小波去噪算法在含噪盲源分离中的应用

无噪模型下的盲源分离算法在信噪比较低的情况下并不适用。针对该情况一种解决方案就是先对含有高斯白噪声的混合信号进行去噪预处理,然后使用盲源分离算法进行分离。为此,本文提出了一种适用于信噪比较低条件下的基于平移不变量的小波去噪算法。该算法首先使用高频系数滑动窗口法准确估计含噪混合信号的噪声方差,然后使用Bayesshrink阈值估计算法得到更加合理的阈值,最后在不降低去噪效果的同时缩小了平移不变量的范围,减少了运算量。实验仿真表明,在信噪比较低的情况下,与传统小波去噪算法相比,该算法可以更加有效地去除噪声,在很大程度上提升盲源分离算法的性能。

一种改进的FastICA算法及其在含噪盲源分离中的应用

针对含噪环境下的盲源分离问题,将一种稳健的含噪条件下的白化预处理方法应用于FastICA算法中,提出了一种改进的FastICA算法。实验仿真结果表明:该算法的抗噪声性能比经典的FastICA算法和RobustICA算法有了较大地改善,而运算量基本不变。

基于迭代白化的含噪盲源分离技术研究

针对超定含噪盲源分离问题,提出了一种基于迭代的白化算法,并将该算法作为白化预处理算法应用于FastICA算法中。该算法可以准确估计每路含噪混合信号中的噪声方差,经过白化后能够完全去除含噪信号中有用信号的相关性。实验仿真结果表明:该算法的抗噪声性能优于基于特征值分解的准白化FastICA算法,尤其是在每路含有不同噪声方差的情况下。