三山岛金矿西山矿区盲混合井-1140m中段临时装卸载系统改造与应用

本文就三山岛金矿西山矿区盲混合井-1140m中段临时装卸载系统改造与应用做了深入分析。

适用于高阶QAM信号的多模混合盲均衡算法

为了提高高阶QAM信号的盲均衡性能,本文提出了一种新的多模混合盲均衡算法。该算法首先对加权多模盲均衡算法进行改进,提出了新的加权因子选取方法;然后将其与判决引导算法有机结合,构造出新的多模混合盲均衡代价函数对均衡器系数自适应更新。与其他盲均衡算法相比,该算法不仅降低了均衡后的稳态误差,增强了对不同调制阶数的适应能力,而且大幅度提高了均衡器的收敛速度。仿真结果验证了该算法的有效性。

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.

适用于高阶QAM信号的混合型盲均衡算法

为了提高高阶QAM信号的盲均衡性能,提出了MMA-DD和SIGN-MMA-DD两种改进的混合型盲均衡算法。首先,MMA-DD算法将多模盲均衡算法和判决引导算法有机结合,并采用均方误差来控制两者在混合误差中的比例,降低了均衡器的稳态误差。然后对MMA-DD算法在误差计算和均衡器系数更新两方面进行简化,得到SIGN-MMA-DD算法,有效地降低了运算复杂度。仿真结果表明,两种算法的盲均衡性能优于多模盲均衡等算法。

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。

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。

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。

基于适配器签名和盲混技术的电子资源交易方案设计与实现

为解决第三方电子商务平台存在信用风险、交易不确定以及监管体系不完善的问题,出现许多利用区块链技术实现去中心化的方案,然而区块链交易透明且可追踪导致出现隐私泄露的新问题。针对该问题,采用适配器签名技术与盲混合技术,提出一种新颖的电子资源交易方案,解决了无可信第三方公平交易问题,保护了交易双方的隐私安全。经过安全性论证,该方案具有公平性、原子性和不可链接性。仿真实现表明,该方案具有良好的执行效率。

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。

适用于高阶QAM信号的分数间隔混合盲均衡算法

为了提高高阶QAM信号的盲均衡性能,提出一种分数间隔混合盲均衡算法。该算法将恒模盲均衡算法(CMA)与判决引导算法相结合,并充分利用了分数间隔均衡结构在收敛速度、稳态误差方面的优势。均衡器系数更新首先进行时域解相关,为了消除恒模盲均衡算法的相位不敏感特性,在实现上构造载波同步与盲均衡的大环路。仿真结果表明,对方形星座图的高阶QAM信号,该算法可以提供更快的收敛速度和更小的稳态误差。

基于ICA的混合图像盲分离算法性能初探

为了找出适用于混合图像分离的优秀算法，针对不同的ICA算法，使用基于Matlab的经典ICALAB软件包分别在相同混合矩阵．不同混合矩阵条件下对比了各算法在混合图像分离中的性能指标和迭代时间，对比了各算法在混合图像分离中的性能。最终，通过仿真实验对比得出了SANG和FPICA算法是适用于混合图像分离的优秀算法。

适用于高阶QAM信号的盲均衡算法

为了提高高阶QAM信号盲均衡性能,给出了改进的WMMA盲均衡算法和基于多模的混合盲均衡算法。改进的WMMA盲均衡算法采用新的加权因子选取方法,降低了稳态误差,提高了算法对不同调制阶数的适应能力;此外,采用了基于峰度的变步长方法,能够提高均衡器收敛速度。基于多模的混合盲均衡算法将改进的WMMA盲均衡算法和判决引导算法有机结合,构造出新的混合盲均衡代价函数,在保证较低稳态误差的前提下,能够大幅度提高均衡器的收敛速度。理论分析和仿真结果表明,2种算法对信号星座图的形状不敏感,稳态误差和收敛速度较其他算法均有改善。

飞机舱音记录器非话语信号盲分离性能

飞机驾驶舱话音记录器(Cockpit voice recorder,CVR)记录的舱音信号,通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听,存在不易准确分辨出各种独立的声音信号的缺点。本文提出采用基于高效快速的独立分量分析(Efficient variant of fastI-CA,EFICA)算法和可调整权值的二阶盲分离(Weight-adjusted variant second-order blind identification,WA-SOBI)的混合算法对舱音信号进行分离实验。采用不同算法的仿真结果比较表明,混合盲处理算法具有更为优越的分离性能。

高阶QAM信号盲均衡算法及其FPGA实现

针对高阶QAM信号的盲均衡问题,提出一种将广义多模算法(GMMA)与判决引导(DD)算法相结合的混合型盲均衡算法GMMA-DD。该算法融合GMMA算法与DD算法的优势,采用均方误差控制2类误差信号在总误差信号中所占的比例,从而提高高阶QAM信号的盲均衡性能。为便于现场可编程门阵列(FPGA)实现,对GMMA-DD算法进行改进,以降低算法复杂度、节省硬件资源。在FPGA上采用串行结构,以流水线的方式设计并实现该算法。实验结果表明,该盲均衡器能够较好地完成对高阶QAM信号的均衡。

适用于圆形高阶QAM信号的盲均衡算法

针对现有盲均衡算法大多仅适用于方形或十字形QAM信号的问题,本文提出了一种适用于圆形高阶QAM信号的混合盲均衡算法。该算法首先对区域多模盲均衡算法进行改进,提出了新的区域划分方法并将其与改进的多模盲均衡算法相结合,构造了新的误差模型使之与圆形星座匹配程度大大提高;然后将其与判决引导算法和数据重用技术有机结合,构成低稳态误差的快速混合盲均衡算法。与其他同类型盲均衡算法相比,本文算法对于圆形星座高阶QAM信号尤为有效,不仅降低了稳态误差,且大幅度减少了收敛所需符号数。仿真结果验证了该算法的有效性。

单通道时频重叠高斯调幅通信信号盲分离方法

为了解决单通道多个时频重叠高斯调幅通信信号共信道的盲分离问题,提出了一种混合遗传与最小值搜索的盲分离算法。根据信号的特征,建立信号模型,利用接收到的一组混合信号的数据,利用混合遗传与最小值搜索的盲分离算法对所有待估计参数进行联合搜索,实现了多个信号分量的重构和分离。仿真结果表明,与传统的最小值搜索算法(初值选取误差控制在远离期望值的5%以内)和遗传算法相比,该算法有较高的数值精度和不受初值选取影响的优点。

食源性致病菌混合盲样菌株检测分析

目的通过参加微生物质控考核,了解实验室细菌鉴定能力。方法按照《食品安全国家标准食品微生物学检验》对2支食源性致病菌的混合盲样菌株进行分离培养鉴定。结果根据细菌的生长特点、形态学观察和生物学特征来判断,001号检出出血性大肠埃希菌和乙型副伤寒沙门菌,100号检出蜡样芽胞杆菌。结论两支混合盲样菌株鉴定正确,通过盲样菌株的鉴定再次提高了检测人员的检测水平。

基于相似度检测的欠定混合矩阵盲估计

针对现有欠定盲分离混合矩阵估计方法中存在的估计精度低以及时间复杂度高等缺点,提出一种基于相似度检测的欠定混合矩阵估计方法.该方法能够在没有任何先验信息的条件下自适应地估计出源信号数目以及混合矩阵,而且不需要进行迭代,时间复杂度低.仿真结果表明,与现有的一些混合矩阵估计方法,如改进K-均值聚类法和拉普拉斯势函数法相比,所提出的方法在源信号数目估计准确率、混合矩阵估计精度以及时间复杂度等方面都具有明显优势.

A Block-Adaptive Blind Separation Algorithm for Post-Nonlinear Mixture of Sub- and Super-Gaussian Signals

The problem of blind separation of signals in post nonlinear mixture is addressed in this paper. The post nonlinear mixture is formed by a component wise nonlinear distortion after the linear mixture. Hence a nonlinear adjusting part placed in front of the linear separation structure is needed to compensate for the distortion in separating such signals. The learning rules for the post nonlinear separation structure are derived by a maximum likelihood approach. An algorithm for blind separation of post nonlinearly mixed sub and super Gaussian signals is proposed based on some previous work. Multilayer perceptrons are used in this algorithm to model the nonlinear part of the separation structure. The algorithm switches between sub and super Gaussian probability models during learning according to a stability condition and operates in a block adaptive manner. The effectiveness of the algorithm is verified by experiments on simulated and real world signals.