应用逆散射级数波场预测和2D卷积盲分离压制层间多次波

多次波压制是地震数据处理的重要环节。基于波动方程的预测相减法是压制层间多次波的常用方法,它包括层间多次波预测以及自适应相减两个步骤。文中提出了一种改进的层间多次波压制方法,通过引入阶跃函数、有限积分区间等假设条件简化逆散射级数公式,实现层间多次波的预测;然后引入2D卷积盲分离方法实现层间多次波的自适应匹配相减。理论模型试算及实际资料应用效果表明,该方法能在不依赖速度模型前提下高效实现层间多次波预测;采用的多道卷积盲分离自适应相减方法,比传统L2范数最小化自适应相减方法和单道卷积盲分离自适应相减方法,能在有效压制层间多次波的同时,更好地保护一次波。

基于二阶统计量的语音信号时域卷积盲分离算法

该文针对语音信号卷积混迭模型,利用信号间近似不相关和短时平稳等二阶统计特性,根据盲分离固有的排列和尺度不定性,改进最小二乘拟合函数,将关于混迭矩阵的四次函数转化为3组待定参数的二次函数。提出优化该代价函数的非正交联合块对角化算法,分3个子步,每个子步求解一个最小二乘问题,交替估计3组待定参数,逼近代价函数最小点。与ZJBD等同类方法相比,该方法具有计算复杂度低,估计精度高且对初始参数选择不敏感等特点,可直接在时域实现语音卷积盲分离。

基于稳健联合分块对角化的卷积盲分离

针对卷积盲分离问题,提出一种新的矩阵联合分块对角化(Joint block diagonalization,JBD)算法.现有的迭代非正交联合分块对角化算法都存在不收敛的情况,本文利用分离矩阵的特殊结构确保其可逆性,使得算法的迭代过程稳定.在已知矩阵分块结构的条件下,首先,将卷积盲分离模型写成瞬时形式,并说明其满足联合分块对角化结构;然后,提出联合分块对角化的代价函数,依据代价函数的最小化等价于矩阵中每个分块的范数最小化,将整个分离矩阵的迭代更新转化成每个分块的迭代更新;最后,利用最小化条件得到迭代算法.实数和复数两种情况下的算法都进行了推导.基本实验验证了新算法在不同条件下的性能;仿真实验中对在时域和频域都重叠的信号的卷积混合进行盲分离,实验结果验证了新算法具有更好的分离性能和更稳定的分离能力.

宽带耦合机械振源的卷积盲分离研究

利用卷积盲分离算法,对宽带耦合机械振源信号进行了盲分离研究.在实际环境中,由于相邻设备和环境干扰的影响,传感器往往只能获得混合信号.且源信号在频谱上可能相互重叠,此时,传统的信号滤波、净化方法就无能为力.文中利用盲信号处理技术对源和传递路径先验知识要求较少的特点,仅从混合信号出发,利用信号的二阶统计特性,较好地恢复出了频谱上相互重叠的机械振源信号.电机和海水泵的仿真试验验证了该方法的有效性.

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离。利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数。每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵。提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离。实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题。

基于三二次优化的语音卷积盲分离方法

针对语音信号卷积混迭模型,利用语音信号近似独立及短时平稳特性,提出一种基于三二次迭代优化的混迭矩阵多分量联合估计方法,交替估计三组待定参数的二次代价函数实现联合块对角化,在时域解决卷积混迭盲分离问题.理论分析了所提方法的计算复杂度和迭代收敛性.实验表明,相比于类Jacobi方法,所提方法收敛速度更快,且全局拒噪水平平均改善5dB,巴克谱失真系数改善达0.12.

基于Givens-Hyperbolic双旋转的多路语音信号卷积盲分离

针对语音信号的卷积混迭模型,通过对接收信号进行滑窗处理并重新排列,使得重构后的接收信号可表示为块独立的源信号与扩展的混迭矩阵的瞬时混迭模型。利用不同语音信号之间的近似独立和短时平稳特性,分析接收信号二阶相关矩阵的非正交联合块对角化结构。改进基于Givens和Hyperbolic旋转的瞬时混叠盲分离算法,提出Givens-Hyperbolic双旋转的联合块对角化算法(GH-JBD)。所提出的GH-JBD算法可以直接在时域估计传输信道的块本质相等矩阵,实现非正交联合块对角化,进而完成卷积混叠信号盲分离。该方法不需要进行预白化处理,避免了由于白化不彻底而引入的额外误差。仿真实验验证了该算法的有效性并就参数变化对分离信号的影响进行了分析。

基于张量联合对角化的非平稳源卷积盲分离研究

盲信号分离(Blind Source Separation)在很多领域有着广泛的应用。本研究提出一种类雅克比旋转的张量分解算法来提高源信号的分离性能。首先利用信号的自相关矩阵构造一系列张量,将盲信号分离问题转化为张量对角化问题,然后提出一种特殊参数结构代替Givens矩阵做类似雅可比连续旋转,估计对角矩阵,并求解了算法中参数的最优解。实验结果表明,该算法具有良好的分离效果。

基于性能权重聚类的频域盲分离排序算法

卷积混合盲源分离可以在频域得到有效解决,但频域盲分离必须要解决排序模糊性问题。本文提出了一种基于性能权重聚类的频域盲分离排序算法,该算法利用聚类来得到顺序参考,对各频点上分离信号的准确性进行计算,根据分离结果的准确性予以不同频点不同的聚类权重,从而提高聚类结果的可靠性。通过对频点进行分段处理可以有效抑制排序错误的传播,提高算法性能。最后通过多组仿真实验验证了基于性能权重聚类的频域盲分离排序算法的普适性与性能上的优越性,同时也探究了接收端个数对算法性能的影响。仿真结果表明本文提出的基于性能权重聚类的频域盲分离排序算法相较于传统的幅度相关性排序算法在信干比上会有2 dB左右的提升。接收天线数越多,算法分离性能越好。

时域卷积信号的交替最小二乘盲分离算法

该文分析时域卷积接收信号的时延相关矩阵具有的可联合块对角化的三因子乘积结构,通过对其所构成的3维矩阵进行切片分割和重新排列规划,提出基于交替最小二乘的三因子迭代计算方法,实现非正交联合块对角化,直接在时域解决卷积盲分离问题。实验仿真表明,与传统的联合块对角化算法相比,所提算法的收敛性能更好且更稳定,并且不受限于初始参数的选择;分离信号的相异度指标和巴克谱失真测度分别改善达到4.35dB和0.22。

运载火箭飞行振动信号盲源分离方法

针对振动信号在火箭复杂结构传播过程中产生强卷积效应导致振动源信号提取精度低的难题,研究了一种基于卷积盲源分离的火箭振动信号自适应提取方法。该方法基于振动源之间的独立性,建立了四阶统计量的目标函数,并采用随机梯度法实现了参数的自适应更新,优化建立火箭复杂结构系统的逆滤波器结构,进而得到原始的振动源信号。通过对某运载火箭发动机的高频振动数据进行分析,结果表明:相较于线性自适应盲源分离方法和非线性自适应盲源分离方法,卷积自适应盲源分离由于考虑了实际中的卷积效应和欠定情况,分离结果中能够明显找到与涡轮转动和燃烧对应的频率以及一些宽频激励,验证了提出方法的有效性。

基于多频段能量相关排序的语音卷积混合盲源分离

针对语音卷积盲源分离频域法排列顺序不确定性问题,提出一种多频段能量排序算法。通过对混合信号的短时傅里叶变换(STFT),在频域上各个频点建立一个瞬时混合模型进行独立分量分析,之后结合能量相关排序法和波达方向(DOA)排序法解决排序不确定性问题,再利用分裂语谱方法解决幅度不确定性问题,进而得到每个频点正确的分离子信号,最后利用逆短时傅里叶(ISTFT)变换得到分离的源信号。仿真结果表明,与Murata的排序算法对比,改进的算法在信号偏差比、信道干扰比、系统误差比上都所提高。

基于修正离散傅里叶变换的频域卷积混合盲分离

针对频域卷积混合盲分离,依据所导出的卷积混合信号每帧的频域表示模型,提出了一种最小均方误差意义下的最优变换——修正离散傅里叶变换,用于代替频域卷积混合盲分离中常用的离散傅里叶变换。在每个频率片上,卷积混合信号的修正离散傅里叶变换系数在最小均方误差意义下最接近于源信号频谱的瞬时混合。相对于离散傅里叶变换系数,现有瞬时混合盲分离算法能从修正离散傅里叶变换系数中更精确地估计各频率片上分离矩阵,从而提高现有频域卷积混合盲分离算法的分离性能。仿真结果证明了修正离散傅里叶变换对现有频域卷积混合盲分离算法的有效性。

单频点频域卷积混合盲分离技术

在双频点频域卷积混合盲分离算法的基础上,提出一种单频点频域卷积混合盲分离算法.通过恰当地选取频域盲分离中短时傅里叶变换(STFT)的参数,可仅依靠一个频率片上的分离信号来完成双频点算法.相对于传统频域卷积混合盲分离方法,该方法不受各频率片顺序不确定性不统一及比例不确定性不统一的影响.仿真实验证明了该算法的有效性.

基于非连续多帧平滑的卷积混合盲分离频域算法

本文研究了卷积混合盲分离频域算法问题,基于短时傅立叶变换中各帧"部分卷积"的性质,提出了一种非连续多帧平滑的方法。该方法有助于降低源信号"短时谱"的瞬时混合和卷积混合信号的短时谱之间误差,从而提升分离性能。仿真实验证实了提出算法的有效性。

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.

基于张量分解的卷积盲源分离方法

基于张量分解框架提出了一种卷积盲源分离方法,同时解决了混合滤波器矩阵估计和频点排序的问题。首先,根据观测信号的估计自相关矩阵构造出所有频点处的张量模型;然后,利用张量分解技术计算出每个频点上对应的因子矩阵作为该频点的估计混合滤波器矩阵;最后,采用以功率比作为测度的全局优化排序策略消除了全频段的排序模糊性。实验表明,所提方法在不同仿真条件下处理卷积混合的实测语音时表现出了比现有算法更优异的分离性能。

基于频域卷积信号盲源分离的乐曲数据库构建

将通过频域卷积信号盲源分离算法从MP3歌曲音频信号中分离出人声主唱信号,再从人声主唱信号中提取出能够表征歌曲的旋律特征构建哼唱检索系统的歌曲数据库。盲源分离要求观测信号数目不小于源信号数目,因此先用小波多分辨率分析构造一路观测信号,再用频域独立成分分析(FDICA)实现MP3歌曲音频信号的盲源分离(BSS)。实验证明,采用FDICA-basedBSS从歌曲MP3中分离出的人声主唱信号的旋律特征与待检索的人声哼唱信号的旋律特征有较高的相似度,可以用歌曲MP3构建哼唱检索系统的歌曲数据库。

宽带盲波束形成与卷积混合盲源分离

盲波束形成是在不知道阵形、目标方位以及阵元响应等信息的情况下,只根据阵元输出恢复源信号。现有盲波束形成对窄带信号研究比较多,而对宽带信号盲波束形成论述较少。本文从信号模型、系统框图、处理目的三方面说明盲波束形成与盲源分离近似。并指出卷积混合模型盲源分离完全可以作为解决宽带信号盲波束形成问题的一种通用方法。

基于区域增长校正的频域盲源分离排序算法

卷积盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序模糊问题。该文提出一种基于区域增长校正的频域盲源分离排序算法。首先对卷积混合信号短时傅里叶变换,在频域的各个频点处建立瞬时模型进行独立分量分析,在此基础上使用分离信号功率比的相关性,对所有频点进行逐点排序置换。其次根据阈值将排序后的结果划分为若干个小区域。最后按区域增长方式进行区域置换与合并,最终得到正确的分离信号。区域增长校正可最大限度地减少频点排序错误扩散现象,从而改善分离效果。在模拟和真实环境中分别进行语音盲源分离实验,结果表明所提算法的有效性。