面向卷积混叠环境下的盲源分离新方法

卷积混叠环境下的盲源分离(Blind source separation, BSS)是一个极具挑战性和实际意义的问题.本文在独立分量分析框架下,建立非负矩阵分解(Nonnegative matrix factorization, NMF)模型,设计新的优化目标函数,通过严格的数学理论推导,得到新的模型参数更新规则;并对解混叠矩阵进行标准化处理,避免幅度歧义性问题;在源信号的重构阶段,通过实时更新非负矩阵分解模型参数,避免源信号的排序歧义性问题.实验结果验证了所提算法在分离中英文语音混叠信号、音乐混叠信号时的有效性和优越性.

卷积混叠盲信号分离的一种线性化方法

卷积混叠的盲信号分离是盲源分离问题中的难点.针对独立同分布的非高斯信号的卷积混叠,提出了一种新的盲解卷积方法———“两步提取法”:第一步消除所有源信号的延迟分量,提取仅含有源信号的线性混叠分量,使其转化为线性混叠盲源分离问题,称之为“卷积线性化”;第二步对“卷积线性化”后的估计信号进行分离,最终分离出源信号.同时,利用统计和矩阵理论,证明了设计“卷积线性化”滤波器的方法.仿真试验结果显示了该方法的可行性.

卷积混叠信号盲分离

本文讨论了卷积混叠信号盲分离问题，证明了一系列基于高阶谱的判据，指出了盲辨识和盲分离的充分条件．利用判据，发展了若干算法．模拟实验证实了判据的正确性和算法的有效性．

微延迟病态卷积混叠盲源分离的可分性研究

The paper researches separability of blind sources of convolutive mixtures on the assumption that the num-ber of sensors is less than that of sources. When time delay is small, the necessary condition of separability of the ill-conditioned convolutive mixtures is given through transforming blind sources of convolutive mixtures into that of lin-ear mixtures.

基于卷积混叠传输信号的去噪

提出一种基于卷积混叠信号分离神经网络算法,简称CMHJNN。可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可应用于传输信号上的去噪。对多类不同信号组合仿真表明,该方法是有效的,网络性能是稳定的。

基于简化模型的卷积混叠盲分离并行算法

电信会议所用的传感器往往相距较近。根据从同一源到两个靠得很近的麦克风的房间冲激响应具有相似性这一特点,把多输入多输出盲卷积问题简化为若干个单输入单输出卷积混叠盲分离问题。提出了一种新的使用时间预测性的多输入-多输出盲解卷算法,该算法通过简化模型和并行算法,能用广义特征值的方法直接求出解卷滤波器,因而算法复杂度小。使用音频信号的计算机仿真结果显示了算法的有效性。

基于简化粒子群优化的卷积混叠盲源分离算法

针对现有的卷积混叠盲源分离算法存在的算法复杂和分离精度低等问题,提出一种新的基于简化粒子群优化的卷积混叠盲源分离算法。算法将不同时间点分离信号的互累积量消失作为分离准则,将信号的四阶互累积量作为目标函数,采用简化粒子群优化算法代替基本粒子群算法对目标函数进行全局优化,解决了基本粒子群算法容易陷入局部极值的问题。Matlab仿真结果表明,新算法可以有效实现对卷积混叠信号的盲源分离。对比基本粒子群算法,新算法分离精度更高、收敛速度更快。

面向高混响环境的欠定卷积盲源分离算法

为了解决高混响环境下欠定卷积混叠信号的分离问题,提出一种新的欠定卷积盲源分离算法。针对高混响环境的影响,设计全局脉冲响应网络削弱混响回声,提高信号质量。基于全局脉冲响应网络建立新的时频域混叠信号数学模型,采用全局脉冲响应矩阵缩短了传统脉冲响应的长度,降低了高混响带来的模型变换近似误差。基于非负矩阵分解理论设计模型参数的实时更新学习规则,将源信号分离问题转换为模型参数优化问题,实现混叠信号的盲源分离。实验结果表明,所提算法可以有效地实现中英文语音、音乐混叠信号的盲源分离,与现有比较流行的盲源分离算法的对比验证了所提算法的优越性。

盲卷积分离及其在机械振动信号消噪中的应用研究

盲源分离应用于机械振动信号的预处理中,提供了一个新的处理机制,在机械状态监测和故障诊断中具有一定的价值。本文研究了盲卷积分离的理论,提出了基于限值VQM检验控制准则的盲分离算法,根据机械振动信号的特点探讨了该方法在机械振动信号瞬态成分和噪声卷积混叠信号分离中的应用,有效地提取了瞬态成分,表明了算法的有效性。

多通道盲反卷积算法综述

本文阐述了多通道盲反卷积(Multichannel Blind Deconvolution-MBD)的发展历程、基本模型及假设、数学原理以及通用求解过程,讨论了目前MBD几个研究方向的发展现状与面临的问题。在分析了MBD研究进展的基础上,从时域、频域、时频域、子空间、子带技术及其他算法六个方面分类综述和比较了MBD典型算法的特点与方法思路,说明了各类算法的优缺点以及主要问题。最后指出了目前多通道盲反卷积算法研究存在的不足,并提出了MBD未来理论和应用研究中可继续深入的开放课题。

机械声混合及其盲分离技术的研究

盲源分离是一个很有优势的盲信号分析与处理工具,在机械状态监测与故障诊断领域有较好的应用前景。但在实际应用于机械源信号、尤其是机械声源信号分离中,源分离精度还不够高。鉴于此,在分析机械声产生、传播与混合机理以及盲分离算法基础上,提出了新的解决途径,特别是基于带通滤波改进的盲源分离新方法。仿真以及实际的机械声源盲分离实验结果,证实了新方法的有效性。

旋转机械源混合模式分析及源波形恢复

讨论了旋转机械源(振动激励源与噪声源)混合模式及源波形恢复的问题.从分析旋转机械源的起源及传播过程出发,整体论述了其混合模式,给出了相应的数学模型,并从源分离和波形恢复的角度对这些模型的实用背景进行了综合概括.最后,提出了基于频域分段窄带化的机械源分离整体解决方案.

基于卷积盲分离神经网络的过程信号去噪算法

研究了一种基于卷积混叠盲信号分离的简约神经网络算法,简称RCMNN。可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可有效应用于传输通道中过程信号上的去噪,是控制工程中去噪的新方法。对多类不同信号组合仿真表明,该算法是有效的,网络性能是稳定的。

SIMO信道的卷积盲分离新算法

提出了一种"逐次替代"卷积混叠盲信号分离方法。针对观测信号数目多于源信号数目的混叠情形,基于最小均方误差准则,将问题转化为求解一个关于信道参数和源信号的优化问题。通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,通过对两个表达式的相互逐次替代来寻求源信号。由此给出了"逐次替代"卷积混叠盲分离方法。逐次替代盲解卷算法无需设置迭代步长,容易编程实现。仿真表明,该算法对于FIR SIMO情形能得到较好的效果。

MIMO信道的卷积盲分离新算法

文章针对观测信号数目多于源信号数目的过定混叠情形,基于最小均方误准则,将问题转化为求解一个关于信道参数和源信号的优化问题,通过代价函数对未知参数求导数,分别得到关于信道参数和源信号的两个表达式,再通过对两个表达式的相互逐次替代来寻求源信号,由此给出了“逐次替代”过定卷积混叠盲分离方法。

基于盲源分离的旋转机械干扰消除技术研究

实际工厂环境中 ,用于状态监测与故障诊断的信号检测传感器 ,其所采集的机器信号 (振动或声音 )中 ,不可避免地混杂有来自于相邻设备以及周围环境的干扰 ,这对于机器健康状态的准确监测是很不利的。这里研究利用盲源分离技术分离(去除 )这些无用的外来干扰 ,以提高故障诊断的准确性。盲源分离是一个很独特的盲信号分析与处理工具 ,在机械设备监测与诊断领域有着很好的应用前景。仿真实验以及现实世界的声源信号分离实验结果 。

机械源波形恢复方法的研究

重点讨论了旋转机械源(包括振动激励源与噪声源)混合模式及源波形恢复问题。从分析旋转机械源的起源及传播过程出发,整体论述了其混合模式,给出了相应的数学模型。从源分离和波形恢复的角度,对该模型的实用背景进行了综合概括,提出了基于频域分段窄带化的机械源分离整体解决方案。机械声源分离试验结果也验证了该方法的有效性。

多径信道下阵元约束布位的信号盲提取算法

为实现频率选择性衰落信道下未知信道信息时的盲信源提取,建立一个等价的卷积混叠信号模型,利用观测数据的“过去”、“现在”样本空间,在时域中推导出一种基于四阶累计量的盲信号提取算法,避免了频域的“排序”问题.通过接收阵元的约束性布位,简化了运算,计算机仿真实验验证了算法的有效性,并表明其具备一定的噪声抑制能力.