一种基于Infomax的盲分离算法及其稳定性

本文讨论具有超高斯分布与亚高斯分布的混合源信号的分离问题 ,提出了一种有效的分离算法———拓广的Infomax算法 ,并分析了该算法的渐近稳定性 ,与原有的Infomax算法相比 ,本文所提算法具有更广泛的应用范围 .模拟实验验证了算法的有效性     

无线网络中基于变分消息传递的分布式协作定位算法

针对基于消息传递算法的节点定位方法复杂度和通信开销较高的问题,提出一种适用于节点可移动网络的低复杂度低协作开销的节点自定位算法。为降低通信负载,该算法将消息约束为高斯型函数,网络中只需传输各消息的均值和方差,并采用适用于指数模型的变分消息传递(VMP)算法以降低计算复杂度。首先,根据节点的历史轨迹对节点位置进行预测,得到当前时刻的先验信息。然后,在因子图上按照VMP消息更新规则、通过迭代近似求解节点位置变量的后验分布。在消息更新中,对于非线性测距模型引起的非高斯置信,通过非线性项的二阶泰勒级数展开将其近似为高斯型函数。最后,根据最大后验估计准则得到位置估计。仿真结果表明,该算法的定位精度与基于非参数化置信传播的SPAWN（Sum-Product Algorithm over a Wireless Network）接近,但计算复杂度和通信负载均显著降低。      

基于IGA的AR序列叠加过程的分解与复原

本文研究由若干个AR信号序列叠加形成的多道时间序列的分解与复原问题.首先从信号的独立性出发,利用信号的高阶统计信息,采用独立成分分析(Independent Component Analysis,ICA)中的广义信息最大化(Infomax)算法寻找一可逆矩阵将混合信号进行分离,然后再根据AR序列的偏相关系数的截尾性,利用Levinson递推公式估计出AR序列的参数,最后通过模拟实验验证了此方法的有效性.     

非线性盲源分离的原理及算法综述

本文主要阐述了非线性盲源分离(BSS)/独立成分分析(ICA)模型的基本数学原理、分离算法、算法性能及其应用。首先对线性和非线性BSS/ICA的数学模型作了介绍,重点介绍了非线性BSS/ICA解的不确定性,然后在此基础上对近十年来出现的各种非线性BSS/ICA算法进行简单综述,着重分析了一类可解且应用比较广泛的非线性BSS/ICA模型-后非线性BSS/ICA模型及其分离算法。最后对非线性BSS/ICA存在的问题和发展趋势进行了总结。     

基于ICA的谐波恢复方法

加性有色高斯或非高斯噪声中谐波恢复是信号处理中的一个常见问题,本文利用独立成分分析(ICA)来研究加性噪声中实谐波信号的恢复问题.首先建立了谐波信号的ICA数学模型,分析了谐波恢复可以由ICA方法实现的数学原理,然后提出了噪声中谐波恢复的ICA方法,最后通过仿真实验说明了基于ICA的谐波恢复算法的有效性.     

压缩感知的多重测量向量模型与算法分析

压缩感知（Compressed Sensing:CS）现有算法大都从单重测量信号中恢复稀疏信号源,即为单测量向量（SMV）模型。而在实际应用中,存在大量的多重测量向量情形,从多重测量向量中恢复未知的具有相同稀疏结构的联合稀疏信号源的模型称为CS的多重测量向量（MMV）模型。本文首先对CS-SMV和CS-MMV模型的基本数学原理进行了详细介绍,讨论了两种情况下稀疏源信号恢复的存在性与唯一性,然后在此基础上重点对近年来出现的各种联合稀疏信号的恢复算法进行综述,分析了各种算法的性能,较全面的讨论了MMV模型的应用前景。最后对CS的MMV模型的发展趋势进行了总结和展望。      

基于SVM的广义空移键控可见光通信系统信号检测算法

针对室内广义空移键控(GSSK)调制的可见光通信(VLC)系统,该文提出一种基于支持向量机(SVM)的机器学习信号检测算法.在一般的VLC系统中,极大似然(ML)检测是最优检测算法,但是ML检测算法具有很高的计算复杂度.为了解决此问题,该文利用机器学习中的SVM分类思想实现对系统接收端的信号检测,以在保证信号检测正确率的情况下,降低计算复杂度,提高GSSK-VLC系统的信号检测效率.仿真结果表明,该文提出的针对室内GSSK-VLC系统的SVM信号检测算法与ML检测算法相比,在具有接近ML的误比特率(BER)性能的同时,计算复杂度明显降低,有效提升了系统的检测性能.     

室内可见光通信系统中基于压缩感知的空移键控信号检测方法

针对基于空移键控(Space Shift Keying,SSK)的室内可见光通信(Visible Light Communications,VLC)系统中的信号检测,本文将其转换为稀疏信号重构问题,使得具有相对较低计算复杂度的压缩感知(Compressed Sensing,CS)稀疏重构算法成为基于SSK调制的室内VL...     

基于分层模型的SC-FDE系统低复杂度稀疏信道估计

针对单载波频域均衡(SC-FDE)接收机提出一种低复杂度的贝叶斯稀疏信道估计算法。该算法利用广义平均场(GMF)推理方法结合贝叶斯分层先验模型得到。在GMF推理方法中,使用辅助函数来等效未知变量的联合后验概率密度函数;然后对辅助函数进行因子分解,通过对待估计的稀疏向量的辅助函数进行不同大小的分块来实现降低复杂度的目的。而原始的高复杂度算法(SC-VMP-3L)是所提出的算法的特例。最后,将GMF推理方法用于频域均衡中。仿真结果表明,在信道估计精度和误码率方面,所提出的算法性能基本与SC-VMP-3L算法的性能接近,且明显优于传统的正交匹配追踪（OMP）稀疏信道估计方法。在复杂度方面,与SC-VMP-3L算法相比有显著降低。      

基于SVM的广义空移键控可见光通信系统信号检测算法

针对室内广义空移键控(GSSK)调制的可见光通信(VLC)系统,该文提出一种基于支持向量机(SVM)的机器学习信号检测算法。在一般的VLC系统中,极大似然(ML)检测是最优检测算法,但是ML检测算法具有很高的计算复杂度。为了解决此问题,该文利用机器学习中的SVM分类思想实现对系统接收端的信号检测,以在保证信号检测正确率的情况下,降低计算复杂度,提高GSSK-VLC系统的信号检测效率。仿真结果表明,该文提出的针对室内GSSK-VLC系统的SVM信号检测算法与ML检测算法相比,在具有接近ML的误比特率(BER)性能的同时,计算复杂度明显降低,有效提升了系统的检测性能。