摘要：提出了一种新的线性混叠信号的盲分离算法,该算法利用信号相互独立时其协方差矩阵的对角化特征作为分离准则,采用最速下降法进行分离。该算法对源信号和混叠矩阵没有过多要求且计算量不大,理论分析与仿真结果表明:该算法具有很好的分离效果。

摘要：针对船舶自动识别系统(Automatic Identification System,AIS)中相邻多个小区的同频信号相互干扰、无法解调的问题,该文采用多天线接收混合信号,通过在FPGA上设计独立成分分析(Independent Component Analysis,ICA)算法来对混合信号进行实时盲分离.为满足实时性,文中用符号函数代替双曲正切函数对样点数据作非线性映射,简化迭代运算;并将样点数据分块存储,用于并行计算.同时实现了高精度特征分解(Eigen Value Decomposition,EVD),用于对混合数据进行白化.最后将设计的FPGA系统在Xilinx Isim中仿真,结果表明,主频20MHz时,系统在850μs内完成了从4路512点AIS混合信号中分离出了三路源信号.本文的设计也可应用于雷达、声纳等可能存在同频干扰的实时信号处理系统.

摘要：针对卫星平台接收多个AIS小区内船舶发射的同频信号时存在互相冲突无法解调的问题,基于FPGA设计了一个多天线盲分离接收机,在FPGA上设计了实时的盲分离系统和AIS信号处理模块来对多小区混合信号进行分离和解调.模块包括AIS信号处理模块和高精度的数据白化模块,以及基于Fast ICA算法的实时权值矩阵迭代求解模块.采用CORDIC IP核与浮点运算IP核提高白化精度,保证算法分离效果.实际系统测试表明：设计的接收机可以成功分离并正确解调由两路AIS发射机同时发射的AIS信号,通过对比分离信号和发射信号的鉴频波形,验证了分离的正确性.所设计的系统也可应用于雷达、声纳等可能存在同频干扰的实时信号处理系统.

摘要：提出一种应用盲分离神经网络预测逐日太阳辐射能的方法。首先在卷积混合基础上,应用最大化负熵准则分离原始太阳辐射时间序列,从观测数据中剔除不可靠信息;考虑到太阳负荷的特点,将分离后的样本输入到径向基函数神经网络(RBFN)中,通过调整参数训练网络直到满足约束条件为止,由此恢复盲分离所带来的幅值和排列顺序变化;最后分别比较盲分离神经网络、RBFN和BP网络的预测误差值,结果说明本文建立的模型提高了预测的准确度。

摘要：针对通信侦察中的共信道混合信号盲分离问题,提出了一种基于经验模式分解(EMD)的信号分离方法。首先求出混合信号的功率谱,其次利用EMD求出混合信号中单个分量的瞬时频率,判定混合信号中属于MFSK信号的谱峰,最后设计带通滤波器分离出单载波信号的谱峰,剩下的信号即为MFSK信号。详细地论述了此种分离方法的基本原理及实现过程。计算机仿真结果表明,该方法对于频谱不混叠的混合信号具有较好的分离效果。

摘要：主动声纳目标探测中,水雷等浅海安静型小目标声散射回波受海洋环境干扰严重,影响对目标特征的准确提取与识别,探测可靠性低。针对上述问题,研究一种结合形态学滤波的时频域盲分离算法,根据主动声纳回波中目标与混响的时频特征差异,设计形态学结构元的几何结构,滤除与目标谱不重叠的混响及互项干扰,再利用波形聚类方法优化与目标谱重叠的混响干扰,突出目标亮点的时频谱线,得到目标声散射的自项时频信息,最后获得目标亮点的时频域解混矩阵,分离出目标声散射信号。数值仿真结果表明,结合形态学滤波的时频域盲分离算法,提高了目亮点信号的信混比。

摘要：对物联网设备环境下的单通道窄带信号进行盲分离,在提高信道均衡性方面具有重要意义.传统的信号盲分离算法采用正交幅度调制信道分配方法,对物联网多设备环境下的窄带信号进行盲分离性能较差.对此提出了基于双门限接收的单通道窄带信号盲分离算法.构建了信号的双门限判决变量分析模型,设计单通道窄带相关处理器,采用基于快速傅里叶变换的单通道窄带相关处理计算方法,采用分段拟合的方式补偿非线性失真,对均衡器进行相位信息迭代控制,结合双门限判决接收算法,实现了对窄带信号的盲分离算法改进.研究表明,采用该算法能有效提高对窄带信号的盲分离检测性能,能有效实现对原始信号的恢复和特征检测,提高了信道增益,实现信道均衡.

摘要：研究了一种基于卷积混叠盲信号分离的简约神经网络算法,简称RCMNN。可使线性静态或动态传输通道中混叠的多源信号实现分离,从而可有效应用于传输通道中过程信号上的去噪,是控制工程中去噪的新方法。对多类不同信号组合仿真表明,该算法是有效的,网络性能是稳定的。

摘要：研究一种较新的盲信号神经网络分离(BSS)方法,用于过程信号去噪。由于盲信号分离神经网络存在容易陷入局部极小点、收敛速度慢的缺点,研究采用遗传算法优化盲信号分离神经网络权值的初值,将遗传算法与神经网络(HJNN)结合形成GA-HJNN算法,可迅速得到最佳盲信号分离神经网络的权值矩阵,实现对过程信号的去噪,并通过实验对2种算法进行了比较。

摘要：提出了一种基于小波域和独立分量分析的盲分离数字水印算法。该算法将水印置乱并乘以相应的系数,将此信息嵌入到经过二级小波变换的原始图像的逼近子图中,提取时利用快速独立分量分析实现了原始图像和水印的盲分离。经过大量实验证明,重构后得到的水印图像具有良好的不可见性,对叠加了水印的图像经过多种干扰及信号处理后,能够有效地检测出水印的存在。