一种线性混合信号盲提取算法

该文给出了信号变化度的定义,并证明了独立源信号的线性混合信号(非零信号)的变化度介于源信号中的最小变化度和最大变化度之间。在此性质的基础上,给出了一种线性混合信号盲提取算法。该算法首先利用广义特征值理论从混合信号中提取出一个源信号,然后采用消源方法剔出混合信号中该源信号分量,重复这一过程,逐一提取出所有的源信号。该算法计算简单,仿真结果表明该算法是有效的,并具有很好的性能。

一种新的循环平稳信号盲提取方法

提出了一种基于信号隐含周期性的循环平稳信号盲源分离算法。该方法充分利用了循环平稳信号具有隐含周期性成分的特性,不需要估计信号的循环频率,特别适用于循环平稳信号的分离。本算法在提取循环平稳信号的周期性分量的同时,剔除其中的随机分量,因此,计算机仿真和实验验证了该方法的有效性和循环平稳信号的分离次序。

欠定和非完全稀疏性的盲信号提取

两步策略已成为欠定盲信号分离的基本方法,混叠矩阵的估计是源恢复的先决条件.本文针对非完全稀疏性情况,提出一个两步的盲提取方法.该方法先利用信号的单源区间样本,估计部分源的基矢量(混叠矩阵的列矢量),后最小干扰地提取所对应的源;除它所对应的基矢量外,它不依赖的其它的基矢量,故回避了混叠矩阵可识别的必要条件.几个仿真实验结果显示了该算法的性能和实用性.

基于细菌觅食优化的盲信号提取算法

提出了一种新的基于细菌觅食优化的盲信号提取算法。采用负熵作为信号提取的目标函数,利用球坐标变换原理将对提取向量的求解转换为对旋转角度的求解。使用改进的细菌觅食优化算法对目标函数进行优化求解,从而实现对源信号的盲提取。通过多次提取和去相关消源过程,可以实现对所有源信号的成功提取。对多路语音信号混合后的盲提取实验验证了所提出算法的有效性。

强噪声背景下基于子空间的盲信号提取

低信噪比下的去噪一直是一个难题,最近Emir等人提出了IndependentComponentAnalysis(ICA)去噪方法,该方法在光学功能成像中得到了成功应用。但研究发现在极低信噪比下,由于观测数据的样本协方差矩阵具有奇异性,这使得ICA去噪算法中的白化处理步骤无法进行。为解决这一问题,本文利用子空间的概念,在ICA去噪方法的基础上提出了一种新的基于子空间的ICA(ICAbasedonsignalSubspace,SICA)去噪方法。仿真表明该方法能在极低信噪比下有效去噪,同时与传统的滤波去噪相比,SICA去噪方法在去噪的同时还能够成功地将频域重叠的信号正确分离。

盲源分离及盲信号提取的研究进展

盲源分离和盲信号提取是从观测信号中恢复源信号的有效方法,目前已成为信号处理领域的研究热点。介绍了盲信号处理的数学模型,给出盲源分离与盲信号提取的基本思想,阐述了各方法的原理、特点及性能,并对它们之间的区别与联系进行分析,最后指出盲源分离及盲信号提取的发展方向。

基于盲信号提取的机械振动信号消噪方法研究

实际环境中,利用传感器测取的机械振动信号中,不可避免的混有来自相邻机械设备及周围环境的噪声干扰,这些噪声对于利用振动信号进行状态检测和故障诊断是很不利的。为了消除机械振动信号中的噪声,本文利用盲信号提取的特征提取特性,提出了一种新颖的噪声消除方法。该方法利用高阶累积量近似信号峭度建立代价函数,通过计算代价函数的梯度不断修正分离矩阵的估计,从而达到分离混合信号的目的。仿真试验在Matlab环境下进行,源信号采用故障轴承缺陷部位所产生的冲击振动信号。分离结果证明该方法能成功提取源信号,有效去除了噪声。

盲信号提取算法研究与分析

盲信号提取主要研究如何把源信号逐个从观察信号中提取出来。以矩阵理论为基础,推证了在病态条件下逐个从观察信号中提取出主要源信号的可行性,并对给出的BSE学习算法,在病态条件下进行分析仿真。

基于平稳性能不确定信息盲源信号提取的过程监控方法

针对工业过程中的信息不一定平稳,提出了一种基于平稳性能不确定信息盲源信号提取的过程监控方法,并利用该方法提取过程盲源信号,采用k近邻法进行分类,从而实现对过程性能的监控.通过对简单AR(1)过程和双效蒸发过程的仿真研究表明,这种方法是可行的.为了与基于传统独立成分分析(ICA)和多元统计过程控制(MSPC)的过程监控方法相比较,还作了相应的对比研究.结果表明,该方法比基于传统ICA的过程监控方法具有更少的误报率和漏报率,而比基于MSPC的过程监控方法具有更少的误报率,从而说明了该方法不仅是可行的,而且是有效的.

风力机叶片蒙皮初始裂纹的盲信号提取

针对风力机叶片初始裂纹特征难以提取的问题,提出了一种逐步提取并消减噪声源信号从而获得微弱裂纹故障特征的盲提取方法。首先基于卷积混合模型极小化改进代价函数推导自适应学习迭代算式,在仿真实验中确定非线性激励函数和滤波器的传输函数,根据输出信号的性能参数证明了改进算法对尖峰噪声的异常点更加敏感稳健。在风力机叶片疲劳实验台上模拟叶片蒙皮的初始横向裂纹,通过声发射信号采集系统获得观测信号,分析噪声源的特性并提取了初始裂纹的声发射信号特征,为风力机叶片状态监测和预警提供了依据。

改进的基于峭度的盲信号提取算法

在盲信号优化提取问题的研究中,为解决基于峭度的参考独立分量分析算法中阈值参数难以确定的问题,通过对算法的理论分析,以输出信号峭度的绝对值和接近性量度函数的乘积作为目标优化函数,并在梯度算法的基础上根据经典的Kuhn-Tucker条件提出一种改进的定点算法,有效避免了人为选择阈值参数和步长,使算法收敛更快速稳定。针对合成数据和实际的心电图数据的计算机仿真,表明了所提改进算法的有效性和快速稳定性。

一种奇异混合阵的盲信号提取算法

在盲信号提取技术中,当混合矩阵是奇异方阵时,根据混合矩阵秩的性质,该文提出了一种盲信号可提取性判据来判断可提取的信号。通过引入信号变化度的概念,给出了一种在该情况下的可提取信号的提取算法。该算法可以将特定的信号提取出来,且计算简单,无需优化处理,可以解决奇异混合阵情况下的特定信号的提取。试验结果表明了该算法的有效性。

基于时间结构的盲信号提取不动点算法

为了降低具有时间结构的拟牛顿盲信号提取计算复杂度。通过每次更新后对权向量的归一化处理,利用梯度下降算法在收敛点处的性质,根据经典的Kuhn-Tucker条件提出了一种时间结构的盲信号提取不动点算法,避免了增广拉格朗日函数二阶导数的计算,并简化了一阶导数表达式,同时避免了人为选取步长参数。针对合成数据和实际的心电图数据的计算机仿真表明,提出算法具有良好的提取期望源信号的性能和更快的收敛速度。

混合矩阵为病态情况下的盲信号提取快速算法

在盲信号提取技术中,当混合矩阵是病态情况(混合矩阵奇异或欠定)时,根据混合矩阵秩的性质,提出了在该情况下的盲信号可提取性判据,并给出了一种可提取信号的快速提取算法。该算法中只使用了待提取信号与其他观测量之间的四阶累积量,而不需要计算各个观测量之间的四阶累积量,因此大大减少了算法的复杂度。先提取信号的误差没有对后提取的信号产生累积,因此提高了提取信号的精确度。该算法简单。仿真结果表明该算法有效,并且有很好的性能。

超定条件下的盲信号提取算法

基于信号峭度理论,提出一种超定条件下的盲信号提取算法。该算法将混合矩阵辨识转化为一系列Givens矩阵辨识,从观察信号中一次提取出一个源信号。对于超定盲信号分离问题,待未知所有独立分量分离出后,余下分量可以看作是一个或多个独立分量的拷贝,是冗余信号。在算法运行结束后,所有源信号分离出,实现超定盲信号分离。该算法计算简单,收敛性好。计算机仿真试验验证了算法的有效性。

基于循环平稳约束的盲信号提取算法

特定信号提取是通信信号处理中的重要问题。在约束独立分量分析方法的基础上提出了基于循环平稳约束的盲信号提取算法。该算法利用通信信号固有的循环平稳特性作为约束条件,结合独立分量分析的学习过程,同时完成特定目标信号的分离和选取,避免了经典独立分量分析方法提取"无关"源信号的过程。仿真结果表明,相比传统ICA算法,本文算法能有效提取目标源信号且提高了目标源信号的估计精度。

基于WOA和PCA的盲信号提取算法

针对线性混叠信号中独立源的盲提取问题,提出一种基于鲸鱼优化和主成分分析的有序盲提取算法。该算法以信号峰度绝对值大小作为目标函数,利用鲸鱼优化算法计算抽取向量,同时利用主成分分析对混合信号降维,去除混合信号中存在的关于已提取信号的成分,从而按照源信号峰度顺序进行盲提取。仿真实验表明,提出的算法对盲信号提取是有效的,而且提取精度是较高的,有一定的实际应用价值。

一种基于盲信号提取的同频干扰抵消算法

为了抵消数字通信中的同频干扰,提出了一种基于单信道盲信号提取算法。不同于现有的盲信号提取盲分离模型,本文的模型除了利用数字信号过采样特性,还充分考虑了载波频率以及信道噪声的影响。并结合调制信号的恒模特性,提出了基于广义峭度的恒模盲信号提取算法。最后通过实验结果证实算法的有效性和稳定性。

基于二阶统计量的非平稳源盲提取算法

利用非平稳信号自身的时序结构,采用一阶线性预测模型,提出了一种基于二阶统计量的批处理非平稳源盲提取算法。仿真实验表明该算法是有效的。

基于增殖系数的混沌信号提取算法

本文提出一种基于混沌信号特性的信号盲提取算法,由于不同的混沌信号在相空间里面对应着不同的吸引子二阶增长率,利用这个特点定义了增殖系数(Proliferation Exponent,PE)并将其作为混沌信号提取的目标函数.首先分析基于增殖系数的梯度搜索方法在解决盲提取问题时存在不足,并将混沌信号的盲提取问题转化为带约束的优化问题,提出利用改进的粒子群优化算法解决信号盲提取的优化问题,通过惯性系数动态调整和最优位置的扰动,提高算法的寻优性能.实验结果表明基于增殖系数的信号提取算法能有效地提取混沌信号,提取的信号在时域和相空间与源信号接近,同时算法也表现出对噪声污染的鲁棒性.