基于拉普拉斯正态混合分布概率密度函数估计的语音分离算法

由拉普拉斯分布概率密度函数推导得出的符号函数作为语音信号分离算法中的激活函数,目前广泛应用在基于独立分量分析的语音分离算法之中.为了提高语音分离算法的收敛速度以及分离性能,提出把拉普拉斯正态混合分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数,基于此函数提出一种快速语音分离算法.把推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行计算机仿真实验,可验证本文算法的收敛性能和分离性能.     

基于软件无线电的机会信号实时盲分离系统

在复杂的电磁环境中,往往存在多种频率交叠的机会信号,为利用机会信号进行定位增加了难度。针对这个问题,提出了一种基于软件无线电的机会信号实时盲分离系统。系统的硬件部分是在FPGA中实现等变自适应盲分离算法的,实现了AD采集后的复数域混合信号的分离。分离后的信号通过USB3.0数据线上传到上位机中进行存储、识别和实时显示。算法的FPGA实现采用流水线架构和浮点运算设计来提高信号的实时处理能力和数据计算精度。实测结果表明,该系统能够实时分离多路复数域混合机会信号。     

小波域的自适应波束形成算法

在分析传统自适应波束形成的基础上,首次提出了一种小波域的自适应波束形成算法。与通常的自适应波束形成算法相比,该算法利用小波变换对小波空间进行了分解,信号经小波变换自相关性会下降,收敛速度提高,同时在此分解过程中,根据信号与白噪声在不同尺度上的小波变换模极大值表现完全不同的特性进行信号的消噪。理论分析和仿真结果表明了该算法收敛速度较快,且计算量增加较少,易于实时实现,而且具有较好性能。同时仿真实验表明该算法收敛速度与小波基和尺度的选择有关,尺度越大收敛速度越快;对于同一小波基系列,小波基的正则性越好收敛速度越快。     

基于盲源分离的雷达信号欺骗干扰抑制

针对脉冲压缩信号的频谱弥散(SMSP)干扰,通过分析其时频特性,提出了一种基于盲分离的抑制算法。首先,推导了基于独立分量分析的代价函数,由于代价函数中信号概率密度函数不能精确估计,利用信号高阶互累积量的性质,重新构造了一种新的代价函数;其次,利用基于自然梯度的方法对新代价函数进行优化,从而得到基于峭度的盲分离算法;最后,通过仿真证明,对比Fast ICA算法,文中算法具有更快的收敛速度和更好的分离性能,在保证分离精度的前提下,可成功将目标回波信号分离,达到SMSP干扰抑制的目的。     

基于峰度的变步长恒模盲均衡技术

相对于基于训练序列的均衡方式,盲均衡能够提高信道利用率,更适于自适应组网和侦听,其中的恒模算法因实现简单而受到广泛关注,但是固定步长的恒模盲均衡器存在收敛速度和稳态误差上的矛盾。根据峰度定理,盲均衡器输出信号的峰度小于等于源信号的峰度,且只有达到收敛时才相等。文章采用均衡器输出信号峰度误差控制步长的变化,仿真表明变步长均衡器能够一定程度克服这一矛盾。     

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。     

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。     

盲源分离及盲信号提取的研究进展

盲源分离和盲信号提取是从观测信号中恢复源信号的有效方法,目前已成为信号处理领域的研究热点。介绍了盲信号处理的数学模型,给出盲源分离与盲信号提取的基本思想,阐述了各方法的原理、特点及性能,并对它们之间的区别与联系进行分析,最后指出盲源分离及盲信号提取的发展方向。     

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。     

基于样本熵的语音信号检测算法

船舶自身发出的巨大噪声,严重影响了通讯设备通讯端船舶工作者的正常语音交流和通讯,须要进行语音信号增强,将语音信号从背景噪声中检测分离出来。为此,文章在分析语音信号与船舶背景噪声信号时域序列复杂性基础上,提出基于信号序列样本熵的语音信号检测算法。该算法将含噪信号进行分帧后,首先计算每帧信号的样本熵,并根据自适应预设阈值对信号进行初始判断；然后,利用信号通常持续一定时间的连续性,对信号初始判断进行平滑,得到信号的最终判别类别,实现对语音信号的检测。经过大量实测实验数据的验证,环境噪声信号的辨别准确度为 90.33%,语音信号为 95.05%,该算法取得了较好的判别精度。     

基于自适应Kalman滤波的改进PSO算法

针对基于Kalman滤波的PSO算法在设计与应用过程中存在的不足,提出了基于自适应Kalman滤波的改进PSO算法。利用粒子群状态空间Markov链模型,建立粒子群系统状态方程;采用粒子的速度和位置作为观测量,构建观测方程;引入记忆衰减因子动态调整Kalman滤波模型参数及噪声方差阵,降低模型误差,提高粒子的位置估计精度。仿真实验表明:改进的PSO算法无论在优化精度、收敛速度,还是在稳定性方面都有很大的改进和提高,这就有效避免了粒子的"早熟"收敛问题;尤其在处理复杂多峰问题上,改进算法表现出很明显的优越性。     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

基于模拟退火粒子群算法的波浪发电系统最大功率跟踪控制

波浪发电系统最大功率点跟踪控制中,传统粒子群算法存在早熟收敛和局部搜索能力不足问题,为此提出基于模拟退火算法的粒子群优化方案。该算法每次更新粒子的速度和位置时,通过比较当前温度下各个粒子的适配值与随机数的大小,从所有粒子中确定全局最优解的替代值,从而使粒子群算法在发生早熟收敛时能够跳出局部最优并快速找到全局最优解。仿真结果表明,与传统粒子群优化算法相比,模拟退火粒子群算法可有效避免波浪发电系统陷入局部最大功率点,并快速实现全局最大功率跟踪,提高了波浪能捕获率。     

基于模拟退火的改进粒子群算法研究及应用

为加快粒子群算法效率,跳出局部最优陷阱,得到高精度最优解,文章提出了基于模拟退火的带收缩因子的粒子群混合算法(SACPSO)。首先,对混合优化算法进行了分析;然后,对混合算法进行函数数值仿真;最后,将SACPSO算法应用于PID参数整定问题。结果表明,改进粒子群算法的稳定性和搜索精度有了明显提高,收敛速度明显加快;在PID参数整定应用上,同传统方法相比,系统稳定,收敛性能好。     

基于粒子群优化的WNN飞行数据气动力建模

为了使所建立的气动力模型能准确地描述飞行器的动态特性,提出一种基于改进粒子群优化(IPSO)算法的小波神经网络(WNN)飞行数据气动力建模方法。该方法引入邻近粒子信息和变异操作,对标准PSO(SPSO)算法的不足进行改进,以提高WNN参数的全局搜索能力,克服早熟收敛,再按照所设计的飞行数据的气动力建模流程,构建了IPSO算法训练的WNN模型。试验结果表明:提出的气动力建模方法预测精度高,收敛速度快,能较好控制早熟收敛问题,用于飞行数据的气动力建模是有效的,也是可行的。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

基于鱼群优化粒子滤波的捷联惯导系统初始对准方法

针对传统捷联惯导系统静基座初始对准模型的维数较高,导致滤波算法的解算实时性较差的问题,设计出一种基于鱼群优化粒子滤波的两位置初始对准方法。首先,建立了捷联惯导系统的两位置初始对准模型。由于该模型中不存在惯性器件的随机常值影响,因此,在确保初始对准精度的前提下,有效降低了初始对准模型维数;然后,利用鱼群优化算法改善了粒子滤波算法中粒子样本的分布,提高了粒子滤波算法的收敛速度和预测精度。仿真结果验证,采用该初始对准方法,可以有效提高初始对准的精度,且满足系统对实时性的要求。     

基于改进粒子群优化模糊控制的MPPT算法研究

在光照强度和温度变化时,常规的最大功率点跟踪(MPPT)算法难以快速准确地跟踪光伏系统最大功率点。针对此问题,设计了一种改进粒子群优化算法(PSO)的模糊控制器。首先,依据常规MPPT特性,设计了一种带调整因子的模糊控制算法以快速收敛到最大功率点;然后,采用参数自适应PSO对设计的模糊控制器调整因子进行动态优化。仿真结果表明:所设计的参数自适应PSO优化模糊控制器能快速准确地跟踪最大功率点,保证了MPPT的动态响应速度和稳态精度,提高了光伏系统的工作效率。     

改进粒子群优化算法在亚轨道飞行器固液混合发动机设计中的应用

针对粒子群优化算法在求解多维复杂优化问题时容易陷入局部最优的缺点,提出了动态目标粒子群优化算法,通过分析寻优过程中粒子与个体最优位置和全局最优位置之间存在的位置关系,建立了新的速度更新公式.最后,应用该算法对某型号亚轨道飞行器固液混合发动机进行了优化设计.仿真结果表明,改进算法搜索能力强、收敛速度快,能有效解决此类问题,可为亚轨道飞行器的发动机优化设计提供理论参考.      

基于PSO算法的航空发动机起动燃油控制

针对航空发动机起动过程燃油流量优化控制的实时性要求, 提出一种新的航空发动机起动燃油控制方法——基于粒子群优化（PSO）算法的非线性预测控制.该方法在建立最小二乘支持向量机（LS-SVM）预测模型的基础上, 运用PSO算法实现其滚动优化功能.经实例验证, 燃油流量经过PSO算法优化控制后, 高低压转子转速的超调量减小, 并且其稳定的时间比没有经过优化控制的要快上56 s.由仿真结果可知, 该方法可以用于航空发动机起动过程燃油控制, 当给定的约束条件足够精确时, 能以较高的精度计算出最佳供油规律.