混叠通信信号的盲分离处理

同频混叠信号的处理一直是通信信号处理中的难点,常规的信号处理方法难以对其进行有效分析。本文运用最新的盲源分离理论,实现了混叠通信信号的盲分离。仿真结果表明,本文采用的算法分离效果好,运算速度快,可移植性强,基本实现了对混叠通信信号的实时盲分离。     

基于声场景分析的混叠语音分离研究

从计算声场景思想出发，研究了如何从混叠语音中提取各源信号基音及谐波分量的方法，在此基础上根据语音信号正弦模型重建各语音分量，从而实现混叠语音分离。实验结果表明，笔者提出的方法是十分有效的。     

卫星混合信号分离中的ICA应用技术

针对与卫星有用信号频谱相混叠的干扰信号不易检测识别的问题．本文提出一种利用独立分量分析（ICA）理论将有用信号与干扰信号分离的卫星干扰信号检测识别方法,并在Matlab中采用FastlCA算法对混合卫星干扰信号进行了仿真。仿真结果表明该方法能有效地将有用信号与干扰信号进行分离．为进一步采取相应抗干扰措施提供了依据。     

瞬时混叠信号盲分离

本文利用三阶和四阶积累量研究了瞬时混叠信号分离的问题－根据源信号通过瞬时叠加后的观测值忧愁出源信号。     

混叠语音的场景分析方法

提出了1种混叠语音场景分析模型,模型以独立分量分析(ICA)方法作为语音分解的理论依据,以时频分布和距离测度作为语音辨认的实现工具,完成了混叠语音场景分析过程。阐述了ICA和时频分布的原理,采用改进快速ICA算法,结合优化时频分布和距离测度方法,有效完成了语音场景分析实验。通过对实验数据采用主客观评估,结果说明提出的模型具有较好的处理效果。     

卷积混叠信号盲分离

本文讨论了卷积混叠信号盲分离问题，证明了一系列基于高阶谱的判据，指出了盲辨识和盲分离的充分条件，利用判据，发展了若干算法，模拟实验证实了判据的正确性和算法的有效性。     

混叠敌我识别信号分离算法研究

在敌我识别(IFF)信号侦察中,侦收到的IFF信号存在混叠现象,严重影响了信号分选、解码和模式识别。采用基于盲源分离思想的独立分量分析方法,首次将等变化自适应(EASI)算法应用到混叠敌我识别信号分离中,该算法选择四阶累积量——峭度作为目标函数实现混叠IFF信号的分离,并通过仿真验证了该算法的可行性和有效性。     

基于小波变换和独立分量分析的含噪混叠语音盲分离

含噪混叠语音的分离是语音信号处理中的重要研究问题。该文针对语音信号的非平稳特性与不同语音源之间的相互独立性,提出用小波变换与独立分量分析相结合的方法来进行分离。首先利用小波变换分别对各含噪混叠语音进行消噪,然后用独立分量分析的方法对消噪后的混叠信号进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个语音源信号的最终估计。仿真结果表明这种方法取得了很好的分离效果。     

基于松弛改进快速独立分量分析的同频混叠信号提取算法

针对快速独立分量分析（FastICA）算法提取多个同频混叠信号时的初值选择敏感性和收敛性能差的问题,提出了一种双松弛因子改进的FastICA(DLM-FastICA)算法。先在牛顿迭代法中引入双松弛因子,通过自适应调节分离矩阵的组合系数得到最优权值分离矩阵,从而改善FastICA算法的初值敏感性;再利用改进的FastICA(MFastICA)算法的快速收敛特性提取信号,提高算法的分离精度和收敛速度。仿真结果表明,该算法使得提取信号与源信号的相似系数达到0.9,同时迭代次数较原算法减少近40%,具有更加快速、稳定的提取性能。     

基于差分进化的插值置换混叠图像盲分离

针对插值置换混叠图像提出了一套完整的盲分离方案。根据插值图像像素点之间存在的相关性,通过对置换混叠图像分块进行有限差分,检测插值图像与原图像经过有限差分后的值之间的差距,设定适当的阈值,将其分开。为获得最优阈值,用差分进化算法进行优化,获得最优阈值。根据阈值将图像二值化,进而将置换图像分离出来。实验结果表明,该方法比阈值法的鲁棒性强,对经过不同插值方式的置换混叠图像进行盲分离都有较好的效果。     

基于峰态的独立分量分析原理的研究

对基于峰态绝对值最大化的ICA原理进行了详细分析,给出了该原理几何解释和适用范围。通过对采用该原理进行ICA问题求解过程的分析,阐明了ICA问题解的不确定性的产生原因,指出并解释了求解过程中表现出的一种概率特性。所得结论对于其它ICA方法也具有参考价值。     

基于峰度的ICA算法

独立分量分析(ICA)是一种通过最大化多维观察向量元素的统计独立性寻找一个线性变换的统计方法，其作为有效的盲源分离技术是信号处理领域的热点。提出了一种基于峰度的快速ICA算法，此算法常用于盲信号分离和特征抽取。先从峰度的定义入手说明峰度作为代价函数的可行性，并详细介绍如何将神经网络学习规则转换成固定点准则，从而使得算法简单，且不依赖任何人为定义的参数。选取3个非高斯独立向量作为信号源进行Matlab仿真，分离效果良好。     

基于Schur运算格的线性ICA估计算法

从几何角度来看,线性ICA(Independent Component Analysis)估计可以通过角度变换来实现.因此,本文提出一种新颖的,基于Schur运算格的格型ICA估计算法,格型算法较之其它算法稳定,易于扩展,易于硬件软件实现.仿真结果表明,该算法性能令人满意.     

一种基于ICA的图像水印方法

本文提出了一种结合离散小波变换(DWT)、离散余弦变换(DCT)和独立分量分析(ICA)的图像数字水印方法。该方法把原始图像进行二维小波分解，保留其高频细节信息，然后对小波逼近子图进行离散余弦变换并嵌入水印。水印的检测使用了ICA方法。实验结果表明该水印方案很好的实现了水印的鲁棒性与不可见性的统一，对各种攻击具有很好的鲁棒性。同时由于ICA方法的引入，较好的改善了水印的检测效果。     

基于二维小波变换和独立分量分析的SAR图像去噪方法

该文给出了一种基于离散小波变换和独立分量分析的SAR图像斑点噪声抑制方法。首先利用小波变换对图像进行分解,然后将分解出的各部分子图像分别进行独立分量分析,提取出相应的独立源,去除噪声分量,最后依次进行ICA重构和小波重构。该文还同时比较了采用不同小波基函数时斑点噪声的抑制效果,研究了它们对斑点抑制的影响。对MSTAR实测SAR图像的实验结果表明该方法能够有效地抑制图像中的斑点噪声,且在性能上优于ICA和Lee滤波方法。     

基于仿生模式识别和PCA/ICA的DOA估计方法

本文提出了一种基于仿生模式识别和PCA/ICA的DOA估计方法.这种方法的建模过程是用在实际环境下采集的训练样本构造人工神经网络模型,对环境的适应能力较强;且这种方法采用PCA/ICA进行特征提取,使数据得到有效压缩,可以实现系统实时处理.实验结果表明:在信噪比为20dB和0dB时,该方法的正确估计率可达100%;在信噪比降为-20dB时,该方法仍有83%的可识别率.     

基于小波变换的独立分量分析及其在图像分离中的应用

提出了一种新的基于小波变换的独立分量分析方法,对混合图像进行分离。研究表明,当各个源信号的概率密度分布相同时,自然梯度算法的稳态误差与源信号峭度成反比。因此,对峭度更大的小波域高频子图像进行独立分量分析可以获得更高的分离精度。同时混合图像在小波变换的过程中,可以利用小波阈值对混合图像进行去噪,提高图像的信噪比。最后通过实验证明该方法是有效的。     

基于ICA和FCM的多时相SAR图像变化检测

针对多时相合成孔径雷达(Synthetic Aperture Radar,SAR)图像提出了一种非监督的变化检测方法,首先利用独立成分分析(Independent Component Analysis,ICA)抑制相干斑噪声和减少混合像元,提高图像的分类性能.然后对独立分量图像构造差值图像进行非监督的变化检测,最后采用加入空间邻域信息的模糊C-均值聚类(Fuzzy C-Means)方法把差异图像分为变化类和非变化类,以此克服需要选择统计模型的影响.实验结果证实了该算法能有效抑制了变化检测中的虚警.     

基于独立分量分析的雷达信号分选算法

对盲信号的独立分量分析（ICA,independent component analysis）技术进行了研究,并将其应用到雷达信号分选当中,仿真实验证明能够取得很好雷达信号分离效果,为雷达信号分选提供了新的思路。     

基于复合型神经网络的非线性ICA及其在SCP少次提取中应用研究

该文提出一种基于MISEP和NLFA方法的复合无监督多层感知神经网络模型解决非线性独立分量分析(ICA)的解混问题,并对MISEP神经网络中用到的两种Sigmoid函数及新引入的径向基函数(RBF)作了信号分离性能的对比分析。实验结果表明,本文方法可以更好地从非线性混合信号中复现源信号,稳定性高,同时应用于慢皮层电位(SCP)的少次提取,经与相干平均法比较,波形的整体提取效果明显。