基于时频分析的欠定信号盲分离与微弱特征提取

盲源分离对于多振源信号的故障诊断与识别是一种有效的方法,但是传统的盲源分离算法都是针对观察信号大于或等于源信号的情况,但对于观察信号小于源信号的欠定盲分离问题,这在很大程度上制约了盲源分离的实际应用。通过应用经验模式分解和时频分析对非平稳信号分析的优势,提出基于时频分析的欠定盲源分离方法进行设备微弱特征提取。对振动信号进行经验模式分解,并根据分解得到的内蕴模式分量估计源信号个数并选择最优的观察信号,将振动信号与选择的最优观察信号组成新的观察信号进行基于时频分析的盲源分离,通过对仿真信号和齿轮箱实测信号进行验证分析。并与基于独立分量分析的盲源分离算法进行对比,研究表明基于时频分析的盲源分离对混合信号具有更好的分离效果,能够较好地对微弱特征进行提取。

低信噪比条件下宽带欠定信号高精度DOA估计

为提高低信噪比条件下宽带欠定信号DOA估计精度,该文提出基于网格失配迭代最小化稀疏学习的宽带DOA估计方法。该方法首先对频域协方差矩阵进行矢量化处理实现虚拟阵列扩展,将欠定信号转换为超定信号。其次利用线性变换滤除含有噪声项的虚拟阵元,并对协方差估计误差进行了白化处理,抑制了信号中的干扰项。最后建立了包含不同频点联合稀疏参数和网格失配参数的贝叶斯层次架构,推导了联合稀疏参数、网格失配参数的最小稀疏表达式并进行了迭代学习。较传统方法,该方法不依赖任何先验信息,更好地抑制了虚拟阵元中的噪声和干扰,降低了网格失配对DOA估计的影响,在低信噪比条件下具有更高的DOA估计精度和分辨率。仿真实验验证了该方法的有效性。

短时傅里叶变换在船舶欠定稀疏源信号盲分离中的应用

信号采集和信号处理对船舶等海上作业平台具有非常重要的意义,在船舶综合导航、通信和货物运输等方面有广泛应用。随着工业技术水平的提高,对于复杂噪声信号和稀疏源信号的处理得到了长足发展。本文基于短时傅里叶变换,系统分析船舶欠定稀疏源信号的盲分离过程,并对该欠定信号盲分离的优化算法进行研究。

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.

基于超平面法矢量的欠定盲信号分离算法

探讨欠定情况下(观测信号少于源数目)的盲信号分离.首先给出了m维超平面的法矢量的计算公式,提出了一个基于超平面法矢量的矩阵恢复算法.其次针对语音分离,提出了k源区间及其检测方法,从而使k-SCA条件下的算法推广到了非稀疏信号的盲分离.在源信号重建上,提出了一个简化l^1范数解的新算法.几个仿真实验(含语音信号实验)证实了所提出算法的性能.

经时频掩码的欠定混叠信号的盲提取

针对欠定非完全稀疏信号的盲源估计问题,提出了一个新颖的盲提取算法。算法融合非完全稀疏信号的盲提取算法和DUET方法,先利用已估计的混叠矩阵计算源信号的提取矢量和源方向的法矢量,再经线性变换更新混叠信号和混叠矩阵,后采用时频掩码方法恢复源信号。几个语音信号的实验显示算法的性能和实用性。

基于压缩感知和优化算法的欠定盲源信号分离

针对目前欠定盲源信号分离在源信号不充分稀疏的情况下分离精度较低的问题,提出一种基于压缩感知和优化算法的欠定盲源信号分离方法.首先分析了欠定盲源信号分离和压缩感知问题的等价性,并建立基于压缩感知的欠定盲源信号分离的数学模型;然后以分离信号的稀疏性和互相关性来建立目标函数,并通过使用压缩感知和优化算法来实现欠定盲源信号的分离;最后对语音信号进行了仿真实验.实验结果表明,在源信号不充分稀疏的情况下,利用这种方法得到的分离信号与源信号的平均相似系数为0.990 3,由此可见这种方法是一种有效的、分离精度较高的分离方法.这也为欠定盲源信号分离问题的研究提供了一种新的途径和手段.

频域单源区间和欠定的盲信号分离

探讨在感知器个数少于源信号个数时的盲分离问题,提出频域中的单源区间矩阵恢复方法,以实现时域检索平均法在频域中的扩展,与传统的聚类算法相比,该算法计算简单、精度高,在理论上能够无偏差地估计混叠矩阵。在源信号的恢复上,根据稀疏的原则,在仅m个源在频域中较大、其余源可近似为0的假设下,得出求解L1范数的简化方法。语音信号仿真实验展示了该方法的性能和实用性。

欠定条件下弱稀疏源信号混合矩阵盲估计

针对源信号的稀疏性影响欠定混合矩阵的估计精度,在源信号单源频率及非单源频率分量分析的基础上,通过对观测信号频率峰值的幅值比值所构成的列向量聚类,提出欠定条件下弱稀疏源信号混合矩阵的盲估计方法。鉴于经典聚类算法的局部收敛性带来聚类结果的不稳定性,采用全局收敛特性较好的遗传模拟退火聚类算法提高聚类结果的鲁棒性。仿真实验表明,本文提出的混合矩阵估计方法及采用的聚类算法在不同欠定条件及噪声环境下具有较强的估计性能。

基于稀疏贝叶斯学习在未知噪声场的欠定宽带信号DOA估计

稀疏贝叶斯学习(SBL)应用于互质阵列、欠定宽带信号在未知噪声场的波达方向(DOA)估计。使用扩展协方差矩阵,互质阵列可以实现更高数量的自由度(DOF),以解析比物理传感器的数量更多的源。基于稀疏的DOA估计可能恶化检测和估计性能,因为无论网格有多精细,源都可能离开搜索网格。SBL使用定点更新可以较好地解决这种字典不匹配问题。与同时正交匹配跟踪最小二乘(SOMP-LS)、同时正交匹配跟踪总最小二乘(SOMP-TLS)和离网稀疏贝叶斯推理(OGSBI)相比,SBL能够获得较好的检测和估计性能。

基于空间时频分布的欠定混合信号源个数估计

针对欠定混合信号的源个数估计问题,提出了一种基于空间时频分布与奇异值分解的估计算法,把所有自源时频点对应的空间时频分布矩阵组成三阶张量,把欠定混合问题转化为超定问题,通过对三阶张量对应的矩阵进行奇异值分解估计出源信号的数目,该方法不需要假设源信号是稀疏的或独立的,理论分析和仿真结果验证了算法的有效性。

基于四阶累积张量方法的欠定盲源信号分离

针对瞬时欠定盲源信号分离问题,提出一种四阶累积张量分解算法.首先构建观察信号四阶累积协方差,依据源信号具有相互独立且均值为零的性质,对累积协方差化简并扩展到张量域,得到四阶累积张量.采用分层交替最小二乘算法对四阶累积张量进行非负库克分解,求得非负库克模型的参数,同时获得非负混合矩阵并求其伪逆,最终估计出源信号.选用真实的语音信号和生物信号进行仿真实验,结果表明该方法提高了源信号和非负混合矩阵的估计性能.

HT-LSM的欠定混合盲信号分离方法的研究

利用Hough变换可以检测观测空间中的直线方向从而确定混叠矩阵的方法,提出了欠定盲源分离中估计混叠矩阵的一种新算法——HT-LSM算法。该算法在介绍欠定盲信号分离基本原理的基础上,介绍基于Hough变换的盲信道估计算法,并将改进后的Hough变换与最小二乘法相结合,在不影响检测结果速度的同时又进一步提高了检测精度,应用到欠定语音信号分离中,取得了良好的实验效果。

基于欠定盲分离的多目标微多普勒特征提取

连续波雷达多目标回波中多种微多普勒特征分离问题采用独立成分分析方法实现,该方法在使用中存在较大局限性,要求待分离的微多普勒特征之间必须是统计独立的,且仅局限于恰定和超定的方程组求解问题。然而,在多目标雷达观测场景下,雷达接收的混叠回波的个数通常少于目标的个数,各目标的微多普勒特征可能存在相关性。为此,提出了一种基于欠定盲分离的多目标回波微多普勒特征分离方法。该方法可以从少数原始混叠回波中分离出多个目标的微多普勒特征,对待分离的微多普勒特征限制性弱。通过数值仿真,证实了该方法的可行性。

松弛稀疏性条件下的欠定盲分离

采用2步法研究松弛稀疏性条件下的欠定盲信号分离。在矩阵恢复上,将时域检索平均法从时域扩展到小波域,得到单源区间矩阵恢复算法。在源信号恢复上,分析最短路径法和l1范数算法,提出基于任意观测信号数的统计稀疏分解准则算法。仿真结果表明,相比l1范数解算法,该算法具有较低的计算复杂度,且可提高恢复信号的信噪比。

语义分割网络下的混合信号频谱分离

单通道接收机下,多个时频混合信号的分离属于非稀疏欠定信号分离问题,难以求解。针对这类非稀疏欠定信号分离问题,提出了一种基于语义分割网络、从频域实现多个指定类别信号分离的新方法。利用语义分割网络提取信号的频域分布特征,克服了单通道接收机下信号先验信息过少的问题。仿真表明,该方法具有较高的分离精度,且响应时间短,可用于单通道接收机中时频混叠信号的分离。

盲信号压缩重构——模型与方法

通过分析欠定盲信号分离模型和压缩感知模型本质内涵和内在联系,建立了基于压缩感知的欠定盲信号重构问题的数学模型,该模型对于欠定盲信号分离的实现提供了一个新的解决途径。基于该模型的压缩重构方法通过两步来实现:分别利用源信号稀疏域性质实现对盲估计欠定混合矩阵的估计;利用压缩感知的重构稀疏源信号的方法,实现对欠定稀疏盲信号的分离和重构。提出的算法根据实际应用场合,具有一定扩展能力。最后通过模拟实验验证了提出模型和相应算法的有效性。

基于稀疏表示的超平面聚类盲信号分离算法

对欠定混叠盲源分离问题,论文针对于源信号的稀疏程度不同,首先引入了向量k-阶稀疏的概念。然后在满足欠定混叠盲分离问题可解的情况下,讨论了源信号向量是m-1阶稀疏的情况下的混叠矩阵的辨识问题,并提出了一种新的基于超平面聚类算法来估计欠定混叠矩阵。该算法不仅对源信号的稀疏性要求放宽了条件,而且在精确估计出混叠矩阵的同时估计出了源信号的数目。经数值实验仿真表明了算法的有效性。

欠定情形下语音信号盲分离的时域检索平均法

探讨欠定情形(即观察信号的个数少于源信号个数)下的盲信号分离,提出一种新的方法,即时域检索平均法(SAMTD),该方法可解决目前在频域中难以处理的一类问题,它利用一类语音信号在时域中的稀疏持续性,回避像K均值聚类或势函数等常用统计聚类方法.为估计混叠矩阵,它剔除那些不与基矢量共向或反向的数据样本,以提高其估计的准确性.在源信号的恢复上,提出了一个超完备线性几何ICA改进算法.几个语音信号实验的仿真数据展示了所提方法的性能和实用性.

基于双阵元天线的ADS-B解交织投影算法

随着广播式自动相关监视(Automatic Dependent Surveil lance-Broadcast,ADS-B)技术的普及,交通密集区域内多条ADS-B信号的交织问题难以避免。为了降低设备成本并提高系统在低成本条件下的可用性,针对双阵元天线三条ADS-B信号交织问题,提出了双阵元天线投影算法。首先,上述方法基于频域插值理论与最小描述长度准则进行信源数估计;然后,采用功率倒置算法进行空域滤波,在未知信号波达方向的条件下抑制非期望信号,从而将双天线三信号的解交织问题转化为单天线双信号的解交织问题;最后,由虚拟多通道法扩维后,基于改进的投影算法分离交织信号。仿真验证了以上算法的有效性。