光偏振复用正交频分复用系统中基于联合近似特征矩阵对角化-独立分量分析的盲均衡算法

该文提出一种在光偏振复用正交频分复用(PDM-OOFDM)系统中基于联合近似特征矩阵对角化-独立分量分析(JADE-ICA)的盲解偏振复用算法。在传统的偏振复用系统中,恒模算法(CMA)被用于解偏振复用信号。然而,该方法需要多次对CMA滤波器系数更新,CMA收敛时间较长,并且CMA算法解偏振复用可能导致奇异性问题。该文结合对经典ICA算法及其模型的分析,提出将JADE-ICA算法用于PMD-OOFDM系统中进行解偏振复用信号。利用该方法,可以分离在发送端和接收端混有高斯白噪声的偏振信号成分,并且提高了系统中偏振信号的分离性能;同时,避免了传统CMA在解偏振复用中的奇异性问题。仿真结果表明,该文方法可以有效分离PMD-OOFDM系统中的偏振信号。

基于Hankel矩阵联合近似对角化的结构模态识别

针对基于二阶盲辨识(second order blind identification,简称SOBI)的模态参数识别方法存在的不足,提出了一种基于Hankel矩阵联合近似对角化(Hankel matrix joint approximate diagonalization,简称HJAD)技术的结构运行模态分析(operational modal analysis,简称OMA)的新方法。该方法通过对随机子空间类模态识别方法常用的Hankel矩阵进行联合近似对角化,以分离各阶模态响应,进行模态识别。与基于SOBI的模态识别方法相比,在具体实施过程中,仅需要在分析数据中添加与实测振动响应对应的时间延迟的数据,实现难度较小。数值算例和物理模型试验的分析结果表明,所提出的基于HJAD技术的结构运行模态分析方法,不仅具有鲁棒性强和计算效率高的优点,还可以克服传统的基于SOBI的模态识别方法的模态识别能力受测点数目限制的问题。

基于改进遗传算法的矩阵联合对角化

该文首先将矩阵联合对角化问题化简成一个只含有特征矩阵的优化问题,为了便于求解,文中将待求特征矩阵的每一列向量进行参数化处理,并利用改进的遗传算法寻找最优的新参数。算法改进了染色体的选择,交叉和变异概率,并在交叉算子和变异算子中引入了模拟退火技术,最后结合梯度算法进行局部寻优。计算机仿真结果验证了该算法的正确性和有效性。

电力系统谐波频率检测的高阶累积量近似联合对角化算法

提出了1种用于电力系统谐波频率恢复的高阶累积量联合对角化算法。该算法以电力系统谐波采样数据的四阶累积量矩阵为基础,对1组四阶累积量矩阵进行联合对角化,然后根据root-music算法的原理,利用对角化所得的对角矩阵和联合对角化器,检测电力系统中的谐波频率,为谐波的分析和治理提供可靠依据。试验结果表明本算法优点如下:一是仅用1组采样数据就构造了多个四阶累积量矩阵来共同辨识信号频率,提高了采样数据的利用率,提高了算法精度;二是低信噪比时,仍可以自动有效地抑制高斯白噪声和高斯色噪声。

彩色视频提取心率信号的联合近似对角化算法

为了实现从彩色视频中有效提取心率信号,实时检测人体心率,提出使用基于特征矩阵联合近似对角化的盲源分离算法,从RGB彩色可见光视频信号中分离周期信号,为周期信号处理和周期分析得出心率提供数据基础,从而提高非接触式心率测量的准确性。同时利用matlab编写程序进行仿真实验,实验结果表明该算法能有效分离振幅在干扰信号波动范围的0.2及以上的源信号,分离信号与已知源信号相关系数高达0.8。

基于联合矩阵对角化的双基地MIMO雷达DOD-DOA估计

针对双基地MIMO雷达收发角(DOD-DOA)估计问题,该文提出一种基于联合矩阵对角化的快速多目标收发角估计算法。该算法首先根据匹配滤波输出的数据结构,利用奇异值分解和秩1矩阵判断定理将收发角度估计问题转化为联合矩阵对角化问题,然后采用单次-扫描迭代算法对其求解,得到收发阵列流型矩阵,最后通过谱分析方法估计收发角。该算法充分利用匹配滤波输出的所有信息,无需2维谱峰搜索,每次迭代均可得到精确的闭式解,且收发角自动配对。与现有算法相比,该算法不仅提高了角度估计精度,而且有效降低了运算量。仿真结果证明了所提算法的有效性。

时空相关矩阵联合对角化对空间谱分辨性能的影响

采用基于Jacobi算法的矩阵联合对角化方法对阵列接收数据的空时相关矩阵进行联合对角化,得到空时相关矩阵"平均"特征值和特征向量。将这些平均值应用于Capon提出的最小方差无畸变响应(MVDR)空间谱估计算法,得到修正MVDR算法。仿真实例表明,修正MVDR算法优于常规MVDR算法,当信号源部分相关时,由于修正MVDR算法不需要信源数目的先验信息,其性能明显优于MUSIC算法,特别是当信源数目欠估计时。

基于联合近似对角化的多源局部放电混合信号分离方法研究

电气设备内存在多个局部放电源时,会产生混合的局部放电信号,这会给后续信号识别等工作带来困难。针对该问题,以电气设备内同时存在3种不同绝缘缺陷为例,分别用3种指数型信号模型和3种特高频局放数学模型构造了两组混合局放信号,以模拟不同电气设备产生的混合信号,并提出使用一种通用的基于联合近似对角化(JADE)的盲源分离算法来分离信号,接着使用相似系数和信号干扰比两种评价参数来描述分离算法的性能,最后在信号中加入适当的噪声,测试了算法的鲁棒性。仿真结果表明,该方法能够有效分离信号,分离信号与源信号的相似系数分别在0.90以上,信号干扰比在9.0以上,且具备一定的鲁棒性,为后续信号识别工作打下了一定的基础。

应用JADE盲分离算法分离统计相关源

在一些如故障诊断等复杂的应用系统中 ,不相关源与相关源往往以相互混合方式同时存在于传感观测中。由于相关源不满足盲源离理论有关源的统计独立性前提假设 ,因此现有的盲源分离算法如基于矩阵联合对角化的算法等 ,无法从混有相关源的传感观测中准确分离源信号 (不相关源信号和相关源信号 )。本文在基于矩阵联合对角化的盲分离算法的基础上 ,提出通过对其源估计进行修正的相关源分离算法。理论分析和仿真结果表明 :修正后的基于矩阵联合对角化的盲分离算法 ,能有效地分离包含相关源的混合观测信号。

基于JADE和平行因子分解的欠定混合盲辨识算法

针对源信号个数未知的欠定混合盲源分离问题,本文提出了一种基于特征矩阵联合近似对角化(Joint Approximate Diagonalization of Eigenmatrices,JADE)和平行因子分解的欠定混合盲辨识算法,该算法不需要源信号满足稀疏性要求,仅在源信号满足相互独立和最多一个高斯信号的条件下,通过将JADE算法中的样本四阶协方差矩阵叠加成三阶张量,再对此三阶张量进行平行因子分解来完成源信号数和混合矩阵的估计,由于平行因子分解的唯一辨识性在欠定条件下仍然满足,该算法能够解决欠定盲源分离问题。并对该欠定混合盲辨识算法进行了深入的分析。通过仿真实验,计算估计矩阵与混合矩阵的平均相关误差,结果表明本文提出的算法在适定和欠定混合时均具有很好的辨识效果,而且实现简单,可满足实际应用的要求。

JADE盲信号分离算法失效问题研究

分离(或解混合)矩阵的学习算法是盲信号分离的关键技术,矩阵联合对角化的预白化JADE算法是一种基于四阶累计量的学习算法。本文在分析该算法原理的基础上,从理论上找出了算法失效的原因,即源信号相关性越强,JADE盲信号分离算法失效问题越严重,并通过仿真实验证明了理论分析结果的正确性。

EMD与JADE相结合的算法及验证

针对汽车变速器齿轮在长时间高强度工作状态下易产生故障的问题,提出了一种基于经验模式分解(EMD)和盲源分离算法中的特征矩阵联合近似对角化法(JADE)相结合的汽车变速器齿轮故障诊断算法.首先,将振动信号进行EMD分解,再根据互相关准则对分解后的本征模分量进行重构,构造虚拟噪声信号,并以此作为JADE的输入矩阵;然后,采用JADE算法分离得到能清晰反映齿轮状态的特征信号.最后将该方法应用于汽车变速器齿轮故障诊断中,仿真和实测分析结果均表明该方法有效可行.

一种基于JADE算法的FDA-MIMO雷达智能抗主瓣转发干扰方法

针对传统的相控阵雷达及多输入多输出(MIMO)雷达在面对与目标角度相同、距离不同的主瓣转发式干扰时无法有效地区分目标与假目标的问题,以及多类型主瓣干扰同时存在的抗干扰难题,基于频率分集阵列(FDA)-MIMO雷达,提出了一种基于矩阵联合近似对角化(JADE)盲源分离算法的智能抗干扰方法。首先对接收信号进行波束形成处理,然后将波束输出信号进行匹配滤波处理。根据频率分集子频率受干扰的情况,自适应地选择干扰较弱的子频率,采用JADE算法将干扰与目标分离开来,实现智能抗干扰。为了加强对主瓣瞄频及切片等转发干扰的对抗效果,针对每个频率分集子频率,采用低通窄带滤波,滤除干扰。仿真实验表明:将基于智能子频选取策略的接收波束域JADE算法应用到FDA-MIMO雷达可以实现良好的抗主瓣干扰效果。

JADE算法在盲信号分离中的应用

分离矩阵的学习算法是盲信号分离的关键技术，矩阵联合对角化的预白化JADE算法是一种基于四阶累计量的学习算法。本文简要介绍了JADE算法的基本原理，通过实例，采用JADE算法对盲信号进行分离。实验表明，JADE算法在盲源信号分离中是一种很有潜力的方法。

由可见光谱视频中提取心率的对角累积量法

由于使用经典的联合近似特征对角化(JADE)算法从视频中估计光电容积脉搏波(Photoplethysmography,PPG)信号,再经快速傅里叶变换转化成的心率值与真实心率值的误差较大,本文提出使用基于对角累积量算法从视频中分离PPG信号,再经过快速傅里叶变换转换成心率的方法来提高心率测量的准确性。进行了从RGB彩色可见光视频信号中恢复心率值的实验。对比实验表明,基于对角累积量分离算法所得心率值与真实心率值差的绝对值的统计特征参数较JADE算法均有所降低,均值、标准差、均方根误差平均分别下降1.46,4.98和4.49。通过Bland-Altman图的分析表明,在95%的置信区间内,对角累积量算法所得心率的浮动范围较JADE算法减小了2倍以上,显示对角累积量算法具有更高的估计精度,对肤色亮度和外界自然光的要求更低,通过调整参数值,可使运行时间控制在1s之内,基本满足实时提取心率的要求。

基于遗传算法的盲源信号分离

从混合观测数据向量中恢复不可观测的各个源信号是阵列处理和数据分析的一个典型问题·独立分量分析是解决该问题的新技术,而基于四阶累计量的联合对角化(JADE)算法是独立分量分析最常用的算法,但此算法在k>2时得到近似解,且结果不精确·提出了一种基于遗传算法盲源信号分离的算法,此算法克服了JADE算法的不足,理论分析和仿真结果表明了该算法的可行性和有效性·

一种基于盲分离的欺骗干扰抑制算法

该文针对单天线雷达的欺骗干扰,研究了一种基于盲分离的欺骗干扰抑制方法。该方法在对接收信号进行分段提取的基础上,借助特征矩阵联合对角化(JADE)的盲分离技术获得多段分离信号,然后利用分选技术获取完整源信号,最后根据数字射频存储技术(DRFM)的相位量化特性鉴别目标和干扰。仿真结果表明,在高信噪比(SNR)下算法对欺骗干扰具有较好的抑制性能,且当SNR>15 dB时,目标回波相似系数大于85%;相位量化位数低于4位时,鉴别概率接近100%,目标延迟时间测量误差小于0.3μs。

一种解析的基于旋转矩阵估计的波达方向估计方法

本文提出了一种解析的基于旋转矩阵估计的高分辨波达方向估计算法.为了充分利用空时信息以提高算法的估计性能,利用传感器阵列接收数据相关矩阵构建既包含旋转矩阵信息又具有可对角化结构的目标矩阵组.通过一系列矩阵变换,将复数域普通目标矩阵组转化为实数域对称目标矩阵组,以利用ACDC算法实现目标矩阵组的联合对角化并求得对角矩阵,继而求取旋转矩阵并挖掘波达角度信息,实现了波达方向估计.仿真结果表明,与其他现存的经典算法相比,所提算法具有更强的分辨能力及更准确的估计性能.

基于EEMD-JADE的桥梁挠度监测中温度效应的分离

针对桥梁挠度各成分的分离问题,提出一种基于EEMD-JADE的单通道盲源分离算法。首先,利用传统的集合经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)将单通道的桥梁挠度信号分解为一系列线性平稳的本征模函数(Intrinsic Mode Function,IMF);然后,采用基于能量熵增量的判别法识别并剔除虚假的IMF分量,将能量熵增量较大的IMF分量组成盲源分离模型的输入信号;最后,采用矩阵联合近似对角化(Joint Approximate Diagonalization of Eigen-matrices,JADE)算法对输入信号进行盲源分离。JADE算法在源信号频率差异较小且频率有所混叠的状况下也能较好地分离出源信号,但要求观测信号数必须大于等于源信号数目;EEMD具有良好的自适应性,能够将单通道的混合信号进行多尺度分解,形成多通道信号,但分解结果存在端点效应与模态混叠。JADE算法能够解决EEMD分解结果存在的端点效应与模态混叠问题,且EEMD也解决了JADE分离算法的先决条件。两种算法优势互补,能够较好地分离出各挠度组分。通过有限元软件Midas/civil建立了背景桥梁模型,经仿真分析得到了各单项因素作用下的桥梁结构响应,并将其叠加在一起作为待分离的混合挠度信号。仿真信号分离的结果与源信号的相关系数均在0.98以上,说明分离效果较好。最后,采集实测挠度信号进行分离,处于对称位置测点分离出的各挠度组分的相关系数均在0.9以上,证明了该算法的适用性。

基于步长自适应的独立向量分析卷积盲分离算法

独立向量分析(IVA)是解决频域卷积盲分离排序模糊性最好的方法之一,但存在迭代次数较多、运算时间较长、分离效果易受分离矩阵初值影响的局限性。该文提出一种基于步长自适应的IVA卷积盲分离算法,该算法使用特征矩阵联合近似对角化(JADE)算法对分离矩阵进行初始化,并对步长参数进行了自适应优化。JADE初始化能够使分离矩阵具有合理的初值,避免局部收敛的情况;步长的自适应优化能够显著提升算法的收敛速度。仿真结果表明,该算法进一步提升了分离性能,并显著缩短了运算时间。