多输入多输出盲解卷问题的最大熵解法

本文研究的问题是从观察信号中分离出两个（或者更多个）输入信号，其中每一组信号分别通过不同的未知多输入多输出线性系统．本文证明了当输入信号是两两相互独立的独立同分布信号时可以分离出输入信号，并导出了基于最大熵的多输入多输出盲解卷新算法．这个算法不需要任何关于输入信号和混合滤波器的先验知识．

基于频域盲解卷的噪声信号分离

由于机械噪声传播过程中存在反射等多种因素影响,大多数情况下混合噪声分离更适合采用卷积模型,为此提出了一种多频点盲解卷算法。有别于传统的频域盲解卷算法,新算法利用有限的少数几个频率点直接从频域模型恢复出时域噪声信号。算法为瞬时混合盲分离-主成分分析-瞬时混合盲分离结构,首先对给定的每一个频率点执行瞬时混合盲解卷算法,获得噪声源的基本估计,然后再经过主成分分析和第二次盲源分离,提高分离性能和增加算法鲁棒性。由于算法不需要对所有频率点执行瞬时混合分离,计算量小,同时也不存在传统频域盲解卷算法排列顺序不确定性的缺点,具有较好的应用价值。仿真实验证实了新算法能有效地分离机械噪声信号。

基于盲解卷问题的脉搏波的信号分析

在同态解卷的脉搏系统分析模型的基础上 ,研究了脉搏信号盲解卷的原理。提出了实际可行的算法 ,提取了心脏激励源信号的特征波形。实验结果表明该算法的可行性 ,为脉搏信号的进一步分析提供了依据。

最小互信息量用于单输入单输出的盲解卷问题

本文利用最小互信息量标准处理盲解卷问题．首先，分别通过Edgeworth拓展和Gram—Charlier拓展方法近似输出的概率密度函数．继而估计互信息量．最后利用最小化互信息量原理求得优化的解卷滤波器系数，仿真实验证明了本文算法的有效性．

标准SIMO信道盲解卷固定点算法

从最简单的IIR-SIMO信道出发,采用离散傅立叶变换从理论上推导出了源信号估计值与观测信号的基本关系,据此提出了源信号固定点迭代计算方法,并基于最小均方误差准则给出了确定滤波器阶数的代价函数.在此基础上,进一步将这种分析方法推广到标准SIMO信道,进而最终建立了标准SIMO信道盲解卷固定点新算法.该算法无需设置迭代步长,也不像已有的许多SIMO盲解卷算法一样要求源信号属于有限字符集.针对混迭语音信号进行的仿真结果验证了算法理论分析的正确性和算法的有效性.

基于不完整约束自然梯度算法的多道盲解卷

针对多输入多输出(MIMO)系统的Bussgang算法可能收敛到错误的解,而且收敛速度慢的缺点。章提出了不完整约束的自然梯度算法,该算法是由不完整约束条件与自然梯度算法的结合而推导出来的。通过计算机仿真对这两种多道盲解卷算法进行了比较,仿真试验表明:提出的算法收敛速度快,并且比Bussgang算法稳定。

基于盲解卷的雷达信号分选

盲信号处理是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。深入分析了非平稳信号的盲解卷算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得较好的分离效果,从而为实现现代电子对抗中复杂的雷达信号分选提供了新的思路。

卷积混叠信号的最小互信息量盲分离算法

本文提出了一种卷积混叠信号的盲分离算法。该算法利用当信号相互独立时互信息量最小的特性作为分离准则，应用随机梯度算法确定分离滤波器的系数，文中给出了详细的理论推导。理论分析及实验仿真证明了算法的有效性。

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.

基于双正则化的图像超分辨率盲重建

图像超分辨率重建是利用数字信号处理技术由一系列低分辨率观测图像得到高分辨率图像。大多数重建算法假设成像系统的模糊特性也即点扩散函数(PSF)已知,然而实际的应用环境下PSF事先不知道或部分知道。为此,将未知PSF模型化,提出基于双正则化的图像超分辨率盲重建算法,并且正则化作用的强度随重建图像局部光滑程度的变化而自适应地改变,以便能保护图像细节同时抑制平滑区域的噪声。求解过程中采用交替最小化方法估计PSF参数和高分辨率图像,并随着迭代次数的增加逐步提高每次寻优的精度以节省计算开销。实验结果表明,该算法能够比较准确地估计出PSF参数并取得较好的图像重建效果。

基于盲分离技术的柴油机活塞-缸套撞击信号提取方法

利用盲分离技术对柴油机活塞-缸套撞击信号进行分离,并通过计算机仿真和对实验结果的分析验证该方法的可行性。

基于改进Bussgang算法的多机组故障诊断仿真和试验

针对非平稳信号改进Bussgang算法,借助参考噪声抵消包含在混合信号中的噪声,最小化输出信息的广义能量来获得最好的消噪效果;通过计算机仿真确定适合的非线性函数,仿真结果发现随着延迟系数的增大,收敛误差函数值减小,收敛性能增强;试验模拟了两个故障和三个故障的情况,分离结果与基于ICA、Bussgang算法的结果比较,验证改进算法对多机组含噪非平稳信号分离的有效性。