基于串音误差与分离度的变步长EASI盲源分离算法

当源信号各分量差异较大或全局矩阵为非行元素优势矩阵时,基于串音误差的变步长等变自适应分离(EASI)算法难以正确评价分离效果,导致步长选取错误。针对该问题,提出一种改进的变步长EASI算法。通过计算基于串音误差的步长平方根适当增大步长,同时定义信号分离度对步长做进一步调整,减小因串音误差分离结果评价不准确而导致步长错误变小的影响。仿真结果表明,该算法具有较好的步长调节能力,相对传统EASI算法和基于串音误差、基于串音误差步长平方根、基于分离度的变步长EASI算法分离效果更佳。

基于改进的串音误差的盲分离评价指标

盲分离评价指标串音误差对于各分量能量差异大的源信号和全局矩阵为某些非行元素优势矩阵常常不能给出正确的分离评价。针对这一问题,文章通过构造全局权重矩阵和引入相关系数,提出了改进的串音误差评价指标,应用仿真信号进行了分析,结果表明改进的评价指标可有效提高评价的准确性,扩大了串音误差的应用范围。

基于估计概率密度函数的独立分量分析方法

基于最优估计函数,给出了一种估计得分函数的方法.通过使用高斯混合模型,给出了估计信号概率密度的EM算法和进行独立分量分析优化的梯度算法.为了提高算法的精度和稳定度,发展了迭代估计概率密度的方法,该方法可以针对超、亚混合信号进行分离.

自适应步长EASI算法研究及改进

EASI算法(一种在线LMS)是很重要的盲信号分离(BSS)算法,总结了EASI算法应用于盲信号分离的优点与不足,并提出了利用模拟退火策略有效地结合两种步长的优点,在初期快速下降,在后期精确收敛。结果表明,在该实验中使用模拟退火策略来调整学习率简单有效。

盲源信号分离EASI算法研究与改进

研究EASI算法,以串音误差为衡量盲源信号分离效果的指标,给出EASI算法的仿真结果及性能分析。验证EASI算法的有效性,总结EASI算法应用于盲信号分离的优点与不足,并提出利用模拟退火策略有效地结合两种步长的优点,在初期快速下降,在后期精确收敛。结果表明,在本实验中使用模拟退火策略来调整学习率是简单有效的。

基于PAST盲信号分离方法的仿真结果分析

盲信号分离问题在信号处理领域中是一个值得深入研究的很重要的方向。因此关于这个问题已经提出了很多分离算法,能够在一定程度上解决越来越复杂的实际问题。投影逼近子空间跟踪(PAST)是一种很重要的盲信号分离方法。本文就PAST方法用于盲信号分离给出仿真结果并进行性能分析。本文的目的是验证非线性PCA方法用于盲信号分离的有效性,并分析参数取值对分离结果的影响。衡量分离效果的指标是串音误差,程序运行的结果给出了串音误差随算法参数改变的曲线图。

不同步长下自然梯度算法分离状态的比较

为了解决收敛速度和稳定性能之间的矛盾,通过建立步长因子与分离矩阵相互差异之间的非线性关系,提出了基于自然梯度算法的盲源分离技术。算法沿着梯度方向,选取非线性函数和适当的步长,由分离矩阵的迭代公式,计算得出采用不同步长时分离出的源信号,比较出收敛性和稳定性最优的信号,再经过计算串音误差和性能矩阵作为该算法的评价指标。通过MATLAB仿真分析,得出如果步长选择合适,那么自然梯度算法具有很好的分离效果,能很好的平衡收敛性和稳定性之间的关系。在设备状态监测与故障诊断中,利用盲源分离技术,能够有效提取故障特征信号,方便于机械故障精确定位。

基于盲信号分离的机载VDB接收机同频干扰抑制

针对民航飞机利用陆基增强系统(GBAS)进行精密进近着陆过程中,GBAS机载甚高频数据广播(VDB)接收机所受到的同频干扰问题,提出采用盲信号分离算法,对VDB接收机所接收到的期望信号与同频干扰信号进行分离,并通过识别解码数据中的机场标识(ID),得到所需期望信号,从而抑制同频干扰信号.分析并仿真了基于快速固定点(FastICA)算法、自然梯度算法和等变自适应分离(EASI)算法,对VDB接收机接收到的混合信号进行分离的机理和同频干扰抑制的实现.仿真结果表明,这三种算法均能有效分离期望信号与同频干扰信号,进而进行同频干扰抑制,并通过比较三种算法的收敛速度、串音误差和误码率,得出FastICA算法更适合用于VDB信号的同频干扰抑制.

联合对角化算法在功耗分析去噪中的应用

提出了一种应用联合对角化算法(Joint Approximative Diagonalization of Eigen-Matrics,JADE)提高功耗信息信噪比的方法。在采集了功耗数据的基础上,使用联合对角化算法对功耗数据和噪声进行分离,使信噪比提升了33.6d B。并使用快速固定点算法(Fast ICA)与之对比,在1000次实验条件下,统计出两种算法提升信噪比的平均值和串音误差值。结果表明,联合对角化算法比快速固定点算法提升的信噪比高3.7d B,而联合对角化算法串音误差也低于快速固定点算法,证实其在功耗分析去噪中更有优势。