基于实数编码遗传算法的盲信源分离方法

提出了一种新的基于相关矩阵对角化的代价函数,该代价函数通过抑制分离信号的互相关性达到盲信源分离的目的。这种分离新方法可用于分离平稳或非平稳信号的瞬时或卷积混合。针对传统梯度搜索方法容易陷入局部收敛的问题,文章还提出利用实数编码遗传算法对代价函数进行最优化搜索。仿真实验表明,这种遗传算法具有快速收敛性能和高精确度等优点。     

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。     

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     

对称三对角矩阵的逆特征问题

本文给出了文[1]中提出的问题A存在唯一解的充要条件和存在解的充分条件;并提出了问题B,给出了问题B存在唯一解的充要条件和存在解的充分条件。     

对称三对角矩阵的特征值

利用n阶对称三对角矩阵B划去第k行．第k列后所得到的矩阵特征值，给出了对称三对角矩阵每个特征值的范围，这样可以很容易地求出矩阵B的特征值．     

矩阵次对角化的进一步讨论

本文根据矩阵特征根的属性给出了矩阵可次对角化的一个简明判定定理，并且给出了一类整数矩阵有理次对角化的方法。     

基于EEMD和单通道盲源分离的齿轮箱复合故障诊断研究

针对齿轮箱复合故障诊断中,多级传动相互干扰,微弱的轴承故障会被强烈的齿轮故障和噪声湮没而难以提取的问题,提出了基于EEMD和单通道盲源分离的齿轮箱复合故障诊断方法。首先利用单个加速度传感器采集齿轮箱振动信号,对采集的信号进行EEMD分解,根据峭度准则和相关系数重构IMF分量;然后应用盲源分离方法对重构的IMF分量进行求解,对分离的信号进行包络解调分析,确定出齿轮故障通道,轴承故障通道和噪声通道;最后对齿轮故障通道进行傅里叶变换,轴承故障通道进行基于谱峭度的共振解调分析,提取出信号的特征频率,完成齿轮箱的复合故障诊断。通过实验验证了该方法的有效性和可行性。     

线性变换可对角化条件的一个新证明

文章推广了文献[1]中的一个已知结论，利用此推广的结论和其他条件，给出了线性变化可对角化条件的一个新证明。     

关于反循环矩阵和矩阵对角化

讨论了含反循环矩阵的相似类 ,指出它们可以被对角化 ,并且反循环矩阵一定与循环矩阵相似     

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。     

部分W-分离正交语音信号的盲分离方法

在W-分离正交性假设的语音盲分离方法中,由于没有考虑多个源信号同时存在的情况,导致分离信号中不可避免地存在音乐噪声。针对这种部分W-分离正交情况,提出了基于信道估计的语音盲分离方法。该方法先检测只有一个源信号存在的时频点并进行归一化处理,使得处理后的结果与频率无关,克服了W-分离正交性假设的不足以及频率置换问题,通过K-means聚类估计出信道,再结合信号子空间方法重构源信号。仿真结果表明,提出的方法可以有效减少分离语音中的音乐噪声,与典型的时频二元掩蔽方法相比,其平均信号失真比提高3.02dB,同时平均信干比提高4.61dB。     

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。     

非线性耦合谐振子模型的一种对角化解法

利用Wegner流方程方法研究非线性谐振子和非线性耦合谐振子系统。对非线性谐振子系统，计算出系统参数随流参数变化的一组方程及系统的能级；对耦合的非线性谐振子系统，得出系统参数随流参数变化的一组非线性方程，数值分析对角化了系统。     

噪声对复值ICA算法盲源分离性能影响

语音信号进行短时傅立叶变换后,所得频域分量是复值数据。因此,频域盲分离算法需要在复数域中实现。理论上,复值ICA算法只是实值ICA算法的一种扩展,但在针对实测信号数据进行处理时,不同类型的复值ICA算法在盲分离性能方面都存在较大的差别。针对这一具体问题,利用合理的评价标准,对基于高阶统计量(HOS)的Jade算法、基于极大非高斯性盲分离方法的峭度极大不动点算法和基于信息论的infomax算法,比较不同环境下的抗噪性能和分离性能,给出了有一定参考价值和实际意义的结论。     

实对称方阵的同时合同简化型与对角化

给出一半正定对称阵Ａ与一对称阵Ｂ 的同时合同简化型，并给出较之两半正定对称阵更弱的条件，证明了两矩阵可同时合同对角化，从而在实数域上改进了已有文献的相应结果．     

基于无监督学习的盲信号源分离技术研究

以独立分量分析为主要对象, 描述了盲信号源分离技术的基本模型,介绍了盲分离的主要方法和数学原理, 分析了盲信号源的可辨识性。提出基于神经网络无监督学习的盲分离方法,并改进了分离效果评判指标。在生物信息处理的背景下将人工神经网络和信息理论相结合,解决了盲信号源分离,自适应地求得分离矩阵,且可以同时分离具有正峭度和负峭度的信号源,对盲信号源分离的研究有极大的促进作用。     

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。     

线性预测盲源提取算法应用于阵列雷达的分析

通过深入分析阵列雷达的杂波/干扰抑制问题,提出应用基于线性预测的有噪盲源提取算法来提取阵列雷达的回波信号,实现杂波/干扰的同时抑制,最终提高阵列雷达的目标探测能力。在建立逼真的阵列雷达接收信号模型的基础上,通过仿真分析了该算法提取阵列雷达回波的能力和改善阵列雷达的目标探测能力。结果表明,该算法提取雷达回波信号的效果理想,平均相关系数大于0.93;当运动目标的归一化多谱勒频率大于±0.1Hz时,阵列雷达的检测概率接近1,验证了该算法的可行性和有效性。