摘要：本文将双震源数据分离当成一个盲信号分离(Blind Signal Separation, BBS)的问题,介绍了盲信号分离基本理论,重点简述了线性瞬时模型的分离方法。对于混合数据个数m和单震源数n相同的情况,本文设计了一种基于去相关的盲信号分离处理方法,并对该分离方法做了数值模拟,证明了方法的有效性。

摘要：针对语音信号的盲提取问题,以提出的二阶特征窗盲分离算法和模式识别算法为基础,设计实现了以TMS320VC5509DSP为核心的音频信号采集和盲分离系统。详细介绍了系统结构及软硬件实现,并对3路音频信号的DMA同步采集进行了重点分析。该系统结构简单、扩展方便、实时性好,实验结果表明对瞬时混合信号有良好的分离效果。

摘要：通过对Hyvarinen-Oja带约束项的学习算法的理论分析与仿真比较,提出了一种基于乘子法罚函数的实时线性混叠盲信号分离算法。该算法不仅从理论上导出了罚函数的选取方法,而且也大大加快了算法的收敛速度,避免了目前纯罚函数方法可能带来的病态问题。仿真结果表明该算法不仅具有很好的分离效果,而且分离时间较Hyvarinen-Oja带约束项的学习算法快。

摘要：利用语音信号的短时平稳特性,本文提出了一种WVA分布与联合对角化的盲分离方法,该方法采用新的联合差分相关矩阵白化算法去除有色噪声影响,估计出源语音信号,实现对混叠信号的盲分离。通过仿真实验,结果表明,本算法具有分离效果好,能有效的将混叠的盲语音信号分离。

摘要：对一组线性瞬时混合信号,采用高斯混合模型拟合各个独立源的概率密度分布进行分离,其复杂度随信号源数量、高斯混合模型阶数的增加急剧上升。提出用统一计算设备架构(compute unified device architecture,CUDA)对该分离方法进行设计,实现该方法的并行加速处理。实验结果表明,此加速方案可以有效降低该盲分离方法的时间复杂度。

摘要：提出了一种盲分离联合时频谱分析的多分量线性调频信号检测方法,该方法采用先时域分离后时频分析的思想,有效抑制了传统的基于WVD类方法检测多分量线性调频信号时受交叉项困扰的问题,并且有效抑制了强噪声干扰源对传统的时频分析检测方法的影响.仿真结果表明,提出的方法与传统时频分析方法相比,对多分量线性调频信号的分离及特征提取效果更好.

摘要：研究了混沌驱动永磁同步电机系统的故障识别问题,设计了一种小波支持向量机故障识别器。首先对故障恢复信号进行经验模态分解,得到若干个平稳的本征模函数,将本征模函数的能量特征作为输入构建小波支持向量机故障识别器。训练完成后,冻结小波支持向量机结构与内部参数,以白噪声模拟实际运行中的未知扰动,并以加入扰动的故障信号作为测试输入,利用小波支持向量机故障识别器进行故障识别。结果表明,基于小波支持向量机的故障识别器能够较好地识别故障信号,拟合误差均在1%以内。

摘要：本文根据信号分离理论研究了发动机转子系统振动信号的降噪问题。当转子系统发生轻微碰摩时 ,由于振动信号中含有瞬时突变的微弱高频信息 ,这可能与高频随机噪声的频带互相叠加 ,所以利用传统的滤波方法不能有效地去噪 ,为碰摩故障诊断带来了困难。本文利用基于高阶累积量的盲信号分离方法 ,设计了相应算法 ,成功地从被噪声污染的信号中恢复源振动信号 。

摘要：为了有效地盲估计出混沌直扩序列,利用神经网络能无限任意逼近非线性函数的特点,设计了一种改进型的基于神经网络盲估计混沌扩频序列的方法,该方法增加了信号盲分离模块。仿真结果表明,该方法无须搜索信息码与扩频序列之间的同步点,即使是在较低信噪比的条件下,仍能有效地从噪声背景中盲分离出混沌扩频信号,并盲估计出原始混沌序列。

摘要：针对时域盲解卷积存在求解变量多、收敛速度慢、容易陷入局部最优等问题进行了研究,提出一种防止遗传算法局部收敛的"监测策略",可以实时监控算法向全局最优解靠近的情况;同时对交叉概率、变异概率等关键技术进行相应设计,该算法能够自动跳出局部最优,快速地收敛于全局最优解。在概率密度估计的基础上,得到时域盲解卷积的基于最小互信息的分离准则。以此最小互信息准则确定遗传算法的寻优标准,快速地实现了时域盲解卷积。使用Matlab软件仿真验证了该时域盲解卷积算法的有效性。