欠定盲源分离

摘要： 针对船舶系统在复杂电磁环境下设备电磁辐射的多通道欠定盲源分离问题,提出了一种基于小波分解(Wavelet Decomposition,WD)、相关性筛选以及独立成分分析(Independent Component Analysis,ICA)的多通道盲电磁辐射现场同步分离方法(Wavelet Independent Component Analysis,WICA).该方法采用小波分解,构造出虚拟通道,然后通过相关性筛选有效分量,最终利用ICA得到设备电磁辐射源信号.此方法不仅解决了欠定盲源分离问题,而且通过相关性筛选提高了ICA的有效性.本文以互相关系数(Cross Correlation Coefficient,CRC)和相干性(coherence)作为实船试验数据的度量指标,通过与(Ensemble Empirical Mode Decomposition-Independent Component Analysis,EEMDICA)算法和常规ICA算法的比较,验证了WICA算法在实际应用中的有效性.此方法可推广至航天、国防领域等系统级平台复杂电磁环境的现场测试,具有较高的实用价值.

摘要： 为提高传统字典学习方法选用固定的语音分段长度重构源信号的精度,提出基于动态字典学习的欠定盲语音重构算法,以提取信号中最优的稀疏表示特征。在欠定语音盲分离的两步法框架下,利用正则化Sim CO字典学习对信号进行稀疏表示,依据最速下降思想通过改变语音分段长度迭代优化信号的重构结果直至收敛,得到信号恢复的总体最优解。实验结果表明,相较传统算法,动态Sim CO字典学习算法进一步提取了信号在字典稀疏域的语音特征,在保证运行成本低的同时有效提高了欠定盲语音的重构质量。

摘要： 盲源分离(blind source separation,BSS)在语音信号的识别、生物医学信号的处理以及雷达信号的目标识别上具有重要的应用价值。为了解决空中微动群目标的欠定盲分离问题,提出了一种基于密度聚类和l_(p)范数(0欠定盲源分离的情况下使误差降低在有限范围内,且分离效果得到显著提高,该方法为实现盲信号的分离提供了一种新思路。

摘要： 针对基于稀疏分量分析的欠定盲源分离问题,提出一种基于优化支撑的稀疏度自适应子空间追踪(OS-SASP)算法.通过引入自适应思想,克服传统子空间追踪(SP)算法对稀疏度的依赖;同时在迭代开始之前通过离散余弦变换的能量集中特性确定最小支撑集的大小,对最小支撑集求并集获得优化支撑集,优化支撑集联合迭代过程中的候选集来定位最佳原子,提高源信号的恢复精度.仿真结果表明,OS-SASP算法在一维稀疏信号与语音信号的欠定盲源恢复过程中表现出良好的性能.

摘要： 振动传感器接收的信号往往包含不同部件的振动信号和环境噪声,为了从少量振动传感器的接收信号中识别信号源数和各频率分量,提出了一种基于稀疏分量分析的欠定盲源分离方法.该方法首先对混合信号进行时频变换,通过主成分分析提取各个时频点邻域的局部主成分,筛选出单源域特征数据.然后利用余弦距离改进聚类验证技术与模糊聚类算法,对振动源个数进行识别、对聚类参数进行更新,获得信号源数和混合矩阵估计.最后用一系列最小二乘法从混合信号对应的时频点中抽取出源信号.通过仿真实验和实测数据实验验证了本文方法的有效性和稳健性,相比经典时频比方法得到了更稳健、更精确的分离结果,这有助于对机械振动源进行识别和定量评估,以方便后续进行机械状态监测和减振降噪处理.

摘要： 提出一种基于语音信号稀疏特征的稀疏分量分析两步法,力图提高欠定情况下的语音信号盲分离性能.不同于传统的两步法,所提方法需要获取语音信号在变换域中的稀疏特征,将贪婪最优化思想引入至稀疏分量分析方法中,重构欠定盲分离语音源信号.通过仿真对比实验,展示了该方法应用于平稳声音信号和非平稳语音信号的盲分离效果,它能较好恢复语音源信号.与现有的最短路径法相比,所提算法可以提高两路以上观测信号的分离性能.相较于平滑L0范数算法,所提算法可以有效提高来波方向较近的语音盲信号分离性能.该方法具有更广阔的适用范围.

摘要： 为解决衰减延时混合信号的欠定盲源分离问题,该文研究了一种基于信源数估计的欠定盲源分离方法.首先,采用对时频域观测信号求能量来构造稀疏域;其次,在能量域中利用势函数估计信源数;再次,根据信源数将能量和峰值对应的频点筛选出来预测时频掩码从而获得估计信源的短时频谱;最后,填充线用来解决时域分离信号的边界效应问题.实验表明,所提方法可以有效分离衰减延时混合的模拟信号,并且在不同信噪比下优于稀疏聚类算法和子空间法;此外,在对实测悬臂梁锤击测试的过程中可以估计出模态阶数并且准确识别出结构的各阶模态固有频率.

摘要： 针对欠定盲源分离(Underdetermined blind source separation,UBSS)问题,采用基于密度的空间聚类(Density based spatial clustering of applications with noise,DBSCAN)算法估计聚类中心时易陷入局部最优,因此由聚类中心坐标构成的混合矩阵的精度降低,导致信号分离结果不理想.本文在DBSCAN基础上提出布谷鸟自适应搜索群优化算法(Cuckoo adaptive search swarm optimization of density based spatial clustering of applications with noise,CASSO-DBSCAN),该算法依据Levy飞行策略增强全局自适应搜索能力,并利用群体学习思想精细寻优得到最优解,从而更加精准地估计聚类中心.通过语音信号的盲源分离仿真实验对该算法进行验证,结果表明,该算法能够有效改善欠定混合矩阵的估计精度,具有良好的鲁棒性,证明了其可行性.

摘要： 欠定盲源分离问题中,针对传统FCM算法(fuzzy C-means,FCM)需要预先设定聚类数目和初始聚类中心,以及聚类结果易受噪点干扰的问题,提出一种基于密度结构分析的改进FCM聚类算法,并利用改进后的算法实现混合矩阵估计.这一改进算法首先用OPTICS(ordering points to identify the clustering structure,OPTICS)算法对信号进行密度结构分析,得到能反映信号密度结构的可达距离序列,从中确定出初始聚类中心和聚类数目,实现对FCM初始参数优化;而后进一步将可达序列作为动态加权因子应用到FCM目标函数中,实现对目标函数的优化.仿真结果表明,本文提出的改进算法可以从初始参数和目标函数2方面实现对传统FCM算法的优化,提高聚类的稳定性和最终混合矩阵的鲁棒性.

摘要： 针对空间互联网星地通信场景中的混叠信号分离精度不足问题,提出了基于深度学习的堆叠时域卷积网络(stacked time-domain convolutional network,Stacked-TCN)分离方法.首先,对混合信号提取编码特征表示.然后,通过时域卷积网络训练得到源信号的深层特征掩模,将每个信号源的掩模与混合信号编码特征做Hadamard乘积,得到源信号的编码特征表示.最后,使用1-D卷积,对源信号特征进行解码,得到原始波形.实验采用负的比例不变信噪比作为网络训练的损失函数,即单通道盲源分离性能的评价指标.结果 表明,Stacked-TCN方法与其他4种算法相比,所提方法具有更好的分离精度和噪声鲁棒性.

摘要： 针对欠定情况下源数的估计、解混叠矩阵和源信号恢复关键技术,提出一种源数未知的欠定盲源分离算法,首先利用S变换和聚类技术相结合来估算源数和混叠矩阵,然后将源信号以零空间形式表示,再通过最大似然估计关于其后验概率以达到恢复源信号的目的.仿真实验结果表明了该方法不仅能同时分离服从超高斯分布和亚高斯分布的源信号,且它比其他传统的方法具有更优越的估计性能.

摘要： 本发明属于雷达侦察技术领域，公开的一种基于改进最短路径法的欠定盲源分离源信号恢复方法，是针对m个观测信号，每次取相邻的两个观测信号，第i个和第i+1个观测信号，i＝1,2…,m‑1，也就是说每次处理时的观测信号是两个相邻观测信号的组合，总共有

摘要： 本发明公开了一种基于单层感知机的欠定盲源分离源信号恢复方法。本发明首先获取观测信号矩阵，然后对观测信号矩阵中的所有列向量进行聚类得到混合矩阵，根据观测信号矩阵和混合矩阵计算待恢复的源信号列向量，利用单层感知机方法更新待恢复的源信号列向量，最终获得恢复的源信号。本发明克服了现有技术存在的源信号恢复精度易受噪声误差影响和计算复杂度偏高的缺点，使得本发明具有能保持较高恢复精度的同时快速的恢复源信号的优点。

摘要： 本发明公开了一种基于梯度下降法和牛顿法的欠定盲源分离源信号恢复方法。本发明首先获取观测信号矩阵，然后对观测信号矩阵中的所有列向量进行聚类得到混合矩阵，根据观测信号矩阵和混合矩阵计算待恢复的源信号列向量，依次利用梯度下降法、牛顿法和投影法更新待恢复的源信号列向量，最终获得恢复的源信号。本发明克服了现有技术存在的源信号恢复精度易受噪声误差影响和计算复杂度偏高的缺点，使得本发明具有能保持较高恢复精度的同时快速的恢复源信号的优点。

摘要： 本发明属于阵列信号处理技术领域，公开了一种改进的基于小波分析的欠定盲源分离源数估计方法，对观测信号应用小波变换进行分解；对分解得到的小波系数进行单层重构；重构观测信号矩阵，构造该矩阵的协方差矩阵；求解矩阵的特征值；计算源数目；本发明能够将白化后的观测信号和其部分小波分解系数重构的信号组合成为新的多维观测信号，能够在混合信号信噪比变化范围较大的情况下准确地估计得到源信号个数，原理简单，可操作性较强。

摘要： 本申请涉及一种风电塔筒的解决未知源数的振动信号欠定盲源分离方法，首先将混合信号变换到时频域，变换为多维行向量；基于多维行向量，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，得到满足预设筛选公式的单源域特征数据，并对其进行归一化处理，得到基于方向角表示的特征数据；通过预设修改聚类算法进行聚类，得到信号源数和估计混合矩阵；最后基于信号源数和估计混合矩阵通过稀疏优化得到源信号。如此在筛选单源域特征数据时，通过主成分分析法和混合时频比法，对多个时频点数据进行筛选，增加信息量，提高筛选的准确性，并通过修改聚合算法进行聚类，精确识别振动源数和各个源的频率成分，提高数据分析的精确度。

摘要： 本发明属于雷达侦察技术领域，公开的一种基于改进最短路径法的欠定盲源分离源信号恢复方法，是针对m个观测信号，每次取相邻的两个观测信号，第i个和第i+1个观测信号，i＝1,2…,m‑1，也就是说每次处理时的观测信号是两个相邻观测信号的组合，总共有

摘要： 本发明属于阵列信号处理技术领域，公开了一种改进的基于小波分析的欠定盲源分离源数估计方法，对观测信号应用小波变换进行分解；对分解得到的小波系数进行单层重构；重构观测信号矩阵，构造该矩阵的协方差矩阵；求解矩阵的特征值；计算源数目；本发明能够将白化后的观测信号和其部分小波分解系数重构的信号组合成为新的多维观测信号，能够在混合信号信噪比变化范围较大的情况下准确地估计得到源信号个数，原理简单，可操作性较强。

摘要： 本发明公开了一种基于单层感知机的欠定盲源分离源信号恢复方法。本发明首先获取观测信号矩阵，然后对观测信号矩阵中的所有列向量进行聚类得到混合矩阵，根据观测信号矩阵和混合矩阵计算待恢复的源信号列向量，利用单层感知机方法更新待恢复的源信号列向量，最终获得恢复的源信号。本发明克服了现有技术存在的源信号恢复精度易受噪声误差影响和计算复杂度偏高的缺点，使得本发明具有能保持较高恢复精度的同时快速的恢复源信号的优点。

摘要： 本发明公开了一种基于梯度下降法和牛顿法的欠定盲源分离源信号恢复方法。本发明首先获取观测信号矩阵，然后对观测信号矩阵中的所有列向量进行聚类得到混合矩阵，根据观测信号矩阵和混合矩阵计算待恢复的源信号列向量，依次利用梯度下降法、牛顿法和投影法更新待恢复的源信号列向量，最终获得恢复的源信号。本发明克服了现有技术存在的源信号恢复精度易受噪声误差影响和计算复杂度偏高的缺点，使得本发明具有能保持较高恢复精度的同时快速的恢复源信号的优点。

摘要： 本发明提供了一种基于结构化稀疏子空间聚类的欠定盲源分离方法和设备，方法包括：首先采用短时傅里叶变换将时域信号转换至时频域，基于信号的短时稳定性，采用时频区间加窗法筛选高能量值的单源点。然后，采用结构化稀疏子空间聚类和改进势函数的组合混合矩阵估计方法，结构化稀疏子空间聚类可以确定源信号数目，得到数据的分类，改进势函数法能准确地确定混合矩阵向量，估计混合矩阵。接着，采用基于源数目估计的空间投影法结合最小l1范数法对源信号进行重构，最后采用短时傅里叶逆变换将时频域重构信号恢复至时域。本发明能直观确定源信号数量，具有较高的精度和较强的鲁棒性，能够准确地从观测信号中重构源信号。