基于核估计的超定混合共轭盲信号分离方法

当混合信号的个数多于源信号时,盲源分离模型中的混合矩阵被描述为一个超定矩阵,因此不能直接通过估计逆矩阵的方法来得到分离矩阵。针对该线性超定混合情况提出了一种基于共轭梯度的盲源分离方法。该方法基于最小互信息准则,通过对行满秩分离矩阵的奇异值分解而引入了超定盲源分离的代价函数。利用共轭梯度优化算法推导出了迭代计算分离矩阵的更新公式。在每次迭代计算中,利用随机变量概率密度估计的核函数法在线估计分离信号的评价函数。避免了诸多传统盲分离算法中只能凭经验选取特定的非线性函数来代替评价函数的问题。仿真结果验证了所提算法的有效性。

基于功率谱密度的盲信号分离

提出一种新的基于功率谱密度的盲信号分离方法。该方法在传感器数与源数关系不明确情况下,且源信号相互独立时,直接通过混合信号功率谱密度函数比值求解混合阵,并通过混合阵判定观测信号是完备混合、超定混合还是欠定混合,由此进一步分离信号。理论分析、仿真数据证明了算法的有效性。同时还仿真了噪声对分离性能的影响。