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。

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。

一种引入虚拟噪声分量的独立分量分析语音增强算法

简要介绍了有关独立分量分析(ICA)的基本理论和算法后,探讨了独立分量分析在语音增强中的应用。针对在加噪模型中进行ICA分离时,噪声消除比较困难这一问题通过理论分析,引入了虚拟高斯白噪声的概念,将其应用在ICA的语音增强算法中得到了解决。仿真试验结果表明,该方法能有效地消除语音信号中的白噪声。

MIMO-OFDM系统的信道盲估计算法

正交频分复用(OFDM)在宽带多天线通信系统中的使用显著地降低了接收端设计的复杂度,接收端信号经过OFDM调制后能将有限冲激响应信道的识别简化为一系列的无记忆系统识别问题。采用盲信源分离算法在频域中对信道进行盲估计,并利用相邻子载波间信号在时间上的相关性,消除多天线系统盲信道估计中幅度和排列识别模糊问题。该算法不需要在发送数据中插入导频和训练序列,提高了系统的频带利用率。

基于延时估计的实时语音盲分离算法

目前盲分离算法相当复杂,对硬件的运算速度要求很高,无法满足实时性要求。根据盲信号分离的原理和特点,提出了一种基于延时估计的实时语音盲分离算法,大大提高了盲解分离的运算速度,主客观评价表明其具有很好的分离效果,证明了算法的有效性。

独立分量分析算法及在生物医学工程中的应用

独立分量分析算法是一种多维统计方法。该算法的研究对象是多元随机信号，其研究目的是将这些多元随机信号转化成包含统计上相互独立的多个分量的信号。简要介绍了各种独立分量分析算法，包括基于二阶统计量的二阶盲辨识算法和多未知信源分离算法，以及基于高阶统计量的信息极大化法、改进的信息极大化法、快速固定点独立分量分析和特征矩阵联合近似对角化算法；比较了各种方法的运行性能并展望其在生物医学工程中的应用前景。

基于盲源分离的卫星多径信号提取算法

针对卫星多径信号引入的干扰问题,建立了卫星多径干扰信号盲源分离模型,采用基于降维Householder变换的特征矩阵联合近似对角化(JADE)算法对接收的混合信号四阶累积量进行联合近似对角化,从而提取多径信号。实验结果表明,本算法能很好地分离频谱完全重叠的多径信号和部分重叠的干扰信号;在提取多径信号方面,本算法的性能优于快速独立成分分析(FastICA)算法;在运行时间上,FastICA算法运行1000次的平均时间约为采用Givens旋转的Cardoso高阶累积量特征矩阵联合近似对角化(CG-JADE)算法的6倍,而本算法比CG-JADE算法的平均运行时间少0.0024 s,证明了本算法的有效性和快速性。

基于时变自回归模型的FAJD盲源分离算法

为实现多高斯源和相关源信号的盲分离,在快速近似联合对角化(FAJD)算法的基础上,将故障诊断领域的时变自回归理论成功地应用于相关源信号的盲分离和多高斯源信号的盲分离.首先采用时变自回归模型(TVAR)对源信号建模,并通过白化预处理使得建模后的源信号具有可联合对角化的结构;然后,通过基函数加权和的方法将时变参数近似为已知基函数的加权和的形式,将其变成时不变的参数,再通过递推最小二乘法求解出模型系数矩阵组;最后,将所求出的系数矩阵组作为快速近似联合对角化的目标矩阵组,通过FAJD算法实现混合信号的分离.Matlab仿真实验验证了所提出的算法对于相关源信号和多高斯源信号的分离是行之有效的.由于算法中TVAR模型的优良特性,此算法非常适用于混合通信信号的盲分离.

多速率DS/CDMA信号扩频序列并行盲估计方法

针对可变扩频长度多速率直接序列码分多址(direct sequence/code division multiple access,DS/CDMA)信号扩频序列盲估计问题,提出了一种基于盲源分离的并行估计方法,该方法首先利用二次功率谱的方法估计出信号不同速率的扩频码周期,然后利用多速率DS/CDMA信号周期特性将信号依据周期并行地建模为主用户和干扰用户(即将同一周期下的用户视为主用户,其余的用户和噪声一律视为独立的单个干扰用户)的模型,最后针对同步和异步两种情况,分别以单倍周期和两倍周期长度对数据进行分割,生成数据矩阵,并结合稳健的矩阵联合近似对角化(JADE)算法对扩频序列进行并行的盲估计.计算机仿真结果表明方法在较低信噪比下有效.