Online blind source separation based on joint diagonalization

A new algorithm is proposed for joint diagonalization. With a modified objective function, the new algorithm not only excludes trivial and unbalanced solutions successfully, but is also easily optimized. In addition, with the new objective function, the proposed algorithm can work well in online blind source separation （BSS） for the first time, although this family of algorithms is always thought to be valid only in batch-mode BSS by far. Simulations show that it is a very competitive joint diagonalization algorithm.

基于QR分解的类Jacobi联合对角化算法

为提高实矩阵集的近似联合对角化的盲源分离性能,避免平凡解,提出了一种基于QR分解的类Jacobi联合对角化算法.利用QR分解的数值稳定性,采用Jacobi旋转矩阵,将分离矩阵分解为多个初等三角矩阵和正交矩阵的乘积,利用Jacobi旋转矩阵的结构及矩阵变换后的相关元素求解最优参数,将高维矩阵最小化问题转化为一系列低维矩阵子问题,提升源信号恢复精度.通过求解简化的Frobenius范数目标函数降低算法复杂度.混合心电信号仿真结果表明,与QRJ2D,LUCJD,EGJLUD算法相比,本文算法在分离精度和收敛速度方面均有一定优势.

基于WOA-VMD改进的信号盲源分离研究及应用

准确有效识别出水电站厂房振动信号的各个振源,对于水电站长期安全稳定运行有重要指导意义,盲源分离(blind source separation,BSS)是进行信号分解与振源识别的一种有效方法。为了实现水电站厂房复杂环境下振动信号的盲源分离,建立一种基于鲸鱼算法变分模态分解(whale optimization algorithm and variational mode decomposition,WOA-VMD)降噪改进的信号盲源分离模型。采用WOA-VMD和相关法对观测信号进行降噪处理,确保盲源分离结果的准确性;求解多维降噪信号的协方差矩阵并进行奇异值分解,采用优势特征值法进行源数估计;最后对降噪信号进行中心化、白化前处理,通过联合近似对角化算法得到分离矩阵,实现观测信号的盲源分离。仿真结果表明:相较于传统盲源分离模型,改进模型将分离信号与源信号的相关系数分别提升了9.1%,7.1%,8.3%,分离信号主频误差也均有所降低。将该方法运用到水电站厂房振动工程实例,也取得了较好的分离效果。

盲源分离在雷达抗主瓣干扰中的应用研究

主瓣干扰位于雷达主瓣内,干扰信号通常很强,会严重影响雷达探测性能。常用的副瓣匿影和副瓣对消措施难以奏效。文中给出了盲源分离抗干扰信号模型,在此基础上提出了基于矩阵联合对角化特征矢量的盲源分离抗主瓣干扰算法,并给出了不同信噪比条件下主瓣干扰抑制的仿真结果。仿真结果表明,在信噪比大于-15 dB的条件下,干扰抑制比能达到10 dB以上。该方法能有效降低主瓣干扰对雷达探测性能的影响,具有良好的应用前景。

基于快速近似联合对角化的谐波发射水平评估方法

提出了一种基于快速近似联合对角化(FAJD)估计系统谐波阻抗及计算谐波发射水平的新方法。在直角坐标下,根据谐波诺顿等效电路的基本原理,推导得出公共连接点处谐波电压和电流与系统和用户侧谐波电流源的关系。考虑两侧谐波电流源相互独立的基本条件,利用FAJD方法求得解混矩阵并分离出两侧谐波电流源分量,采用最小二乘法求得混合系数矩阵,对比基本电路方程求得系统侧谐波阻抗的实部和虚部,进而评估谐波发射水平。该方法以公共连接点测量的谐波电压和电流信息为基础,无需先验数据匹配也不要求目标观测矩阵为正交矩阵,因此无需预白化处理,避免引入不必要的误差,具有更高的分离精度和更强的抗背景谐波干扰能力。最后,通过仿真对比分析与实测数据验证了所提方法的可行性和有效性。

基于四阶累积量的稳健的通信信号盲分离算法

该文针对有噪环境中的通信信号盲分离问题,提出了一种在噪声环境下性能良好的盲分离算法,该算法将稳健的白化算法与四阶累积量矩阵的联合对角化相结合。仿真结果表明,该算法分离性能比一般的近似联合对角化(JAD)算法有很大改善,干信比可降低近10dB,而算法的运算量没有太多增加。

非正交联合对角化盲源分离算法

提出一种表征联合对角化近似程度的代价函数,给出优化该代价函数的非正交联合对角化算法.该代价函数对经典的最小二乘代价函数进行了改进,使原算法中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.因此,可通过基于梯度下降法的迭代算法交替估计3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,实现盲源分离.分析了算法的收敛性能,证明存在估计误差时,该算法依然全局渐进收敛.仿真结果表明,与经典的非正交联合对角化(ACDC)算法相比,该算法收敛所需计算时间仅为ACDC的一半,而全局拒噪水平改善了6 dB,可有效地解决瞬时盲源分离问题.

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·

一种利用结构特点实现复数域联合对角化解盲源分离新算法研究及应用

联合对角化方法是求解盲源分离问题的有力工具.但是现存的联合对角化算法大都只能求解实数域盲源分离问题,且对目标矩阵有诸多限制.为了求解更具一般性的复数域盲源分离问题,提出了一种基于结构特点的联合对角化(Structural Traits Based Joint Diagonalization,STBJD)算法,既取消了预白化操作解除了对目标矩阵的正定性限制,又允许目标矩阵组为复值,具有极广的适用性.首先,引入矩阵变换,将待联合对角化的复数域目标矩阵组转化为新的具有鲜明结构特点的实对称目标矩阵组.随后,构建联合对角化最小二乘代价函数,引入交替最小二乘迭代算法求解代价函数,并在优化过程中充分挖掘所涉参量的结构特点加以利用.最终,求得混迭矩阵的估计并据此恢复源信号.仿真实验证明与现存的有代表性的对目标矩阵无特殊限制的复数域联合对角化算法FAJD算法及CVFFDIAG算法相比,STBJD算法具有更高的收敛精度,能有效地解决盲源分离问题.

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。

基于一维盲源分离的滚动轴承故障诊断

盲源分离较之传统的信号处理方法在处理弱信号问题上更具优势。针对轴承故障诊断中因条件限制仅能进行单通道信号采集的情况,提出了一种基于总体经验模式分解的一维盲源分离算法。算法先通过总体经验模式分解将信号分解为多个本征模态函数,再根据本征模态函数之间的相关系数重组观测矩阵,最后利用近似联合对角化对矩阵进行盲源分离。通过数据仿真将该方法与小波分析和Hilbert-Huang变换作对比,说明该方法更适于处理低信噪比的轴承故障信号。对滚动轴承进行了故障诊断实验,成功找到了表征内圈故障和外圈故障的特征信息。

多分量调频信号源混合相交非正交联合对角化盲分离

针对多分量调频信号源混合相交时频分布盲分离,提出白化-均匀加权非正交联合对角化(Whitening-Uniformly Weighted Exhaustive Diagonalization using Gauss iteration,简称W-UWEDGE)方法估计混合矩阵。白化对相关信号去冗余处理,无需约束源信号概率密度形式,仅限制源之间整个时频面上无完全重合成分,非正交联合对角化则针对复数域。首先将非正交联合对角化可辨识性从时延平面推广至二次型时频平面,然后利用基于白化处理的梯度范数选择自项时频点(auto-time frequency point),进而利用均匀加权近似联合对角化方法估计混合矩阵,分析Amari error值随信噪比及时频矩阵个数的变化规律,与针对混合信号时间历程及时频分布的两类分离方法进行性能比较,显示出所提盲分离方法的优越性。最后应用于转子运行状态识别与齿轮复合故障源分离。仿真与实验数据分析表明所提出方法分离多分量调频相关源的有效性。

基于循环优化的矩阵联合对角化算法及在盲源分离中的应用

通过对一组与盲源分离中观测信号有关的目标矩阵进行近似联合对角化,可以有效解决盲源分离问题。提出一个非正交的循环优化的联合对角化算法。待优化的2个函数分别为矩阵对角化处理后的非对角元素的平方和与对角元素的平方和,通过对两者的循环最小化和最大化处理即可获得对角化器。对比仿真实验表明本文算法可以获得更好的盲源分离效果。

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。

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。

基于模糊函数的单步盲信号分离算法

基于模糊函数的分布特性提出了一种新的时频盲信号分离算法,利用信号模糊函数分布的对称性与居中性选取相应的时频点进行分析,与维纳时频分布相比可减小工作量,而且不需要设定阈值。算法利用一种非正交联合对角化方法求取分离矩阵,不需对观测信号进行预白化处理。仿真表明在原始信号具有互相关的情况下也能达到良好的分离性能。

基于联合近似对角化的盲源分离在齿轮箱故障诊断中的应用

提出一种采用盲源分离技术对齿轮箱混合故障进行诊断的方法.该方法利用白化信号自相关矩阵的联合近似对角化算法,从观测信号中分离故障特征源信号,并根据分离信号的频谱成功地提取了混合故障的特征信息,有效地诊断出齿轮箱所处的故障状态.

误差影响下滚动轴承多重故障模态特征信号的盲源分离方法

针对旋转机械设备受到测量误差及系统误差等因素影响,导致滚动轴承多故障模态信号难以分离的缺陷,提出一种误差影响下滚动轴承多重故障模态特征信号的盲源分离方法。对故障信号进行白化预处理得到白化矩阵,进而计算白化矩阵的4阶累积量,并构建4阶累积量矩阵;将累积量矩阵对角化,并取前K个较大特征值对应的特征向量作为新累积量矩阵;利用总体最小二乘方法估计最小化新累积量矩阵与目标正交矩阵的误差函数,最大程度地联合近似对角化新累积量矩阵,实现多故障信号的分离估计;为进一步评估该方法的有效性,选用时域相关系数及时频域双谱估计两种评价方法对分离结果进行验证。结果表明,该方法分离出来的信号与源信号相关系数高,并且时频域双谱估计相似,是一种有效分离多重故障的方法。

非对称非正交快速联合对角化算法

针对非对称联合对角化算法收敛速度慢以及有可能收敛到奇异解的问题,首先提出一种基于最小二乘的非对称代价函数,该代价函数在最小二乘标准的基础上增加了使对角化矩阵非奇异的约束项,以保证算法不会收敛到奇异解.然后利用一种循环最小化技术来优化提出的代价函数,得到一种非对称非正交快速联合对角化算法.算法的性能分析证明,该算法不仅全局渐近收敛,而且具有不变性.左右对角化矩阵的关系也证明了非对称联合对角化的一般性.实验仿真表明,与原非对称联合对角化算法相比,提出的算法收敛速度更快,而且可以显著降低干扰信号比.

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.