基于非线性时频掩蔽的语音盲分离方法

针对语音信号的欠定卷积混合模型,利用独立语音在时频域上的近似W-分离正交性(W-DO),提出了一种基于非线性时频掩蔽的盲分离方法。首先对多传声器观测信号在时频域上进行规范化处理,使混合信号在每个时频槽的表示与频率无关,然后采用动态聚类算法获取时频槽对应的活跃源信息,选择关于簇中心偏角的非线性函数进行时频掩蔽,从而实现语音信号的盲分离。该方法解决了经典频域盲分离算法中的频率置换问题,能有效抑制分离矩阵的空间方向扩散。仿真实验表明,与BLUES方法相比具有更优的分离性能,信噪比增益平均增加1．58 dB。     

一种基于聚类的门控卷积网络语声分离方法*

基于深度聚类的语音分离方法已被证明能有效地解决混合语音中说话人输出标签排列的问题,然而,现有关于聚类进行说话人分离方法,大多数是优化嵌入使每个源的重建误差最小化。本文以时域卷积网络（ConvTasNet）为基础网络,设计了一种改进基于聚类的门控卷积（Gate-conv Cluster）语音分离方法,在时域上通过堆叠的门控卷积网络,实现端到端深度聚类的源分离。该框架将非线性门控激活用于时域卷积网络中,提取语音信号的深层次特征;同时在高维特征空间中聚类对语音信号的特征进行表示和划分,为恢复不同信号源提供了一个长期的说话者表示信息。该框架解决了说话人输出标签排列问题并对语音信号的长期依赖性进行建模。通过华尔街日报数据集进行实验得出,该方法在SDRi（信源失真比）和Si-SNR（尺度不变信源噪声比）指标上分别达到了16.72 dB和16.33 dB的效果。     

基于声源方位信息和非线性时频掩蔽的语音盲提取算法

针对欠定卷积混合的语音信号模型,提出一种基于声源方位信息和非线性时频掩蔽的语音盲提取算法。首先对低频段混合语音信号进行时频分析估计瞬时相对时延(ITD)并采用势函数聚类分析方法估计出声源个数及其ITD,接着锁定目标提取准确的目标语音方位信息,最后利用独立语音在时频域上的近似W一分离正交性,采用非线性时频掩蔽的方法提取目标语音。仿真实验表明,该方法能锁定任意感兴趣目标方位,能有效提取目标语音,文中实验条件下信噪比增益平均达9.5 dB。      

远近场混合源的波束解卷积定位

提出了定位远近场混合源的波束解卷积技术,针对非相干远近场混合声信号的线列阵观测结果,推导了其常规波束形成(CBF)空间谱中固有的广义二维卷积数学关系,利用Richardson-Lucy算法实现波束能量聚焦以获得近场目标的精确空域参数估计,通过混合源协方差矩阵向近场流形的正交补空间投影操作提取远场分量,并分析得到其内在的一维卷积关系,然后通过角度域波束解卷积进行远场信号的波达估计。仿真分析表明,所提方法提升了CBF谱的空域分辨力,通过投影映射隔离近场分量后实现了混合源的分离。与现有方案相比,所提算法针对远场信源可实现10 dB的背景噪声级抑制。     

荧光衰减曲线的一种多指数拟合方法

在荧光衰减测量中，总要遇到荧光衰减解卷积，进行非线性参数拟合问题。目前已有的非线性求极小值方法，都对参数估计值非常敏感，而且计算程序运行时间较长。我们建立了一种基于经典的步长加速法实现非线性最小二乘拟合，进行荧光衰减解卷积的方法，按程序给出参数初值，即能解卷积。     

混沌背景下信号的盲分离

混沌信号与确定性小信号叠加生成的混合信号是一更高维的混沌信号,因而不能用一般的混沌信号噪声抑制的方法进行分离.提出了一种这类信号盲分离的方法.在重构未知的混沌信号的动力方程时,充分利用混沌吸引子的几何特性,并且限定动力映射为原混沌吸引子所在流形的内部映射,从而保证了重构的动力系统方程对应于原混沌信号,而不是同样具有混沌特性的混合信号.然后利用重构的动力方程,借用混沌信号中的噪声抑制思想,估计出原混沌信号对应的轨道,实现信号分离.通过对Lorenz系统中谐波信号、Henon映象中自回归过程,以及脑电信号中谐波信号进行提取的数值实验,验证了信号盲分离方法的有效性和可行性. 关键词： 混沌 非线性 信号处理 盲分离     

非线性混合模式的语音盲分离算法

本文针对FIR非线性混合模型，基于最大熵算法，提出了一种以高斯混合模式概率密度函数估计替代传统对数化概率密度估计的盲分离算法，以偶函数为非线性激活函数，采用最大期望（EM）迭代算法推导了分离算法的权向量迭代公式，通过模拟仿真实验结果与传统的最大熵和高阶累积量方法比较，新算法提高了收敛速度，并有效地完成了非线性语音分离任务，抑制了干扰语音信号的影响，提高了输出信噪比。     

一种混沌信号的盲分离方法

多个混合混沌信号的分离，在混沌及其应用中是一个重要的问题.提出了一种线性混合的混沌信号的瞬时盲分离方法，它利用了各个混沌信号源之间的互不相关性，在未知混合矩阵和混沌方程的情况下，通过求解特征向量的方法从观测量中直接估计出解混合矩阵，以重构出源混沌信号.仿真结果表明，即使在低信噪比情况下，该方法仍可以有效地从噪声背景中分离出多个混合的混沌信号. 关键词： 混沌 盲分离 信噪比 特征向量     

基于改进自适应分解法的单通道雷达引信混合信号分离

为了更好地改善单通道多分量调频体制雷达引信信号的时频分布,以便于完成参数估计和信号分离,将自适应chirplet分解法引入到单通道雷达引信信号的分离问题当中,并加入时频曲线弯曲度因子,提出一种改进的自适应chirplet分解法,使其能够被用于非线性相位信号的分解,利用快速算法和优化算法,优化了运算过程,可准确且快速地求解出各参数,得到无交叉项的多分量信号时频分布,使复杂混合情况下的多分量信号也能够被较好地分离.通过仿真,利用该方法对多种情况下混合信号的时频分布进行了很好的改进,而后分解出了各分量信号,并通过分析计算出了相应的混合系数,仿真结果说明了该方法的有效性,且具有一定的抗噪声性能.     

基于多项式调频Fourier变换的信号分量提取方法

为了从含有噪声的混合信号中有效提取各个信号分量, 提出一种基于多项式调频Fourier变换的分量提取方法. 通过研究Fourier变换和分数阶Fourier变换的信号能量积累方式及变换基函数的时频表示, 提出利用时频平面上的多项式调频曲线族代替Fourier变换和分数阶Fourier 变换的调频直线族, 将变换的适用范围扩展到非线性调频信号. 采用粒子群智能优化算法搜索调频曲线族的最优多项式参数, 使混合信号中的某一分量在多项式调频Fourier域上能量谱集中. 最后对能量谱集中的分量进行窄带滤波, 并利用多项式调频逆Fourier变换重构信号分量. 仿真实验结果表明, 该方法不仅能够提取混合信号中的线性调频分量, 还能够实现非线性调频分量的能量谱集中、信号分离和时频特征提取.     

基于盲分离技术的水下多源环形阵定位方法研究

根据水下自动探测的工程实际技术发展需求,本文基于盲分离技术研究了环形阵对水下目标辐射噪声信号进行定位的方法,利用水声信号统计特性,通过构建针对水中目标的非线性函数和学习因子等,对自然梯度算法进行了改进,实船信号的盲分离实验结果表明,该方法改进了分离效果。在此基础上,建立了基于线性瞬时混合情况下的定位模型,完成了对六个水中目标的定位研究,取得了令人满意的结果。     

基于最大似然的单通道交叠激光微多普勒信号参数分离估计

利用激光对目标微弱振动进行探测有利于获得明显的微多普勒效应,这为精确估计目标微动特征参数,实现对目标的分类和精细识别提供了可能.但对于多散射点或多目标激光探测,信号为单通道多分量微动混合的形式,而且补偿目标主体运动后,数值上相近的微动参数还会导致信号在时频域存在严重的交叠.为从这类混合信号中精确估计各分量的微动参数,本文提出了基于最大似然框架的参数分离估计方法.利用精细化扫描的奇异值比谱法从混合信号中获得目标微动频率,并得到各分量的幅值比信息.推导了微动参数最大似然估计的解析表达形式,根据激光微多普勒信号的特点从频谱能量分布的角度重新设计了似然函数,解决了传统似然函数在激光微动信号中出现的高度非线性问题,降低了初始化的要求,提高了抗噪性能,并采用马尔可夫-蒙特卡罗方法具体实现了参数的估计.在微动参数得到估计的基础上给出了信号的幅值和初相的估计方法.用本文方法对仿真和实验数据进行处理,得到了接近克拉美罗下界的估计结果,验证了方法的有效性.与传统非参数化估计方法的对比结果体现了所提方法对混合微动参数精确估计上的优势.     

在YZ—LiNbO_3金属化表面上弧形叉指换能器激励的声表面波聚焦

一、引 言 近年来,声表面波卷积器因其高速信号处理能力而引人注意。其中利用材料非线性效应作成的弹性卷积器,因其结构简单、造价低廉而尤其受人重视。然而,由于弹性非线性系数比较小,因而通常要用大孔径叉指换能器来激励宽的声束,而后设法压缩束宽,使得互作用区内有高的声强。从弹性卷积器的要求来看,考虑压缩效果的指标主要是:在尽量小的距离内达     

基于总体最小二乘算法的平稳声信号二阶盲分离方法

利用声源信号相互独立的已知条件,提出分离平稳声信号的总体最小二乘二阶盲分离算法,该算法在联合近似对角化相关函数矩阵的约束下估计分离矩阵,在同时考虑估计矩阵与观测信号误差的情况下给出修正模型,在修正模型总体误差最小时分离源信号。提出的算法具有无需选择非线性函数,不存在收敛到局部最小值与计算速度快的特点,分离的声源信号具有较小的失真。半消音室电机噪声分离实验验证了上述算法的有效性。     

一种基于人工蜂群算法的混沌信号盲分离方法

混沌信号所固有的非周期、宽带频谱和对初值极度敏感等特性使得对这类信号进行盲分离极为困难. 针对这一问题, 提出一种新的盲分离方法, 该方法通过相空间重构来构造代价函数, 将混沌信号的盲分离转化为一个无约束优化问题, 并利用人工蜂群算法进行求解. 不同于现有的独立成分分析方法仅使用混合信号的统计特性来解决分离问题, 该方法能充分利用混合信号内在的动态特性, 因而在处理混沌信号这种确定性信号时能获得更好的分离效果. 此外, 正交矩阵的参数化表示有效地降低了盲分离问题的复杂性, 使优化过程能快速收敛. 实验结果表明, 该方法具有较快的收敛速度和较高的数值精度, 在分离混沌信号时其整体性能优于现有的几种盲分离方法. 同时, 在分离混沌-高斯混合信号的实验中该方法也展现出优异良好的性能, 这表明该文的方法有应用潜力.     

一种水下远程目标探测的方法

提出了通过估计目标反向散射系数来探测水下远程目标的一种方法。把估计目标及其附近散射体的反向散射系数构成的序列转化为海洋信道这一带乘性噪声系统的反卷积估计,并给出了最优反卷积算法。在加性噪声和乘性噪声前两阶矩未知的情况下通过建立系统状态滤波和时变噪声统计量交替估计的自适应状态滤波器,给出了自适应反卷积算法。利用上述两种反卷积算法分别对低信噪比(-6.1 dB)微弱信号进行仿真处理,仿真结果证明了所提出方法的有效性。     

使用稀疏贝叶斯学习的水声多途信道盲估计

提出了一种使用稀疏贝叶斯学习(SBL)的多途信号盲解卷积方法对水声多途信道的信道脉冲响应(CIR)进行盲估计。该方法利用垂直阵和多频SBL获得宽带舰船声源在不同垂直到达角上的复数域多频点信号,取其相位对垂直阵接收信号匹配滤波,得到每条路径上的CIR,将多路径CIR相干叠加得到最终的多途CIR结果。仿真与海试数据处理结果表明,相比于原有的基于交替投影的多途信号盲解卷积方法,所提出方法有以下几个好处:(1)无需准确预估多途信号数目;(2)分离的多途信号的方位更准确且信号相位更可靠;(3)有效获取了舰船与阵列之间的CIR.并且将弱路径CIR的平均时间估计误差从4.7 ms缩小到1.0 ms.显著提高了弱路径CIR的时间估计精度。使用稀疏贝叶斯学习的多途信号盲解卷积方法能够有效提高多途环境下水声信道盲估计的性能。      

多帧迭代盲解卷积在激光反射断层成像的应用

激光反射断层成像是一种新型的远距离高分辨率成像手段。反射回波可以近似视作发射脉冲和目标反射系数投影分布的加噪卷积,因此发射脉冲的展宽将显著影响重建图像的分辨率。现有的滤波反投影方法不能有效解决这个问题,而脉冲压缩和解卷积可以从回波中还原目标反射率分布投影,进而提高重建图像质量。基于多角度测量的相似性,提出了一种多帧迭代盲解卷积逼近方法,对一维回波信号进行解卷积,并在实际激光雷达上进行了实验,重建结果表明,此算法能显著提高成像的分辨率和细节,并能对发射脉冲给出参考。     

基于粒子滤波的单通道正弦调频混合信号分离与参数估计

以单通道正弦调频(SFM)混合信号为研究对象,提出了基于粒子滤波的正弦调频混合信号分离与参数提取方法.针对正弦调频混合信号频率无跳变的特征,提出了一种基于粒子滤波的相位差解混叠算法,并通过源信号相位差解决了本算法中粒子滤波高维状态空间降维问题,提出了一种适合高维状态空间的似然函数模型,比较固定长度粒子估计值和真实值误差,进而准确衡量粒子权重.通过在重采样后引入MCMC转移,解决了静止参数下粒子多样性降低问题,有效提高粒子滤波迭代收敛速度.从而在先验知识仅已知信号调制方式的情况下,完成对单通道正弦调频混合信号的参数提取,并通过重构信号完成正弦调频混合信号分离.最后通过仿真分析发现,该方法能够有效的实现正弦调频混合信号的分离与参数估计.     

FCM-FastICA的点蚀声发射信号分离识别方法

金属点蚀是一种破坏性和隐患较大的设备损伤形式。点蚀会产生声发射信号。点蚀过程中产生的多种声源类型会造成信号混叠,影响腐蚀进程的判断。针对点蚀信号混叠问题,提出一种模糊C均值聚类与快速独立分量分析算法相结合的点蚀信号分离识别方法。通过分析单、双点蚀声发射数据将点蚀分为钝化膜破裂阶段、点蚀诱导成核及发展阶段,由聚类确定信号类别并用快速独立分量分析分离混合信号,利用相关性函数验证分离效果。结果表明：单点蚀过程存在3类原信号,双点蚀过程存在7类信号,其中包含单个信号与混合信号;单个信号与原信号相关性极高,达到0.8以上,混合信号的分离分量与原信号相关性达到0.6以上,分离效果较好。该方法可对点蚀混合信号进行有效分离和识别,为腐蚀进程判断提供支持。