广义高斯混合模型的自适应盲信号分离

针对传统盲信号分离算法中信号概率密度函数计算速度慢、计算效果一般等问题,提出一种广义高斯混合模型的自适应盲信号分离算法。该算法根据信号拖尾特性的不同,自适应地选取t分布与广义高斯模型,分别估计重拖尾信号和轻拖尾信号的概率密度函数,通过建立峭度和形状因子的查找表得到不同信号评价函数的估计值,并对亚高斯信号和超高斯信号的混合信号进行有效分离。实验结果表明,该算法能对传统算法难以分离的重拖尾与轻拖尾混合信号进行快速有效的分离,具有较好的分离效果。

基于信息理论准则的盲源分离方法

根据统计独立的假设，利用概率密度函数的Ｅｄｇｅｗｏｒｔｈ展开，得出了基于互信息最小化的目标函数．该函数具有明确的物理意义，它的最小化可以使输出相互独立．仿真实验结果表明所提出的方法可较好地用于盲源分离问题．

基于信息理论的舰船噪声盲分离算法

目前水声信号处理方法大多基于信号和环境的特定统计假设 ,使用限制较大。当模型假设不成立时 ,会严重影响信号处理效果。本文导出了基于信息理论的舰船噪声盲分离算法。该算法利用当信号相互独立时的信息理论特性 (互信息量最小或熵最大 )作为分离准则 ,逐步学习确定分离矩阵。算法无需输入信号和混合矩阵的任何先验知识 ,实验仿真证明了算法的有效性。

卷积混叠信号的最小互信息量盲分离算法

本文提出了一种卷积混叠信号的盲分离算法。该算法利用当信号相互独立时互信息量最小的特性作为分离准则，应用随机梯度算法确定分离滤波器的系数，文中给出了详细的理论推导。理论分析及实验仿真证明了算法的有效性。

相关机械振源的盲源分离方法

相关源不满足独立分量分析关于源的统计独立性假设,标准的独立分量分析方法无法准确分离相关机械振源信号。在相关振源信号的部分频带满足统计独立的假设前提下,提出了一种基于小波包分解的相关机械源盲源分离方法。该方法将观测信号用小波包分解成子带观测信号,根据互信息标准选择相关性较小的若干子带观测信号重构观测信号。通过重构的观测信号的独立分量分析估计分离矩阵,然后用该矩阵分离原始观测信号从而实现相关机械振源信号的分离。仿真试验验证了该方法的有效性。

基于信息典型相关分析的盲源分离算法

针对盲源分离问题,将互信息理论与典型相关分析理论相结合,提出了一种基于信息典型相关分析的盲源分离算法.该算法首先利用模式搜索法求解,得到混合信号向量的线性组合与混合信号向量延迟的线性组合之间互信息最大的信息典型向量,互信息计算中的概率密度函数由高斯核密度估计.然后,将信息典型向量依次与接收的混合信号数据阵相乘,完成对源信号的逐一抽取和分离.仿真实验结果表明,该算法不仅能有效分离包含超高斯信号成分的混合信号和包含亚高斯信号成分的混合信号,还能分离同时包含这2种成分的混合信号以及病态混合信号.

基于互信息最小的非线性混合胎儿心电信号提取方法

胎儿心电信号提取具有重要的临床意义。目前大多数胎儿心电信号提取方法是基于线性瞬时混合模型,使用多路信号实现.本文基于更符合实际情况的非线性混合模型,使用两路心电信号,提出一种新颖的从母体腹部混合信号中提取胎儿心电信号方法。首先,在假定母体和胎儿两个心电信号相互独立的基础上,基于互信息最小原则,提出一种新的目标函数;然后,利用多层感知机拟合母体心电信号传导至腹部所经历的非线性变换,从而得到母体腹部混合信号中母体心电成分的最优估计;最后,从母体腹部混合信号中减去母体心电信号的最优估计,实现胎儿心电信号的成功提取。实验结果验证了该方法的正确性和有效性。

非线性盲源分离的原理及算法综述

本文主要阐述了非线性盲源分离(BSS)/独立成分分析(ICA)模型的基本数学原理、分离算法、算法性能及其应用。首先对线性和非线性BSS/ICA的数学模型作了介绍,重点介绍了非线性BSS/ICA解的不确定性,然后在此基础上对近十年来出现的各种非线性BSS/ICA算法进行简单综述,着重分析了一类可解且应用比较广泛的非线性BSS/ICA模型-后非线性BSS/ICA模型及其分离算法。最后对非线性BSS/ICA存在的问题和发展趋势进行了总结。

基于旋转变换的最小互信息量盲分离算法

一种新的实时线性混叠信号盲分离算法在本文提出 .该算法先采取白化混叠信号将混叠矩阵转换为正交矩阵 ,然后基于QR分解理论 ,将混叠信号进行一系列初等旋转变换 ,并结合源信号相互独立时互信息量最小的特点 ,导出了一种新的自适应盲分离算法 .该方法回避了目前基于信息理论方法中 (如Torkkola 1996 ;Pham 1999;Lee 2 0 0 0以及谭 2 0 0 0等 )对“ln|detw|”的复杂计算 .我们不仅给出了详细的理论证明 ,而且也进行了仿真试验 ,理论分析与仿真结果表明该算法减少了分离时间 ,并具有很好的分离效果 .

基于差分搜索的高光谱图像解混算法

针对高光谱图像解混问题进行研究,发现高光谱图像中各个端元的分布不完全独立,不能将盲源分离方法直接应用于高光谱图像解混。为此,提出了一种基于差分搜索的高光谱图像解混算法。该算法根据高光谱图像丰度非负和丰度和为一特性构造相应的约束项,与互信息相结合作为目标函数,利用差分搜索算法对该目标函数进行优化求解来实现高光谱图像解混。仿真数据和实际数据实验表明,该算法能够有效解决高光谱图像解混问题,与已有其他算法相比,能避免陷入局部极值,提高了图像解混的精度,并且针对不含纯像元的高光谱图像具有很好的解混效果。

基于递归神经网络的信息理论盲源分离准则

本文基于一个全连接递归网络结构，给出一种新的信息理论的盲源信号分离准则。该准则在保证最大化信息传输的同时最小化输出互信息，从而使网络输出相互独立。由此准则推导的算法对传输中的信息损失引入了Hebb项。该算法既可以分离超高斯源的混迭，又可以分离亚高斯源的混迭信号。计算机仿真结果表明了该算法的良好分离性能。

基于K近邻互信息估计的EEG伪迹消除方法

针对脑电信号中的眼电和心电串扰伪迹,提出一种基于最小相依成分分析的互信息(MILCA)算法的伪迹消除方法。在提升小波硬阈值法对多路原始脑电信号去噪基础上,运用MILCA算法对各通道信号进行盲源分离,同时采用信号间互相关系数和互信息量作为指标,分析伪迹分离程度。与Extend Infomax、FastICA 2种常见盲源分离算法的对比结果表明,运用MILCA算法对脑电信号中的眼电及心电伪迹的分离结果最理想。

一类基于多变量密度估计的盲源分离方法

该文给出了一类独立源信号盲分离的训练算法。该类算法都以测度概率密度函数的Kullback-Leibler距离作为目标函数,用来衡量源信号各分量的独立性。该文利用多变量概率密度估计技术和自然梯度优化算法,使目标函数最小化,得出了两种分离算法。计算机仿真结果表明了算法的有效性。并与Infomax算法比较,性能较优。

盲信号分离的现状和展望

盲信号分离是近几年才发展起来,用于解决从混合观测数据中分离源信号的一门新技术,已在许多领域获得了广泛应用。本文介绍了盲分离的主要理论和两大类实现方法——独立分量分析和非线性主分量分析,并在此基础上介绍了实现盲信号分离的不同算法、在非线性混合情况下的算法以及盲信号分离将来的发展方向。

一种改进的最大熵方法在船舶辐射噪声盲分离中的应用

对于船舶辐射噪声信号的盲信号分离(BSS)问题,由于常用的最小互信息(MMI)方法需要估计输出信号的高阶累积量,这对于非高斯、非平稳的船舶辐射噪声来说信号估计的精度将会降低.为此,本文验证了最大熵(ME)方法在处理此类复杂信号时能作为最佳对比函数的条件,并在此基础上用高斯混合模型来估计信号的概率分布,提高了信号概率密度估计的精度;同时在算法的迭代过程中使用自然梯度下降法代替随机梯度下降法,提高了算法的收敛速度.通过对船舶辐射噪声信号的盲分离实验,证明了此分离算法是有效的.

基于盲分离技术的机械噪声分离法的研究

基于互信息最小原理,详细推导了自然梯度法的盲信号处理的计算方法,并通过一个仿真实例说明运用该方法对噪音分离的可行性,从而为机械设备的故障诊断和监测提供了一个新的方法。

非线性盲源分离的多目标进化算法

针对在非线性混叠盲源分离中代价函数往往具有许多局部最优解,求解其全局最优解非常困难的问题。设计了多目标进化算法来求解代价函数的全局最优解,提出了非线性盲源分离的多目标进化算法。该多目标进化算法根据带权极小极大策略构造了一个同进化代数有关的变适应值函数,使种群中的容许解逐渐增多和保持个体的多样性,避免算法陷于局部最优。数值仿真表明算法是有效的。

基于最小互信息准则的盲源分离在齿轮箱故障诊断中的应用

提出一种利用盲源分离技术对齿轮箱混合故障进行诊断的方法。该方法以最小互信息量为准则,采用自然梯度的自适应算法求解统计独立源信号的估计值,并根据分离信号的频谱成功地提取了混合故障的特征信息,有效地诊断出齿轮箱所处的故障状态。

未知源信号个数盲信号分离的半参数统计方法

将半参数统计模型引入源信号个数未知的盲分离中,给出了源信号个数(其值n不大于观测信号的个数m)未知,混合矩阵列满秩时,盲分离半参数统计模型的估计函数,得到了由此估计函数给出的半参数统计学习算法.由于分离模型的任一分离点都是该算法的平衡点,比已有算法有更好收敛稳定性.通过计算机仿真验证了半参数统计学习算法的有效性和良好的收敛稳定性.

基于最小互信息算法的跳频信号接收方法

针对增大发射功率和自适应天线对于跳频系统抑制调频噪声干扰的局限,采用盲源分离理论,提出了基于最小互信息算法的跳频信号接收方法。该方法首先在射频利用盲源分离算法——最小互信息算法将跳频信号与噪声调频干扰分离开,然后对分离得到的跳频信号进行解跳,从而得到发射的信号。由计算机仿真表明,在相同的干扰强度下,与传统的接收方法相比,提出的接收方法具有更低的误码率和更强的抗干扰能力。