频点序列的互相关系数,对各频点的分离序列进行通道重排,以确保分离出的宽带信源在频域的一致性。该算法还消除了传统盲分离算法中普遍存在的幅度模糊问题,使得分离出的信号没有幅度失真。计算机仿真验证了算法的正确性和有效性。     

利用盲信号分离的自然梯度盲均衡算法

针对目前已有的基于盲信号分离的盲均衡算法没有利用传输信号本身的统计特性而存在的因为近似处理引起的误差的问题,该文提出一种基于盲信号分离的自然梯度盲均衡算法。该算法充分利用了信号星座图的先验知识,为解决多峰值引起的问题采用了多阶聚类的方法。这比仅仅基于盲信号分离的盲均衡算法更为精确,从而能得到更快的收敛速度和更低的码间干扰。     

偏亚高斯语音信号有效分离ICA方法研究

针对扩展Infomax语音分离算法仅只对无偏信号的概率密度分布进行建模的不足,提出了一种有效分离的有偏亚高斯信号ICA算法。通过修改扩展Informix算法所基于的Pearson混合模型,使修改后的模型既能较好地逼近对称的概率密度分布,又能逼近非对称的概率密度分布,从而在源信号是非对称分布的情况下,能获得更好的分离质量和较快的收敛速度。     

直接正交联合对角化盲分离算法

针对盲源分离问题,利用白化预处理后信号的二阶和高阶累积量矩阵具有正交联合对角化的结构性质,以及多个实对称矩阵具有相同特征向量即可同时正交对角化的实对称矩阵的特征分解的理论,提出一种基于部分累积量矩阵特征分解的直接正交联合对角化算法。该算法仅需要部分累积量矩阵信息,从而大大降低计算过程中的存储量和计算量。通过数值模拟,该算法和经典的JADE算法性能接近,可以有效地进行盲分离。     

基于优化阵形的宽带相控阵多目标测向算法

针对电子侦察中宽带接收机的多目标检测问题,提出了一种基于非均匀阵型的宽带相控阵频域多目标测向的新技术,该技术基于优化所得的阵形实现频域的单快拍多目标测向算法,首先采用FFT测得频率,通过门限进行目标检测,然后基于所测频率进行空间谱估计,最后分析了多个独立信号、部分相关和完全相干信号时所提算法的性能.仿真结果和性能分析验证了该算法的有效性和可行性.     

变学习速率在线ICA算法在雷达信号分选中的应用

已有的独立分量分析(ICA)雷达分选方法多采用FastICA算法,FastICA算法是一种离线批处理ICA算法,缺乏实时分选能力.文中将一种变学习速率的在线ICA算法应用到雷达分选中,克服了FastICA算法无法实现在线实时分选的缺点;同时,算法能根据相依性测度所反映的信号分离的状态自适应地调节学习速率,平衡了传统在线ICA算法收敛速度和稳态误差之间的矛盾,从而使得采用这种ICA算法的雷达信号分选方法具有收敛速度快,分离效果好的特点.仿真实验验证了分选方法的有效性.     

基于E-PASTd的盲扩频码序列估计算法

针对直接序列扩频信号的扩频码盲估计问题,改进了特征分解的方法,提出了一种基于压缩投影近似子空间跟踪的PN码恢复算法。该算法由两个主特征向量估计非同步延迟值,结合利用压缩投影近似子空间跟踪技术的快速收敛特性提取主分量,避免了对自相关矩阵的直接特征分解运算。计算机仿真表明该算法降低了数据的存储量,易于硬件实现,具有良好的收敛特性,性能优于已有的梯度算法和神经网络算法。     

权值反馈的多干扰频域自适应滤波

针对多个不等强度的大功率窄带干扰,提出了一种权值反馈的频域自适应滤波算法。其优点是利用权值反馈不仅在权值迭代过程中实时调整更新步长,实现算法的快速收敛,同时达到有效地抑制多个强干扰的目的,使输出信号的平均功率更接近于扩频信号功率,改善了DSSS系统的性能。同时将算法的数学推导和分析与无权值反馈自适应滤波算法进行了比较,仿真结果验证了该算法在加快收敛速度以及改善系统性能方面的有效性。     

采用二阶特征窗的语音盲分离方法

利用语音信号的短时平稳特性,提出了一种二阶特征窗语音盲分离方法。该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响;用长度等于语音信号基音周期的等距特征窗连续分割预白化观测数据,在每个加窗的数据帧计算不同的时滞协方差矩阵。利用联合近似对角化时滞协方差矩阵集合得到旋转参数,最终达到语音信号的盲分离。该方法消除了有色噪声的影响,只需用到二阶信息就能很好地分离语音信号。仿真实验验证了该方法的有效性。     

应用Khatri-Rao积分解的DS-CDMA盲多用户检测

对多用户直接序列码分多址(DS-CDMA)系统的多用户检测进行了研究,提出了一种基于Khatri-Rao积分解和连续干扰抵消的KRPSIC盲多用户检测算法。该算法充分利用DS-CDMA系统接收信号所具有的Khatri-Rao积结构性质,在用户扩频码、信道衰落系数均未知的情况下实现多用户检测,证明了算法的可辨识性和单调收敛性。仿真结果表明KRPSIC算法的误码率性能接近非盲的迫零算法,其作为一种非浅性迭代算法,在多用户检测的过程中对迭代初值的选取不敏感,当使用随机值初始化时算法依然有效。     

基于Gabor变换和EMD的轴承故障诊断

基于振动信号处理的轴承故障诊断方法应用非常广泛。由于在实际采集的振动信号中往往混合着干扰信号,因此提出了一种基于Gabor变换的盲源分离和基于经验模态分解(EMD)的Hilbert包络谱分析相结合的故障诊断方法。首先采用基于Gabor变换的盲源分离方法对振动信号进行盲源分离,然后利用EMD方法进行分解获得本征模式函数(IMF)分量,再通过局部细化Hilbert包络谱方法分析判断轴承故障的特征。研究结果表明,通过对轴承振动信号进行盲源分离和EMD分解,可以使信号的故障特征更加明显,从而提高故障诊断的准确性。     

改进的大斜视角SAR阶梯变换算法

针对大斜视角下合成孔径雷达信号时域距离校正后的特点,提出了改进的阶梯变换算法,在各个子孔径分别采用不同调频斜率的参考信号进行去斜处理,解决了信号多普勒调频斜率随方位时间变化的问题;通过频域插值准确挑选粗分辨傅里叶输出数据,克服了原有阶梯变换算法对参数匹配的严格限制。实验结果表明:该算法在大斜视情况下是有效的。     

换热管弹性结构振动传递函数的建立

为了解决换热管振动的建模问题,提出了一种基于有限元分析的弹性振动传递函数建模方法。首先建立能准确 反映换热管动力学特性的有限元模型,然后根据输入参数和辨识算法类型的不同,分别从时域和频域进行传递函数建 模,其中时域辨识建模以PRBS信号的瞬态响应结果为辨识数据进行时域参数辨识,频域辨识建模以换热管的频响函数 为辨识数据进行频域参数辨识。将有限元分析结果与时域和频域内传递函数计算结果进行对比,发现误差较小。该方 法具有可行性和有效性。     

基于VMD-FastICA的齿轮箱故障诊断

针对齿轮箱故障信号微弱且易受周围噪声影响的问题,提出了一种基于变分模态分解(VMD)的独立分量(ICA)算法。该方法首先将采集的信号进行MCKD降噪,将降噪后的信号利用VMD算法分解为多个不同的本征模态分量(IMF),然后依据快速谱峭度图和相关系数选取有效的IMF分量进行重构信号,对于重构信号利用FastICA再次进行降噪处理,根据FastICA降噪后得到的故障特征分量,可以有效地识别故障。结果表明:该方法可以更清晰、准确地提取出故障特征频率和找出故障发生的位置。     

传感器个数及距离对盲分离影响的分析

在使用盲分离技术进行信号处理时,分离高频信号和低频信号对传感器分布的要求是不同的,而传统的方法在处理高低频混合信号时采用了统一的模式,得不到很好的分离效果。为了在采用盲分离技术进行高低频混合信号处理时能得到更好的效果,文章对传感器个数和距离对盲信号分离的影响进行了深入的分析,并提出了一种能有效处理高频和低频混合信号的模型——分离子系统模型。该模型可以根据频段对传感器距离进行调整,分别对高、低频混合信号进行分离。通过实验证明分离效果更好。     

基于ICA对价值链与企业家心智的关联研究

文章在分析影响价值链的企业家心智因素过程中引入了ICA理论,对应用ICA理论进行企业家心智因素的提取进行了可行性分析.在实证研究中通过基于ICA理论的FastICA算法从一组观测数据中分离出了影响价值链波动的主要因素,经分析,企业家的认知结构对价值链的影响比较显著.该方法用于筛选企业家心智因素是可行的,为ICA理论用于价值链管理和优化提供了理论参考.     

Alpha稳定分布噪声背景下MPSK信号参数估计

针对基于二阶循环统计量的参数估计算法在Alpha稳定分布噪声中严重退化的问题,提出了一种基于分数低阶循环谱的多进制相移键控(m-ary phase shift keying,MPSK)信号参数估计算法.研究了MPSK信号的分数低阶循环谱,对于不同M值下的相移键控(phase shift keying,PsK)信号,分析了其参数(载波频率和码元速率)和相应分数低阶循环谱中参数(频率和循环频率)的关系,在此基础上给出了适合所有PSK信号的载波频率和码元速率估计算法.实验结果表明,在Alpha稳定分布噪声背景下,基于分数低阶循环谱的算法明显优于基于二阶循环谱的算法,高斯噪声背景下两种算法性能相当.