基于ICA瞬时混合模型的多次波消减算法

根据实际地震记录中一次波和多次波信号分布的非高斯特性,本文提出了一种基于ICA瞬时混合模型的多次波消减算法.与目前基于两个观测信号恢复两个源信号ICA的多次波自适应相减技术相比,本文采用了多个观测信号恢复多个源信号的ICA瞬时混合模型,并充分考虑了所有预测多次波与其相应实际多次波振幅比例系数不等的情况.而且利用对混合矩阵的先验特征的分析,解决了文中ICA模型固有的两个不确定性问题,实现了一次波的有效辨识和提取.

一种针对欠定瞬时混合模型的盲辨识算法

文中研究了欠定瞬时混合模型下的盲辨识问题,提出了一种基于单源点检测的盲辨识算法。首先,文中介绍了欠定盲源分离的盲辨识模型;其次,利用观测信号时频系数之间的关系和大小来检测用于聚类的单源点;最后,采用势函数聚类的方法估计出混合矩阵。仿真结果表明,文中算法与其它相同混合模型的算法相比,具有更好的算法性能。

等变自适应盲信号分离方法的研究

盲信号处理(BSP)是近年来现代信号处理领域研究的主要方向之一，而盲信号分离(BSS)则又是盲信号处理中最重要的一部分。本文首先给出了盲信号分离中传统的瞬时混合模型、时延混合模型和卷积混合模型，其次介绍了一种等变自适应盲分离算法，最后给出了相应的仿真和结论。

基于互累积量的有噪独立分量分析方法

针对传统独立分量分析(ICA)方法无噪假设的局限性,提出基于互累积量的有噪ICA方法。考虑含高斯噪声的瞬时混合模型,以观测信号的互累积量组成一系列对称矩阵,以对称矩阵的联合对角化程度为目标函数,采用粒子群优化算法对混合矩阵进行全局寻优。通过寻优得到混合矩阵,将有噪ICA转化为一维欠定ICA,基于奇异值分解法得到源信号的估计。仿真结果表明,与传统ICA方法相比,该方法对混合矩阵的估计精度较高,可以明显提高分离信号的信噪比。