摘要：为提高生理信号的质量和可靠性,将盲源分离和小波阈值方法进行耦合研究,提出了多谱自适应小波信号增强方法并与改进的盲源分离方法相结合进行降噪处理。为评估所提方法的有效性,使用小波变换中软阈值、硬阈值、自适应阈值3种方法计算信噪比(SNR)和均方根误差(RMSE)。结果表明:所提方法在软阈值下具有较强的适用性,增强后的信号软阈值相比硬阈值,SNR提升约44.2%,RMSE下降约28.8%,处理时间减少约1.4%。软阈值相比自适应阈值,SNR提升约706%,RMSE下降约16.7%,处理时间减少约3.0%。为对比软阈值下各参数差异,使用软阈值对原始信号、加噪信号和增强信号进行对比分析及归一化处理。结果显示增强后的信号具有较好的SNR、较低的RMSE和较短的处理时间,软阈值下增强后的信号与原始信号相比,SNR提升约0.12%,RMSE下降约2.5%,处理时间减少约3.9%,进一步验证了所提方法的有效性,并提高了信号质量。

摘要：动量项技术是用来改善自适应盲源分离算法分离性能的有效手段,但算法在融入动量项后,其收敛特性对于动量因子的选取数值较为敏感,且算法的稳态性能仍要受到步长参数的限定.本文首先给出了动量项盲源分离算法的设计原理,分析了现有算法存在的两个缺陷性问题;然后利用梯度下降法构造了具有在线调整特性的动量因子自适应迭代规则,通过对动量因子的实时更新以消除固定动量因子算法的性能缺陷;在此基础上,基于凸组合理论设计了不同步长参数下两个变动量因子算法的自适应优化组合方案,从而在一定程度上缓解了步长参数对于算法性能的限定.在不同环境下进行的仿真实验表明,本文针对动量项盲源分离算法所设计的优化策略能够有效消除其所存在的缺陷问题,在确保快速收敛的同时,又能获取较小的稳态误差.

摘要：在车载分布式传声器阵列场景中,结合盲源分离TRINICON(Triple-N ICA for convolutive mixtures)算法与多说话人状态判决实现期望语音抽取。根据分布式传声器阵列与声源的相对位置关系,设计特定的盲源分离初始化条件以保证输出通道与声源的映射关系;根据分布式传声器阵列的频响特点,设计特征矢量来进行多说话人判决,并将判决结果引入TRINICON算法参数迭代过程。在使用实际车载录音数据的仿真评测中,所提方法在不同信噪比下有较高的鲁棒性,可有效提升TRINICON算法的收敛速度和语音信号的信扰比,且可以确保准确的通道映射,评测结果表明该方法可以在车载场景中有效抽取出期望语音,为车载复杂场景下的声信息提取提供了一种可靠且收敛快速的解决方法。

摘要：卷积混叠环境下的盲源分离(Blind source separation, BSS)是一个极具挑战性和实际意义的问题.本文在独立分量分析框架下,建立非负矩阵分解(Nonnegative matrix factorization, NMF)模型,设计新的优化目标函数,通过严格的数学理论推导,得到新的模型参数更新规则;并对解混叠矩阵进行标准化处理,避免幅度歧义性问题;在源信号的重构阶段,通过实时更新非负矩阵分解模型参数,避免源信号的排序歧义性问题.实验结果验证了所提算法在分离中英文语音混叠信号、音乐混叠信号时的有效性和优越性.

摘要：为了解决高混响环境下欠定卷积混叠信号的分离问题,提出一种新的欠定卷积盲源分离算法。针对高混响环境的影响,设计全局脉冲响应网络削弱混响回声,提高信号质量。基于全局脉冲响应网络建立新的时频域混叠信号数学模型,采用全局脉冲响应矩阵缩短了传统脉冲响应的长度,降低了高混响带来的模型变换近似误差。基于非负矩阵分解理论设计模型参数的实时更新学习规则,将源信号分离问题转换为模型参数优化问题,实现混叠信号的盲源分离。实验结果表明,所提算法可以有效地实现中英文语音、音乐混叠信号的盲源分离,与现有比较流行的盲源分离算法的对比验证了所提算法的优越性。

摘要：针对传统盲源分离(BSS)算法采用固定步长难以同时兼顾收敛速度和稳态误差的难题,采用等变自适应盲源分离(EASI)算法,提出了一种基于分离指标的变步长等变自适应盲源分离算法(VS-SI)。该算法利用EASI收敛条件,构造表征信号分离程度的分离指标,并设计带遗忘因子的更新算法,以减小历史数据误差的影响,实现分离指标的自适应计算,并采用一个非线性单调递增函数实现步长的自适应调节。通过与固定步长的自然梯度算法(FS-NG)、固定步长的EASI算法(FS-EASI)、步长指数衰减算法(EDS)和基于权重正交约束变步长算法(AS-WO)的性能进行对比,结果表明,在无噪声和有噪声两种情况下,提出算法均有较快的收敛速度,最终性能指标分别减小了15%和20%以上,同时兼顾稳态误差和收敛速度,具有较好的数值鲁棒性。

摘要：针对基于经验模态分解(empirical mode decomposition,EMD)和独立分量分析(independent component analysis,ICA)的单通道盲源分离幅度不确定性问题,根据最小失真准则提出了一种自适应滤波幅度校正方法。利用EMD将单通道信号分解为一系列本征模态函数(intrinsic mode function,IMF),依据对数坐标下的边际谱分布确定单通道信号包含的独立分量数目。选择对应的IMF组合作为观测信号分量,利用ICA完成分离。根据分离信号数目确定横向滤波器阶数,并将分离信号作为滤波器的输入信号分量。利用滤波器输出和原始单通道信号设计目标函数,自适应调整滤波器系数使算法完成收敛,算法收敛后的滤波器权系数即为对应分离信号的幅度校正系数。仿真及飞行器试验遥测振动信号的处理结果证明在EMD-ICA基础上,该方法可准确得到信号各分量的幅度信息,为遥测振动信号进行时域统计及时频分析中能量检测提供了有效技术途径。

摘要：为了准确测量电网电压闪变的参数,提出了一种新的基于最小化互信息准则的盲源分离方法。将含有电压闪变的混合信号视为盲信号,对采样得到的混合信号序列分别延时若干点,构造输入信号矩阵,基于互信息最小化盲源分离准则,用Fast-ICA算法从混合信号中分离出闪变的包络波形,再进行频率和幅值的计算,就可得到短时闪变值。设计了由信号发生电路、功率放大电路及采样电路等组成的实验电路,实验结果表明此方法对平稳和瞬时闪变信号的幅值、频率测量精度高,特别是在含非整次调制谐波时,优于传统的快速傅里叶变换算法,取得了较好的效果。

摘要：通过研究α稳定分布,提出海洋噪声、舰船辐射噪声等符合低阶α稳定分布,在进行对称α稳定分布且独立的随机源信号进行盲分离处理时,若仍然采用高斯分布将不收敛。本文设计了分数低阶矩阵盲源分离算法,最后通过实验对比本文所设计算法和时延分离算法。实验结果表明:本文所设计的算法对于α稳定分布且有独立的随机信号,具有较好的收敛性,能够有效实现盲源信号分离。通过从复杂的海洋噪声中仍能较好地提取出船舱辐射噪声的实验,说明即使信噪比发生变化,源信号分离后相似系数较分离前仍然有稳定地提高。

摘要：为了克服卷积混合信号盲源分离双最小均方(Double least mean squeres,Double-LMS)算法在分离滤波器过长时计算量过大的问题,借助于傅里叶变换理论中的帕斯维尔定理,将其转化为频域积分算法。频域积分算法可以利用快速傅里叶变换实现,具有较高的计算效率,可以克服当分离滤波器过长时原算法效率低下的问题。仿真结果表明:新算法在保持了DoubleLMS算法良好分离性能的基础上,降低了原算法的复杂度,提高了计算效率。