基于欠定盲源分离的双路音频信号噪声自适应分离

当多个源信号同时存在于同一频段或时间域内时,它们可能会相互干扰,导致信号混叠。这种情况下使用双路音频传感器进行捕捉,无法准确地捕捉到所有源信号的信息,导致分离过程具有不确定性。对此,提出一种基于欠定盲源分离的双路音频信号噪声自适应分离方法。首先,构建欠定盲源分离模型,基于小波包变换分解和重构信号获取信号分量,并依据信号和分量之间的互相关系数筛选分解后的分量,删除其中的冗余分量后生成新的观测信号;然后,依据贝叶斯信息准则的奇异值分解方法估计该源信号的数量,将其转换为正定白化信号;最后,利用快速独立成分分析法将该信号分类,实现双路音频信号噪声自适应分离。测试结果显示:所提方法能够在保证信号质量的前提下完成信号变换处理,信干比均在15 dB以上;筛选后保留的各个分量相关系数均在0.65以上,有效地完成了对信号噪声的分离。

基于分水岭变换的互相遮挡交通标志自适应分离

针对交通标志检测中标志互相遮挡导致检测性能下降的问题,提出一种基于分水岭变换的互相遮挡标志自适应分离算法.基于RGB归一化阈值分割算法对标志图像进行二值化处理,然后构造区域轮廓特征矢量对二值图像中各个兴趣区域进行匹配,确定并提取互相遮挡标志候选区域Blob.对提取的低维数Blob进行形态学膨胀处理,使不连续的边缘趋于连续,然后利用欧氏距离变换和分水岭变换寻求标志间分水岭脊线,利用脊线实现标志的自适应分离.实验结果表明算法取得较好的分离效果,在整个标志检测应用中,与现有算法相比,检测率提高了6.1%,处理速度提升了近3倍.

混叠周期信号的自适应分离

本文采用脉冲相关自适应滤波器,较成功地分离了周期极其接近而且在频域有混叠的信号。当信号叠加有白噪声时,这种算法同时具有滤波器的功能.此算法采用多个周期不同的脉冲串作为参考信号进行多信道处理,首先使用均方误差准则准确搜索被分离的周期信号的周期.文中证明了当参考信道中脉冲信号的周期与原始输入中某一信号的周期相同时,其自适应滤波器输出即是该周期的信号.因此我们使用脉冲相关自适应滤波器成功地分离了混叠的周期信号.在实验中我们使用了变μ自适应滤波技术以加快收敛速度及减少收敛后的失调。

基于小波与傅里时变换的一类短波盲信道自适应分离算法研究

在军事短波通信信息侦察方面,短波盲信道分离有着至关重要的作用。本文对截获到的短波通信信号在信道个数及信道带宽均不确定、信道频谱理论上不重叠条件下的盲信道分离问题进行研究,将小波分析与傅里叶变换相结合,提出了一种短波盲信道自适应分离算法。仿真试验表明,该分离算法能对短波盲信道进行有效分离,具有分离精度高,抗噪声干扰能力强的优点。

特高压换流变真空有载分接开关振动及电机电流信号自适应分离方法

有载分接开关(OLTC)是特高压(UHV)换流变压器的核心部件,基于驱动电机电流和振动信号的OLTC机械状态在线监测技术是近年来研究热点。为了将振动信号和驱动电机电流信号片段从OLTC长时在线监测数据中自动提取出来,本文提出基于端点检测的信号自适应分离方法。首先,介绍端点检测基本原理,提出振动信号及电机电流信号分离流程;然后,搭建OLTC在线监测系统,并在特高压换流站实际部署;最后,分析在线监测信号时域、频域特征,采用差异化的端点检测方法分别分离出OLTC振动信号和电机电流信号,并结合信号起止点划分驱动电机的3个工作阶段。结果表明,该方法能实现OLTC振动及电流电机信号片段自适应分离,定位误差小于5 ms,为OLTC在线监测数据分析和故障诊断提供基础。

脉冲噪声环境下通信攻击信号自适应分离仿真

在通信信号处理领域中,影响通信系统性能的主要因素是通信干扰信号,因此,需要进行通信攻击信号自适应分离。但是采用当前方法进行通信攻击信号分离时,仅由观测信号恢复出源信号,存在通信攻击信号分离精度低的问题。为此,提出一种基于变换域滤波的脉冲噪声环境下通信攻击信号自适应分离方法。该方法先利用通信信号和干扰的循环平稳特征差异,基于通信信号部分调制先验信息,通过频移转换将脉冲噪声环境下混合信号转换至可分离的变换域上,对变换域的通信通道中的传输模型进行分析,确定通信信道对通信信号的影响,利用快速傅里叶变换将通信信号时域卷积混合模型转化为频域瞬时线性混合模型,在此基础上利用瞬时线性盲分离方法来进行通信攻击信号自适应分离。实验仿真证明。

关于盲信号自适应分离中非线性函数的讨论

This paper proposes a new algorithm of blind source separation (BSS). The algorithm can overcome the difficulty known as 'the sensors are less than the source signals' and works effectively when the sensors are less. Then, the paper discusses the nonlinear functions used in the new algorithm. A uniform nonlinear function is proposed and some criterion are given to choose its parameters. Finally, some simulations are presented to show the effectness of the algorithm and the correctness of the criterion.

等变自适应算法在声学特征信号分离中的应用

本文介绍了一种高效的盲分离算法———基于独立性的等变自适应分离算法 ,简称EASI算法 (EASI:Equiv ariantAdaptiveSeparationviaIndependence)。为了克服EASI算法依据峭度选择非线性函数的问题 ,引进了其改进算法。将其运用到声学诊断中 ,对声混合信号进行频谱分离 ,得到各声源的特征频谱结构图。EASI及其改进算法经过实验研究 ,证明了该算法的有效性。

基于小波域的非平稳卷积混合语音信号的自适应盲分离

一些卷积混合信号的盲分离算法是迭代性的,不适于实时应用.为此提出一种基于小波域的算法,用于卷积混合信号的自适应盲分离.对基于小波域的算法进行仿真,并与频域盲信号分离算法进行对比,结果表明所提出的算法能提高盲信号分离的性能.

基于递归神经网络结构的非平稳信号自适应盲分离

基于递归网络分离结构并利用时间相关的评价函数,针对二输入二输出盲信号分离问题,提出了一种非平稳信号的自适应盲分离算法。该算法计算量小,可根据输出信号能量大小有选择地更新分离系数,并可扩展到多输入多输出盲分离问题。仿真验证对声音等非平稳信号具有良好的分离效果。

过程信号的前馈-反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法 ,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求 ,在其他学者研究的基础上 ,基于前馈 -反馈型神经网络模型 ,提出了一种自适应盲分离算法用于过程信号的分离。

留守儿童亲子分离适应:普遍性与差异性分析

考察亲子分离情境下留守初中生的心理特征及其个体差异,采用问卷法、教师评定法和档案法搜集232名农村留守初中生的测查数据。分析结果表明:与高危型相比,适应型留守儿童在认知—行为方面表现出高挑战性—可控性认知、积极应对以及低威胁性—无控性认知、低消极应对的"三高—三低"模式;在学业成就和学校表现方面表现出高学业成就、高人际技能、高任务取向和高耐挫性的特点。不同适应类型儿童在焦虑—退缩和违纪—攻击问题方面不存在显著差异,脆弱型和矛盾型在上述所有指标上均无显著差异。改变儿童的认知—行为系统,培养其社会能力有望成为留守儿童心理健康教育的重要突破口。

基于滑动窗变步长等变自适应源分离的线性慢时变结构工作模态参数识别

为了仅从非平稳振动响应信号中在线识别线性慢时变弱阻尼结构的时变和瞬态的模态参数,提出一种基于滑动窗变步长等变自适应源分离(MWVEASI)的工作模态参数识别方法。该方法采用固定窗长技术,使得非平稳振动响应信号在每个窗内可近似看作是平稳的随机序列,线性慢时变结构可看作多个时不变结构。在每个窗内,再利用变步长的EASI算法识别出该时段内的模态振型和固有频率作为最中间时刻的瞬时模态参数。最后移动窗口,得到线性时变结构的整个时段的工作模态参数。在质量慢时变的三自由度弹簧振子结构的仿真数据集上的识别结果表明,两种不同的MWVEASI方法都能够很好地识别线性慢时变结构的模态振型、固有频率,与滑窗固定步长EASI、变步长EASI算法相比,MWVEASI能够更好地跟踪时变特性,识别精度高、收敛速度快。

变步长等变自适应盲源分离算法

针对传统盲源分离(BSS)算法采用固定步长难以同时兼顾收敛速度和稳态误差的难题,采用等变自适应盲源分离(EASI)算法,提出了一种基于分离指标的变步长等变自适应盲源分离算法(VS-SI)。该算法利用EASI收敛条件,构造表征信号分离程度的分离指标,并设计带遗忘因子的更新算法,以减小历史数据误差的影响,实现分离指标的自适应计算,并采用一个非线性单调递增函数实现步长的自适应调节。通过与固定步长的自然梯度算法(FS-NG)、固定步长的EASI算法(FS-EASI)、步长指数衰减算法(EDS)和基于权重正交约束变步长算法(AS-WO)的性能进行对比,结果表明,在无噪声和有噪声两种情况下,提出算法均有较快的收敛速度,最终性能指标分别减小了15%和20%以上,同时兼顾稳态误差和收敛速度,具有较好的数值鲁棒性。

改进后的Otsu自适应背景分离的局部直方图均衡化增强算法

Otsu自适应背景分离的局部直方图均衡化增强算法是综合改进后的Otsu自适应背景分离算法和局部直方图均衡化增强算法的一种新处理方法,首先,利用改进后的Otsu算法对图像进行目标区域和背景区域的分离,然后利用分离出来的目标区域进行直方图均衡化处理。实验结果表明,图像经过处理后,目标区域对比度明显增强。

基于自适应可分离卷积核的视频压缩伪影去除算法

针对目前视频质量增强和超分辨率重建等任务中常采用的光流估计相关算法只能估计像素点间线性运动的问题,提出了一种新型多帧去压缩伪影网络结构。该网络由运动补偿模块和去压缩伪影模块组成。运动补偿模块采用自适应可分离卷积代替传统的光流估计算法,能够很好地处理光流法不能解决的像素点间的曲线运动问题。对于不同视频帧,运动补偿模块预测出符合该图像结构和像素局部位移的卷积核,通过局部卷积的方式实现对后一帧像素的运动偏移估计和像素补偿。将得到的运动补偿帧和原始后一帧联结起来作为去压缩伪影模块的输入,通过融合包含不同像素信息的两视频帧,得到对该帧去除压缩伪影后的结果。与目前最先进的多帧质量增强(MFQE)算法在相同的训练集和测试集上训练并测试,实验结果表明,峰值信噪比提升(ΔPSNR)较MFQE最大增加0.44 dB,平均增加0.32 dB,验证了所提出网络具有良好的去除视频压缩伪影的效果。

基于动态语音源数的自适应盲源分离算法

针对特定场合中语音信号源数动态变化的不确定性盲源分离问题,提出了拓展四阶累积量矩阵估计语音信号源数的自适应方法.该方法克服了传统盲源分离方法中事先假定已经确定语音信号源个数的前提下才能进行盲分离的不足,仅根据观测语音信号数与源信号数目的关系,自适应地选择盲源分离算法实现语音信号的分离.仿真实验结果表明,该语音源数估计的自适应盲源分离算法能有效地实现超定、适定与欠定情况下的语音信号的分离,而且分离效果及鲁棒性都较好.

视频解码自适应亮色分离及其LabVIEW实现

亮色分离是视频解码中的一个关键技术。文中对此提出了四种适应于不同情况下NTSC制数字复合视频信号解码的亮色分离滤波器,并由此设计了一种基于此四种滤波器的自适应Y-C分离算法。最后通过LabVIEW来实现该算法,论证了算法的可行性。

基于Logistic混沌序列的自适应信号分离

首先分析了Logistic混沌系统的统计特性,利用其产生的信号遍历统计特性类同于白噪声序列的特性,将它应用在自适应信号分离技术中,最后给出了不同步长下基于Logistic混沌序列的自适应滤波结果,并与高斯噪声信号条件下的信号分离结果进行了比较。

基于串音误差与分离度的变步长EASI盲源分离算法

当源信号各分量差异较大或全局矩阵为非行元素优势矩阵时,基于串音误差的变步长等变自适应分离(EASI)算法难以正确评价分离效果,导致步长选取错误。针对该问题,提出一种改进的变步长EASI算法。通过计算基于串音误差的步长平方根适当增大步长,同时定义信号分离度对步长做进一步调整,减小因串音误差分离结果评价不准确而导致步长错误变小的影响。仿真结果表明,该算法具有较好的步长调节能力,相对传统EASI算法和基于串音误差、基于串音误差步长平方根、基于分离度的变步长EASI算法分离效果更佳。