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。

基于联合对角化法与数据筛选的谐波责任划分

针对背景谐波波动的随机性,为了更加准确地划分谐波责任,考虑到谐波阻抗的符号特性和电力系统中系统侧谐波阻抗远远小于用户侧谐波阻抗的实际情况,在联合对角化法的基础上,提出了一套数据筛选准则。利用联合对角化法对谐波电压和谐波电流进行分解,得到混合矩阵;分别通过符号判别法和比例系数法纠正次序不确定性和幅值不确定性;应用数据筛选准则得到谐波阻抗;根据谐波责任定义式估算谐波责任。对IEEE 13节点系统进行仿真测试和实测数据分析,结果表明:与传统方法相比,所提方法的估算精度和适应性更好。

基于JADE算法的盲DOA估计

研究了复杂多径环境下DOA估计问题,提出了基于JADE盲源分离算法的一种新方法。该方法在信号方向矢量没有任何先验知识的情况下,通过JADE盲辨识技术对阵列流型矩阵进行估计,并将多径环境下的方向矢量看成是由多个复正弦信号线性混合而成,进而利用频谱分析的方法实现信号的DOA估计。经过仿真验证,新方法可以对来波方位相同的2个信号进行分辨,且在多径环境下的稳定性要优于Toplitz近似算法,在信源数(含相干多径信号)大于阵元数时仍然可以使用。

基于EEMD-JADE的桥梁挠度监测中温度效应的分离

针对桥梁挠度各成分的分离问题,提出一种基于EEMD-JADE的单通道盲源分离算法。首先,利用传统的集合经验模态分解法(Ensemble Empirical Mode Decomposition,EEMD)将单通道的桥梁挠度信号分解为一系列线性平稳的本征模函数(Intrinsic Mode Function,IMF);然后,采用基于能量熵增量的判别法识别并剔除虚假的IMF分量,将能量熵增量较大的IMF分量组成盲源分离模型的输入信号;最后,采用矩阵联合近似对角化(Joint Approximate Diagonalization of Eigen-matrices,JADE)算法对输入信号进行盲源分离。JADE算法在源信号频率差异较小且频率有所混叠的状况下也能较好地分离出源信号,但要求观测信号数必须大于等于源信号数目;EEMD具有良好的自适应性,能够将单通道的混合信号进行多尺度分解,形成多通道信号,但分解结果存在端点效应与模态混叠。JADE算法能够解决EEMD分解结果存在的端点效应与模态混叠问题,且EEMD也解决了JADE分离算法的先决条件。两种算法优势互补,能够较好地分离出各挠度组分。通过有限元软件Midas/civil建立了背景桥梁模型,经仿真分析得到了各单项因素作用下的桥梁结构响应,并将其叠加在一起作为待分离的混合挠度信号。仿真信号分离的结果与源信号的相关系数均在0.98以上,说明分离效果较好。最后,采集实测挠度信号进行分离,处于对称位置测点分离出的各挠度组分的相关系数均在0.9以上,证明了该算法的适用性。

基于JADE的测距仪脉冲干扰抑制方法

为解决测距仪脉冲信号干扰L频段数字航空通信系统1(L-band digital aeronautical communications system 1,L-DACS1)正交频分复用接收机的问题,提出一种基于特征矩阵联合对角化(joint approximate diagonalization of eigen-matrices,JADE)的测距仪脉冲干扰抑制方法。首先将干扰抑制问题转化为盲源分离问题,在接收端建立频域盲分离模型,利用JADE算法将接收到有用信号与测距仪干扰信号分离;然后根据干扰信号的功率特性进行分离后信号的识别;最后通过训练序列解决盲源分离固有的幅度模糊性问题,最终恢复出有用接收信号。仿真结果表明:所提出的基于JADE的干扰抑制方法可有效消除测距仪脉冲信号干扰,改善系统的误比特性能,增加传输可靠性。

结合PCA和JADE的EEG眼电伪迹去除研究

眼电伪迹干扰是脑电信号中的常见干扰,严重影响到有用脑电信号的提取和分析。提出一种基于主分量分析(PCA)和特征矩阵联合相似对角化(JADE)算法相结合的眼电伪迹去除方法,并探讨了主分量分析对伪迹去除的影响。实验结果表明了该算法的有效性及稳健性,并且其时间开销小。此外该算法还可以有效去除其他脑电伪迹及干扰成分。

基于四阶累积量联合对角化盲分离算法的波束净化方法

由于海上多目标的存在,目标船只的信号会与其他船只的信号混叠在一起,目标特征相互掩盖,对目标的识别造成干扰。针对常规波束形成对邻近多目标干扰净化性能不佳的问题,本文将基于四阶累积量联合对角化的盲分离算法应用于波束的净化,并对其性能进行研究分析。仿真结果表明,基于四阶累积量联合对角化的盲分离算法对波束的净化效果明显。

基于KJADE的列车轴承轨边声学诊断方法研究

为在线诊断运行列车的轴承状态,提出一种基于核特征矩阵联合近似对角化(kernel joint approximate diagonalization of eigen-matrices,简称KJADE)的列车轴承轨边声学故障诊断方法。首先,从校正后的轨边信号中提取原始特征,将其通过非线性映射函数映射到高维特征空间;其次,对特征空间的核矩阵进行四阶累积量的特征分解,获得新融合特征,并采用支持向量机分类器对融合特征进行辨识;最后,对轴承外圈、内圈、滚子故障和正常4种状态下的列车轨边声学信号进行分析。结果表明,该方法可以有效实现对列车轴承轨边声音信号的非线性特征提取,提高了故障的识别率。

EMD与JADE相结合的算法及验证

针对汽车变速器齿轮在长时间高强度工作状态下易产生故障的问题,提出了一种基于经验模式分解(EMD)和盲源分离算法中的特征矩阵联合近似对角化法(JADE)相结合的汽车变速器齿轮故障诊断算法.首先,将振动信号进行EMD分解,再根据互相关准则对分解后的本征模分量进行重构,构造虚拟噪声信号,并以此作为JADE的输入矩阵;然后,采用JADE算法分离得到能清晰反映齿轮状态的特征信号.最后将该方法应用于汽车变速器齿轮故障诊断中,仿真和实测分析结果均表明该方法有效可行.

基于EMD与JADE的设备状态特征提取方法

针对机械设备在不同状态下振动信号频率特性的差异,基于经验模式分解(EMD)与特征矩阵联合近似对角化的方法提取设备状态特征参数。采用EMD将信号分解为不同频率成分,计算不同频段信号的频域相关系数,构造信号谱相关特征矩阵,运用联合相似对角化方法对特征矩阵降维,提取设备状态特征参数,研究机械设备故障诊断方法。使用实验实测信号进行验证,并基于支持向量机方法对滚动轴承4种状态特征进行识别,结果表明,该方法提取的特征参数分类正确率达到95%以上,可以有效表征设备状态。

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。

基于独立分量分离的雷达通信一体化接收算法

在雷达通信一体化系统中,当接收端有未知信号时,雷达与通信信号的分离对信息提取至关重要。为此,将通信信息经过连续相位频移键控(CPFSK)调制后嵌入到调频连续波(FMCW)雷达系统中,形成CPFSK-FMCW雷达通信一体化信号传输至目标。在目标位置接收端提出了小波去噪联合复值非高斯最大化(CMN)算法及小波去噪联合近似对角化(JADE)算法的独立分量分离技术分别对一体化信号分离,进入相应的接收机实现各自的功能。仿真实验表明,所提出的雷达通信一体化系统联合接收算法,雷达准确测距测速的同时可以实现设备之间通信信息的有效传输,同时对比分析得出小波去噪联合JADE算法分离一体化信号更为精确。

子阵域盲源分离应用于主瓣抗干扰算法研究

阵列雷达的主瓣干扰抑制是雷达抗干扰领域的一个难题。提出了一种基于子阵域的盲源分离主瓣抗干扰算法。该算法以特征矩阵近似联合对角化(joint approximate diagonalization of eigen-matrices,JADE)盲源分离算法为基础,与传统的全向阵列算法相比,该算法提供了较低的复杂度,尤其是针对大型阵列时,算法的优势更加显著。其设计思路是先将全向阵列划分到子阵域;然后在子阵域的基础上利用多重信号分类和恒虚警检测,设计了一种新的盲源分离信道数预估计方法,为JADE提供先验信息;最后设定盲源分离通道数,使接收信号分离,并将分离信号分别进行脉冲压缩、信号检测等步骤,从而达到雷达主瓣抗干扰的目的。通过仿真分析可知,该方法可以实现目标信号和干扰信号的有效分离,且计算量对比全向阵列有显著降低,具有一定的工程应用前景。

基于单通道盲源分离算法的局部放电特高频信号去噪方法

为有效抑制现场检测局部放电特高频信号背景噪声中的周期性窄带干扰和高斯白噪声干扰,提出一种基于单通道盲源分离算法的去噪方法。首先对局部放电特高频信号进行时频联合分析,获得源信号数量;然后对检测到的局部放电信号进行奇异值分解,将得到的重构奇异值子矩阵重新组合成多通道信号,并采用特征矩阵近似联合对角化方法进行盲源分离,从局部放电信号中分离出噪声干扰;最后采用l_1范数最小化方法进行源信号估计,得出去噪后的局部放电特高频信号。使用该方法对模拟试验和现场实测信号进行去噪处理,并与现有方法的去噪结果进行对比。结果表明,与现有方法相比,该方法可更有效抑制周期性窄带和高斯白噪声干扰,且去噪后的局部放电特高频信号波形不发生明显畸变。

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。

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。

联合对角化算法在功耗分析去噪中的应用

提出了一种应用联合对角化算法(Joint Approximative Diagonalization of Eigen-Matrics,JADE)提高功耗信息信噪比的方法。在采集了功耗数据的基础上,使用联合对角化算法对功耗数据和噪声进行分离,使信噪比提升了33.6d B。并使用快速固定点算法(Fast ICA)与之对比,在1000次实验条件下,统计出两种算法提升信噪比的平均值和串音误差值。结果表明,联合对角化算法比快速固定点算法提升的信噪比高3.7d B,而联合对角化算法串音误差也低于快速固定点算法,证实其在功耗分析去噪中更有优势。

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.

水电站厂房多源振动信号盲分离研究

引起水电站厂房结构、机组振动的振源繁多,如何有效地识别出各类振源对水电站厂房动力安全评估至关重要。将滤波去噪、源数估计和联合近似对角化方法(JADE)相结合,实现了水电站厂房多源振动信号的盲分离。首先运用滤波方法对信号去噪;然后求解多维观测信号的相关矩阵,利用优势特征值及BIC信息准则估计源信号数目;最后对信号进行预白化处理,并采用JADE方法实现振动信号的分离。模拟仿真信号验证了该组合方法的有效性。采用该方法对一大型地下水电站厂房振动信号进行了分析,准确分离出了尾水涡带、机组转动、涡壳不均匀流场等振源。研究为探究水电站厂房振源特性提供了一种方法。

一种基于盲源分离的DOA估计方法

文中基于特征矩阵联合近似对角化JADE(Joint Approximate Diagonalization of Eigen-matrices)的盲分离算法提出了一种DOA估计新方法。该方法对阵列流型矩阵进行了盲估计,并将阵列流型中的方向矢量看成是由多个复正弦信号线性混合而成,进而利用频谱分析的方法实现信号的DOA估计。实验结果表明:该方法在同等条件下完成同样的方位分辨要优于多重信号分类MUSIC(Multiple Signal Classification)的方法,而且还可以实现对相干信号源进行分辨。