基于四阶累积量和小波降噪的干扰抑制算法

针对盲信号分离算法在低信噪比下分离效果较差的情况,提出了一种基于四阶累积量和小波降噪的含噪盲分离算法,并将该算法用于卫星通信干扰抑制。首先,利用基于四阶累积量的盲分离算法进行信扰盲分离;然后对分离出的已被噪声污染的通信信号进行小波降噪处理。最后,对提出的算法在单音干扰下进行了性能仿真。仿真结果表明,该算法不仅使抗噪性能提高了3dB左右,而且在低信噪比下对强单音干扰具有较好的抑制效果。     

基于孪生波形设计的频谱弥散干扰抑制方法

频谱弥散(SMSP)干扰是针对线性调频(LFM)脉冲压缩雷达的一种有效干扰手段。基于干扰信号的时频特征，提出了一种基于孪生波形设计的频谱弥散干扰抑制方法。首先，利用初始脉冲发射LFM信号，对受干扰回波进行Gabor变换得到时频分析结果，并估计干扰子脉冲数；其次，基于干扰子脉冲数设计第2个脉冲发射的孪生波形；然后，设计调制信号对干扰后的孪生波形进行时频搬移后重组；最后，通过匹配滤波处理实现干扰抑制。仿真实验表明：所提方法能主动调整设计发射波形相关参数，并有效利用干扰信号的能量，解决在干信比较大时干扰抑制较为困难的问题，避免复杂的信号分离算法。在干信比为25 dB时，经干扰抑制后的信干噪比增益可以达到60 dB以上。     

基于相关函数的盲信号分离准则

盲信号分离的依据通常是信号的独立性或利用它们的高阶累积量。考虑了双通道的盲分离问题，提出了一种基于相关函数的盲分离准则。证明了在源信号不相关的条件下，可以实现源信号的盲分离。并给出了一种可直接求解二次方程组的盲分离算法。     

基于预估-反馈联合处理的射频噪声干扰抑制算法

针对强射频（RF）噪声干扰下脉压雷达目标检测概率较低的问题,提出了一种基于预估-反馈联合处理的射频噪声干扰抑制算法。首先,对回波信号进行盲源分离预处理,并利用分数阶傅里叶变换（FRFT）的特性对目标回波信号进行参数估计以及窄带滤波处理,滤除大部分干扰和噪声的能量;然后,在数据层运用M/N逻辑法进行点迹处理,并结合径向速度方向判决,实现对目标航迹的预估检测;最后,利用数据层对航迹状态的反馈实时修正滤波器参数,从而在信号层更好地滤除干扰能量,并对中断航迹进行剔除,完成射频噪声干扰的抑制。仿真结果表明：与现有射频噪声干扰抑制技术相比,所提算法具有更优的干扰抑制效果。     

基于优化信噪比算法的航空发动机振动信号分离

为克服噪声对航空发动机振动信号的影响,提出一种优化信噪比的航空发动机振动信号分离方法,其通过建立时延自相关目标函数,对最大信噪比盲源分离算法进行优化。利用该方法,对航空发动机仿真混叠振动信号进行分析,分离后的信号频谱与源信号一致;对具有故障的实测航空发动机振动信号进行分离,成功分离出不同故障的振动特征。本文提出的方法为航空发动机振动信号的监测和故障诊断,提供了一种新的思路。     

基于位势函数的欠定盲源分离识别诊断方法

对观测器数目小于源信号数目的欠定盲源分离进行了研究,提出了一种基于位势函数的稀疏信号欠定盲源分离方法,该方法从能量的观点出发,通过构造位势函数,将寻找混合信号在直线方向上的聚类问题转化为寻找累积位势函数的局部极大值问题,从而准确的估计出源信号数目和混合矩阵,克服了通常的基于k-means聚类的混合矩阵估计法需预先给定源信号数目的缺点.利用仿真信号检验了该方法的有效性.基于信号频域稀疏性假设,将该方法应用于欠定条件下的滚动轴承振动故障信号的盲分离,较好地分离出了故障信号.      

基于核函数的后置非线性盲源分离算法在铁磁材料缺陷检测中的应用研究

磁记忆信号检测是分析铁磁材料缺陷和缺陷定位的一种有效方法。由于检测环境噪声、缺陷磁记忆信号弱以及缺陷位置重合引起的信号抵消等原因，易导致传感器采集到的是多维混合磁记忆加噪声复杂信号，体现出较强的盲特性。如何从观测信号中提取有效缺陷信号是分析缺陷类型及定位的关键，传统的降噪方法无法从混合磁记忆观测信号中有效分离缺陷特征信号。文章提出基于核函数的后置非线性盲源分离算法对地下埋管磁记忆信号进行分离，通过与经典盲分离算法Fast ICA进行算法性能比较，表明新算法能够较好地从混合信号中提取有效缺陷特征。     

能量匹配条件下的CMA盲均衡算法

对CMA盲均衡技术在海上靶场遥测信号接收中的应用进行了仿真研究,同时在CMA盲均衡算法的基础上提出了一种能量匹配约束条件,对在能量匹配约束条件下的CMA算法进行了理论分析和算法推导。根据峰度准则,输入输出信号能量相等是盲均衡实现的充要条件的前提,依据这一前提,对CMA算法代价函数进行修正,有效提高了算法的收敛速度和均衡性能。     

一种基于极大似然估计的信号盲抽取算法

针对盲信号抽取问题,根据极大似然估计原理,给出一种基于极大似然估计的分步盲抽取算法。根据信号不同的延时特性确立抽取信号,完成第一步抽取。由于初步抽取信号存在噪声污染,根据极大似然估计,估计抽取信号的概率密度函数,确立优化代价函数,利用自然梯度方法进行优化,确立最终抽取向量迭代方式,完成对抽取信号优化处理。通过仿真证明算法具有良好的收敛性和抗噪性,在SNR17 d B时,抽取信号与源信号的相似度达到95%。     

一种基于时频分析的欠定盲源分离算法

针对欠定盲源分离,提出了基于时频域信源数估计的盲源分离算法。通过短时傅里叶变换将信号变换至时频域进行分析。在混合矩阵估计环节,根据源信号稀疏性的假设,在时频域利用信号的时间频率比,确定与源信号对应的混合向量。在混合向量聚类过程中,利用同类向量间的距离以及向量不同聚类间的解析度,提出一种信源数估计方法,解决了在聚类算法中假设信源数已知的问题。在源信号分离环节,利用时频子空间中接收信号相关矩阵对角线元素与剩余元素的比值,提出一种子空间信源数估计算法,通过确定信源数,将子空间中欠定模型转换为超定或正定模型,以完成源信号分离。仿真证明算法对混合矩阵估计的正确性以及信号分离的可靠性。     

基于小波变换的 ICA盲源分离算法

针对ICA算法不能直接应用于单通道盲分离的问题,提出了基于小波变换的ICA盲源分离算法。该算法结合小波变换对基于信息论的ICA算法进行了改进并应用在单通道盲分离中。仿真结果给出了分离后信号的波形,经检验其相似程度,分离后信号的波形与源信号的波形较为接近。     

基于独立分量分析的航空发动机振动信号盲源分离

阐述了基于峭度的盲源分离开关算法,对仿真信号进行分离,验证了该算法的可行性.并将该算法与FFT分离法结合,对某型双转子航空发动机高、低压转子实测振动信号进行了盲源分离实践,取得了很好的分离效果,从而为双转子发动机振动监测与故障诊断提供了一种可行的信号处理方法.     

基于Hilbert-Huang变换和盲源分离的滚动轴承耦合故障诊断方法

结合Hilbert-Huang变换和盲源分离的优点,提出一种基于Hilbert-Huang变换和盲源分离的滚动轴承耦合故障诊断方法。该方法首先对滚动轴承故障信号进行EMD分解（经验模态分解）,得出各个本征模态函数IMF,并对IMF进行包络解调,然后用盲源分离方法对所得到的解调信号进行盲源分离,最后对盲分离后的信号进行频谱变换,从频谱图上可以清晰地观察出滚动轴承的故障特征频率。本文建立了转子-滚动轴承故障实验台,模拟了滚动轴承耦合故障,应用本文方法进行了实例分析,结果充分表明了本文方法较单一Hilber-Huang变换具有更好的降噪能力,更加突出了滚动轴承故障特征。     

APSO算法在语音信号盲源分离中的研究

将自适应粒子群优化（Adaptive Praticle Swarm Optimization）算法运用到语音信号的盲源分离中,以峰度为目标函数,通过自适应调整惯性因子,克服了收敛速度和分离效果之间的矛盾,最终实现盲源分离。该算法避免了传统的优化算法自然梯度法稳定性差、易于陷入局部最优的不足。通过比较仿真结果和性能指标可以看出,APSO算法提高了收敛速度,改善了分离性能,表明了该算法在实现语音信号盲源分离中性能的优越性。     

航空发动机振动信号盲分离研究

根据航空发动机振源信号的相互独立性,阐述了利用盲分离技术对航空发动机振动信号进行分离的原理和实现.利用Fast ICA算法对某型涡轮风扇发动机转子产生的振动信号进行了盲分离实践.