摘要：针对跳频信号的欠定盲源分离,为了解决现有的时频域方法中算法计算量大、信号存在畸变、恢复精度不高的问题,提出了一种基于滤波的跳频信号欠定盲分离算法.该算法首先根据估计到的源信号载频设计带通滤波器,利用这些滤波器对观察信号进行滤波,得到只包含某一个源信号的观测信号分量,使原分离问题分为数个时域上稀疏的欠定盲分离问题,然后对各个分量在时域上分别应用欠定盲源分离算法估计每跳数据.通过仿真对比发现,所提的滤波法得到的跳频信号更精确,信干比比时频域方法大4 d B;同时所提算法处理的数据量小,计算复杂度低.

摘要：为提高盲源分离算法在振动源数目估计问题中的噪声鲁棒性,提出了一种基于密度峰值聚类的欠定盲源分离算法。对预处理后的信号提取单源点,通过密度峰值聚类对单源点进行聚类得到混合矩阵的估计值。通过基于压缩感知模型对源信号进行重构,得到分离信号。为验证所提算法分离准确性和噪声鲁棒性,用所提算法对不同信噪比下的仿真信号进行分离,结果显示:在信噪比不低于4 dB时,所提算法均可以准确分离出源信号,算法的准确性和鲁棒性得到验证。设计旋转部件故障诊断试验台对所提算法在实际应用中的有效性进行验证,对实测复合故障振动信号进行分离,试验结果表明该算法成功分离出观测信号中的锥齿轮和行星齿轮单一故障特征,有助于工程中旋转部件故障诊断。

摘要：针对欠定盲语音分离传统字典学习算法不能优化字典尺寸的问题,提出了一种尺度自适应同步码字优化(Scale Adaptive Simultaneous Codeword Optimization,SASimCO)算法。设计了一种迭代调整字典尺寸的自适应字典学习策略,将训练的字典用于语音盲分离中,以提高语音源信号的恢复性能。所提算法依据设计的候选矩阵,计算候选矩阵中的原子重要性,按照原子重要性准则对字典进行添加与删除原子操作,最后迭代训练得到一个稀疏表示误差最优的字典,用于语音源信号的恢复。使用SiSEC(Signal Separation Evaluation Campaign)数据集对所提算法进行的仿真实验表明,相较于传统字典学习算法,所提算法提高了1~3 dB语音源分离性能,证明了该算法的优势。

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：传统聚类算法进行混叠矩阵估计时存在的聚类中心个数不确定和初始聚类中心的随机选取导致陷入局部最优的问题,为此提出一种基于密度峰值的改进模糊聚类算法进行欠定盲源分离的混叠矩阵估计。通过短时傅里叶变换提取信号在频域中的稀疏特性,利用寻找密度峰值聚类算法(clustering by fast search and find of density peaks,CFSFDP)自动获取聚类簇的数目和初始聚类中心;将获得的聚类数目和聚类结果作为模糊聚类算法(fuzzy c-means clustering,FCM)的初始输入参数,提高FCM聚类结果的精度。实验结果表明,该算法可以准确估计源信号的数目,相比传统FCM、层次聚类、基于密度峰值改进的粒子群等聚类算法,可以有效提高欠定盲源分离的混叠矩阵估计精度。

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。