多维盲信源分离的联合块对角化方法

根据多维盲信源分离中源信号组内相关、组间独立的特点,提出一种利用联合块对角化解决该问题的方法,并用经过改造的雅克比算法实现。源信号自相关矩阵具有块对角结构,使得白化后观测数据的时延相关矩阵具有可联合块对角化的结构,因此可以通过联合块对角化来辨识分离矩阵中的正交部分以恢复源信号。针对联合块对角化的特点,对传统的雅克比方法加以改造,将GIVENS旋转矩阵中参数的选择问题转化为一元四次三角函数多项式的优化问题,同时调整旋转的循环顺序。这样,通过连续的GIVENS旋转即可实现联合块对角化。实验仿真和分析表明了算法的有效性。

卷积混合语音的联合块对角化盲源分离算法

针对语音卷积混合模型,提出了一种新的时域盲源分离算法。首先对观测信号进行重新排列,将卷积混合盲分离问题转化为瞬时混合盲分离问题,然后对联合近似对角化算法进行了推广,利用语音的非平稳和短时平稳特征定义联合差分相关矩阵和联合块对角化代价函数,通过鲁棒的白化过程和求解最优化问题实现卷积语音的盲分离。由于避免了时域卷积运算和变换域处理,使算法更加简单,复杂度更低。仿真结果验证了该算法的有效性,同时,就数据长度参数变化对信干比的影响,以及通过与基于线性预测的卷积盲分离算法和自然梯度卷积盲分离算法的比较对该算法的性能做了进一步的分析。

机械振动源的联合块对角化盲分离算法

基于QR分解建立一种新的非正交联合块对角化(joint block diagonalization,JBD)(QRJBD算法)的振动源盲分离方法.该方法具有对目标矩阵的限制少、复杂度低、易于收敛到全局最优解等优点.结合双层加肋圆柱壳体结构的振动信号分离试验,从算法的收敛性、目标矩阵的数目、随机噪声水平、子块矩阵的维数等方面对QRJBD方法的性能进行了研究.由此,选取合理的算法参数,实现振动源信号的盲源分离,且分离精度和时间均优于现存常用的方法,充分说明新算法在振源分离中既保持了效率又提高了分析的准确性.

一种新的联合块对角化卷积盲分离时域算法

提出一种基于高阶累积量联合块对角化的时域算法求解卷积混合盲信号分离问题。引入白化处理,将混叠矩阵转变成酉矩阵,混合信号转变为互不相关的,进而计算出其对应的一系列高阶累积量矩阵,通过最小化代价函数来实现高阶累积量矩阵联合块对角化的目的,在时域中解决超定卷积盲分离问题。实验表明,相比于经典的自然梯度算法,所提方法的分离精度更高,且运算速度也更快。

基于联合块对角化的语音盲源分离算法

针对语音信号的卷积混叠盲源分离问题,提出了一种时域非正交联合块对角化的改进算法。对观测信号进行滑窗处理,使其转化为瞬时混叠模型,然后利用信号的二阶统计量构造目标矩阵组,使其具有可联合块对角化结构。改进代价函数,并采用循环最小化方法进行优化,求取代价函数的最优解,得到混叠矩阵的估计,从而实现语音信号的盲源分离。与传统算法相比,该算法无需进行预白化处理,避免了白化误差的引入;无需进行频域的相关变换,使得算法更加简单;引入了非奇异性约束项,使得算法不易收敛到退化解。仿真结果验证,算法收敛速度快,且分离效果好。

水下耦合机械噪声源的量化识别及试验

目前水下机械噪声源及其传递路径识别效果较难。为此,将盲源分离算法和传递路径分析方法融合和集成。视多振源信号为卷积混叠,结合LU分解,提出一种新的非正交联合块对角化方法进行耦合振动源的分离。将分离振源作为工况传递路径分析方法的输入振源,建立水下机械振动噪声源识别算法,并对潜艇舱段模型的水下振动—声辐射试验对算法进行验证。结果表明,与现存方法相比,该盲源分离算法具有易实现、收敛速度快、精度高等优点;所集成的源识别算法在水下声场预报和振源贡献量排序中的性能均优于振源耦合时的结果,与实际情况吻合好,达到了高效、准确地识别机械噪声源的目的。

基于三二次优化的语音卷积盲分离方法

针对语音信号卷积混迭模型,利用语音信号近似独立及短时平稳特性,提出一种基于三二次迭代优化的混迭矩阵多分量联合估计方法,交替估计三组待定参数的二次代价函数实现联合块对角化,在时域解决卷积混迭盲分离问题.理论分析了所提方法的计算复杂度和迭代收敛性.实验表明,相比于类Jacobi方法,所提方法收敛速度更快,且全局拒噪水平平均改善5dB,巴克谱失真系数改善达0.12.

基于二阶统计量的语音信号时域卷积盲分离算法

该文针对语音信号卷积混迭模型,利用信号间近似不相关和短时平稳等二阶统计特性,根据盲分离固有的排列和尺度不定性,改进最小二乘拟合函数,将关于混迭矩阵的四次函数转化为3组待定参数的二次函数。提出优化该代价函数的非正交联合块对角化算法,分3个子步,每个子步求解一个最小二乘问题,交替估计3组待定参数,逼近代价函数最小点。与ZJBD等同类方法相比,该方法具有计算复杂度低,估计精度高且对初始参数选择不敏感等特点,可直接在时域实现语音卷积盲分离。

一种非平稳卷积混合信号的时域盲源分离算法

该文将卷积混合盲源分离模型中的向量进行重新规划并对联合近似对角化方法加以推广,提出一种非平稳卷积混合信号的时域盲源分离算法。该算法先将采集到的卷积混合信号进行重排,使之满足重新定义向量后的瞬时混合模型特征,然后考虑到信号的非平稳特性,采用空间白化和联合近似块对角化方法分离出源信号。由于没有使用域变换而是从新的角度将卷积混合问题简化为瞬时混合问题,避免了卷积运算或域映射过程,降低了算法的复杂度。仿真实验验证了该算法的有效性并就参数的变化对信号干扰比的影响进行了分析。

基于时域卷积盲信号分离的雷达干扰抑制算法

把卷积盲分离算法应用于雷达系统抗干扰中,提出一种新的雷达系统干扰抑制算法.该算法在时域中对四阶累积量进行联合块对角化,以实现雷达信号和干扰信号的盲分离.计算机仿真结果表明,在无噪及含噪情况下,该算法均可把卷积混合的雷达回波信号及干扰信号分离开来,且有很好的分离性能.

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离。利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数。每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵。提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离。实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题。

时域卷积信号的交替最小二乘盲分离算法

该文分析时域卷积接收信号的时延相关矩阵具有的可联合块对角化的三因子乘积结构,通过对其所构成的3维矩阵进行切片分割和重新排列规划,提出基于交替最小二乘的三因子迭代计算方法,实现非正交联合块对角化,直接在时域解决卷积盲分离问题。实验仿真表明,与传统的联合块对角化算法相比,所提算法的收敛性能更好且更稳定,并且不受限于初始参数的选择;分离信号的相异度指标和巴克谱失真测度分别改善达到4.35dB和0.22。

基于MICA技术的胎儿心电信号提取的应用研究

多维独立分析(Multidimensional Independent Component Analysis,MICA)方法适用于实现多分量信号分析和分量提取,可实际应用于对胎儿心电信号的提取。为了说明MICA算法分离结果的可靠性,利用动态心电合成模型生成仿真的心电信号数据进行了验证,用vkMICA、cfMICA、SJADE、MSOBI四种MICA算法对实际采集到孕妇心电数据集进行了处理。实验结果显示,四种MICA算法可提取出较纯净的胎儿心电信号,并能较好地反映出胎儿心电信号的实际特征。

一种充分利用变量结构的解卷积混合盲源分离新方法

针对卷积混合盲源分离问题,提出一种基于接收信号不同延时下自相关矩阵组的联合块内对角化方法.为了求解表征联合块内对角化近似程度的基于最小二乘的三二次代价函数,给出基于梯度下降法的三迭代算法.该算法在充分利用混迭矩阵的块Toeplitz结构和源信号相关矩阵的块内对角化结构的基础上,交替估计代价函数中的三组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现信道的盲均衡和源信号的盲分离.分析了三迭代算法的收敛性能,证明即使存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与其他经典的两步算法相比,提出的一步算法能够更好地估计混迭矩阵并恢复出源信号,有效地解决了卷积混合盲源分离问题.

基于Givens-Hyperbolic双旋转的多路语音信号卷积盲分离

针对语音信号的卷积混迭模型,通过对接收信号进行滑窗处理并重新排列,使得重构后的接收信号可表示为块独立的源信号与扩展的混迭矩阵的瞬时混迭模型。利用不同语音信号之间的近似独立和短时平稳特性,分析接收信号二阶相关矩阵的非正交联合块对角化结构。改进基于Givens和Hyperbolic旋转的瞬时混叠盲分离算法,提出Givens-Hyperbolic双旋转的联合块对角化算法(GH-JBD)。所提出的GH-JBD算法可以直接在时域估计传输信道的块本质相等矩阵,实现非正交联合块对角化,进而完成卷积混叠信号盲分离。该方法不需要进行预白化处理,避免了由于白化不彻底而引入的额外误差。仿真实验验证了该算法的有效性并就参数变化对分离信号的影响进行了分析。

基于滤波器阶数估计的卷积盲分离算法

为解决时域卷积盲分离中存在的初值选取以及方阵局限问题,提出了一种基于滤波器阶数估计的非正交联合块对角化算法.该算法通过对观测信号自相关矩阵的相邻特征值比值设阈值,实现了滤波器阶数的估计和对角块个数以及维数的自适应选取;引入预白化对非方阵的等效混合矩阵进行降维处理,消除了非正交联合块对角化算法中等效混合矩阵必须为方阵的局限性.仿真结果表明：提出的滤波器阶数估计方法准确率高,有效解决了非正交联合块对角化算法在卷积混合盲分离中的初值选取问题,并且分离效果要优于经典非正交联合块对角化算法和多目标优化非正交联合块对角化算法.