范清清[1]2004年在《基于峭度的盲自适应检测方法研究》文中进行了进一步梳理论文主要围绕安徽省自然科学基金项目“CDMA自适应盲多用户检测方法的研究”(03042208)展开工作，研究了第叁代移动通信中的多用户检测技术，特别是盲检测技术。 文中首先分析了现有的盲检测技术，对现有的方法进行了分类。并在此基础上，提出了一种基于峭度的盲检测方法，这种方法不但可以抑制多址干扰MAI(Multiple-Access Interference)，还可以抑制符号间干扰ISI(Inter-Symbol Interference)，而且在检测时只需要期望用户的扩频码信息，是一种全盲检测方法。 由于峭度是一种四阶累积量，存在计算复杂的缺点，因此在基于峭度的全盲检测方法基础上又加以改进，利用能量归一化将原峭度公式作了简化，并在传统的能量归一化方法——白化的基础上利用子空间投影的特点，在白化的同时将信号投影到信号子空间上，降低了信号的维数，简化了后续的计算。 为了能更好的跟踪信道的变化，论文还研究了自适应信号处理的方法，并针对最小均方误差的方法进行了改进，改进后的方法在收敛速度比传统的最小均方误差方法有很大改进，并且和传统方法相比它还有收敛速度对收敛步长不敏感的优点。在对自适应方法仿真中清楚体现了这些特点。 论文最后还验证了结合峭度，子空间和改进的自适应方法的全盲自适应检测方法的性能，通过与其它盲检测方法性能的比较，可以看出这种方法抗多址能力比其它盲检测方法大大提高，而且具有较好的抗多径，时变信道的性能。
卢广阔[2]2015年在《时频域多分量信号分析识别研究》文中研究说明在过去的几十年里,随着电磁设备研发的多样性及应用的广泛性,采集到的信号形式与种类也越来越复杂,分布越来越密集,在同一信道中存在多个信号的情况变得越来越普遍,这种情况为后续的信号处理研究增加了一些新的问题。由于广泛的应用背景和巨大的现实意义,尽管时频域多分量信号的分析识别问题是一个极端欠定的病态问题,但仍然得到了很多研究人员的青睐和投入。尽管在研究过程中,研究人员针对生电、机械振动、语音等自然信号和雷达、通信等人工信号的分析识别问题,分别定义了确定性信号模型、非平稳信号模型、非线性时间序列模型和状态空间模型等等各种模型,提出了各种时频变换方法、矩阵分解方法和参数估计重构方法。但归根结底,所有这些研究都是针对特定的应用场景的,而在更为复杂的情况下或者更为广泛的应用背景下常常存在失效的问题。针对这些问题,本文在前人现有研究成果的基础上,对时频域多分量信号的分析识别问题进行了更加深入地研究和探讨,提出了一些新的思路和算法,进而扩展了这个方向上的研究内容,具体包括:1.针对在多个线性调频信号的全盲分析识别中对较弱分量信号的检测失效问题,本文将谱峭度的盲检测技术和分数阶傅里叶变换算法相结合,在现有研究的基础上提出了基于分数阶傅里叶谱峭度的变换新算法,并将其应用于较低信噪比下对多个非等功率分量信号的检测估计之中。该算法首先讨论了分数阶傅里叶变换的圆特性,然后将谱峭度的盲检测技术引入分数阶傅里叶域,定义了分数阶傅里叶谱峭度的概念并推导了它的一些特性,进而将这些特性用于多个线性调频信号的盲的分析识别中。最后,理论分析和仿真结果都验证了所提算法在较低信噪比下对较弱分量信号的检测性能优于其它算法;2.针对在多个非线性调频信号的全盲分析识别中对多个相近分量信号的检测失效问题,将分数阶傅里叶谱峭度和短时分数阶傅里叶变换算法相结合,在现有研究的基础上提出了基于分数阶傅里叶谱峭度的自适应短时分数阶傅里叶变换新算法,并将其用于多个相近非线性调频信号的检测估计之中。该算法首先推导了高斯旋转窗的谱密度和非圆特性,并将分数阶傅里叶谱峭度的特性用于修正后的最优旋转高斯窗的参数选择,从而定义了基于分数阶傅里叶谱峭度的自适应短时分数阶傅里叶变换新算法;在此基础上,将基于分数阶傅里叶谱峭度的时频分割算法用于时频变换后对多个非线性调频信号的盲检测提取之中。最后,理论分析和仿真结果验证了所提算法的时频聚焦性优于其它算法,因此可以识别非常接近的多个非线性调频信号;3.针对全盲条件下多个非平稳非线性时间序列的分析识别问题,将高阶统计技术和非平稳分割技术、相空间重构技术以及单通道独立分量分析算法相结合,在现有研究的基础上提出了基于高阶单通道独立分量分析的变换新算法,并将其应用于多个非平稳非线性时间序列的全盲分离识别之中。该算法主要分为叁个步骤:首先通过应用基于高阶启发式的非平稳检测和分割算法成功得到高阶平稳的非线性时间子序列;然后通过选取合适的重构参数将分割后的非线性时间子序列有效重构为多维轨迹矩阵,并应用基于高阶奇异值分解的坐标变换方法将该矩阵转换成伪多通道的瞬时线性混合模型;最后应用盲源分离方法将其中感兴趣的信号分量分离并提取出来。理论分析和仿真显示都验证了所提算法不仅可以有效分离多个非平稳非线性时间序列,而且对噪声和重构参数的鲁棒性也优于传统的单通道独立分量分析算法;4.针对数字通信中多个相位调制信号的共信道盲分析识别问题,在现有研究的基础上提出了基于高阶奇异值分解的盲源分离新算法,并将其应用于共信道码速率不同的多个数字相位调制信号的分离估计之中。该算法首先通过过采样和矩阵重排将多个数字相位调制信号的盲分析识别问题转化成相位变化的多个周期信号的盲分离问题,然后采用高阶奇异值分解算法估计各个相位调制信号的码元波形;最后应用盲源分离方法直接估计出各个相位调制信号的符号序列。仿真显示所提算法在一定程度上可以解决共信道多个数字相位调制信号的盲分离问题,且对噪声干扰和非等功率影响具有一定的鲁棒性。
蔡坤[3]2011年在《胎儿心电信号的盲分离研究》文中进行了进一步梳理胎儿心电图是一种重要的胎儿监护手段,比胎儿心音和心动信号更能反映心脏活动的全貌。对于胎儿的异常情况,胎儿心电图形态的变化比超声多普勒的胎心率和胎心宫缩监护等指标的变化发生得更早、更敏感,是保证胎儿健康,降低围产期胎儿的发病率和死亡率的重要途径。然而,体表胎儿心电信号信噪比低,且常与母亲心电信号混合,给医学诊断带来较大困难。从腹部心电混合信号中分离胎儿心电信号是生物医学信号处理领域一项重要的研究课题。本文从盲信号处理的角度出发,提出了胎儿心电信号盲分离的新方法:提出了基于峭度和偏度的胎儿心电盲分离方法。从临床实际信号出发,分别研究了腹部观测的母亲心电信号和胎儿心电信号的偏度和峭度统计特性,指出母亲心电信号和胎儿心电信号均为超高斯不对称信号,二者的峭度相差不大,而前者的偏度绝对值比后者大。据此,在FastICA基础上,提出了一种带比例调节系数的峭度和偏度盲分离目标函数。通过理论分析,证明该目标函数的局部收敛性和局部稳定性。通过实际信号的实验分析确定了比例调节系数的取值范围。最后,模拟实验数据和临床实际信号的实验表明,本方法的性能略优于FastICA,而较JADE稍差。提出了一种基于斜投影算子的单通道胎儿心电半盲分离方法。根据多通道线性瞬时盲分离模型在实际胎儿心电信号分离过程中不易满足的缺点,本文提出了一种基于斜投影的单通道胎儿心电信号的半盲分离方法。考虑到心电信号具有很强的自律性,相邻各波群之间的差异非常小,是一种准周期信号,在已知观测信号中母亲心电和胎儿心电信号波群位置的先验知识的情况下,本文提出了心电信号的延时迭加模型。在此基础上,根据斜投影算子的应用条件,详细讨论了临床观测信号中若干常见情况的母亲心电信号和胎儿心电信号的移位矩阵和二者构成的矩阵束的秩,为该方法的应用提供了理论依据。临床实际信号的处理实验表明,该方法能够有效提取胎儿心电信号。提出了一种在胎儿心音信号等参考信号引导下,基于斜投影算子的识别观测信号中受母亲心电信号混迭干扰的胎儿心电信号波群检测方法。通过分析被母亲心电信号混迭的胎儿心电信号波群定位错误给基于斜投影的胎儿心电信号半盲分离结果造成的影响,指出当胎儿心电信号识别定位不准确,会给盲分离后的母亲心电信号带来干扰。由此,通过检测分离结果中的母亲心电信号是否存在干扰,就能检测被混迭的胎儿心电波群是否识别定位准确。该方法的优势在于,在参考信号的引导下,不对幅度小、信噪比低的胎儿心电信号直接检测,而对受其影响的、幅度大、信噪比高的母亲心电信号检测,能够大大提高检测的可靠性和准确性。模拟信号和实际信号的实验结果表明,该方法能够准确识别和定位受母亲心电信号波群干扰的胎儿心电信号。
王兰[4]2016年在《DSSS系统窄带干扰抑制算法研究》文中研究指明直接序列扩频(DSSS)系统实际中因系统带宽、扩频增益、发射/接收机复杂度等限制,其抗干扰能力有固定的容限,容易受强窄带干扰的影响。为此,论文从盲分离、时域预测、小波包变换叁个方面对DSSS系统强窄带干扰抑制技术展开研究,主要工作及创新性贡献总结如下:1、针对FastICA盲分离窄带干扰抑制算法容易陷入鞍点和局部极值点的问题,提出了一种基于峭度的RobustICA盲分离窄带干扰抑制算法。该算法采用精确线性搜索与代价函数峭度相结合,对峭度进行全局最优搜索,降低了FastICA盲分离窄带干扰抑制算法将峭度作为代价函数时对野点的敏感性,同时增强了算法对局部点的鲁棒性。相比FastICA盲分离窄带干扰抑制算法,该算法抗音频窄带干扰性能更优,可以将分离矩阵陷入局部点的概率降低一个数量级,大大增加了应用盲分离算法抑制窄带干扰的可靠性。2、针对时域预测算法收敛速度慢且计算复杂度高的问题,提出了一种解相关变阶仿射投影窄带干扰抑制算法。该算法首先采用解相关处理消除窄带干扰带来的接收信号强相关性,通过最小化瞬时均方误差,利用接收信号正交向量优化自适应步长使收敛速度大大提升。在此基础上,结合接收信号特征提出了解相关仿射投影窄带干扰抑制算法阶数选择机制,使算法整体复杂度大大降低。相比变步长仿射投影算法收敛速度有较大的改善,同时降低了算法的归一化均方误差。该算法对于BPSK窄带干扰,误码率在10~(-3)量级时,新提出的解相关变阶仿射投影窄带干扰抑制算法与现有的变步长仿射投影窄带干扰抑制算法相比,性能改善约3dB。3、针对基于树形结构的频移非抽取小波包窄带干扰抑制算法无法将多音干扰的次高功率干扰分量定位到单个子带中的问题,提出了一种基于最优频移搜索的非抽取小波包窄带干扰抑制算法。该算法采用对次高功率干扰分量进行最优频移搜索的方法,避免了将次高功率干扰分量定位到多个小波包子带中,降低了对有用信号的损伤。在此基础上,为了进一步降低干扰去除过程对有用信号的损伤,采用变步长最小均方误差(LMS)自适应算法处理受扰子带,进一步提高了该算法抑制多音干扰的性能。相比树形结构的频移非抽取小波包变换多音干扰抑制算法,误码率在10~(-3)量级时,改进算法性能改善约2dB。
胡莉[5]2013年在《DS-CDMA盲多用户检测新技术研究》文中进行了进一步梳理CDMA技术是具有广阔发展前景的通信技术之一，并广泛应用于军事通信和民用通信中。CDMA系统本身是一个干扰受限系统，由于多个用户的随机接入以及CDMA系统中各用户使用的扩频码一般并非严格正交和完全同步，各个用户之间的干扰不可避免，由于非零互相关系数引起的各用户间的相互干扰称为多址干扰（MultipleAccess Interference, MAI）。多址干扰会严重限制系统容量，影响系统性能。多用户检测技术的基本思想就是充分利用包括干扰用户在内的各种信息及信号处理手段，抑制甚至消除多址干扰，从而更加有效地利用频谱资源并提高系统容量。近年来，盲多用检测由于不需要训练序列和干扰用户的先验知识，已成为多用户检测技术的一个重要研究方向。本文对DS-CDMA系统中的盲多用户检测算法进行研究，对现有的基于LMS和RLS的盲自适应算法进行了改进；提出了一种新的基于正则化的盲多用户检测算法，并对其进行了理论性能分析与仿真；针对基于ICA的盲多用户检测算法存在的模糊性问题，提出了一种基于正则化ICA的改进算法。主要研究内容和创新性成果有：1.针对基于约束最小输出能量（CMOE）的盲多用户检测器，在典范表示1的基础上，推导了其另一种表示，这种表示方法最大的好处就是物理意义明显，便于自适应实现。并在此基础上利用变步长NLMS算法实现盲多用户检测。NLMS算法不仅收敛速度快，而且具备一定的鲁棒性，从而优于基本LMS算法。同时，提出了一种基于可变遗忘因子RLS算法的盲多用户检测算法，它既具有对时变参数的快速跟踪能力，又具有较好的稳态性能，适合于动态环境的应用。2.将正则化理论应用到CDMA盲多用户检测中，并提出了基于该技术的几种盲多用户检测方案。利用Tikhonov正则化方法来解盲多用户检测问题，它的优点是稳定性好，且对用户特征波形失配有一定的容忍度。我们还给出了正则化盲多用户检测的一般形式，它是Tikhonov正则化（对角加载）的一种推广。另外，通过修正协方差矩阵来改善条件数，如对协方差矩阵的元素乘以不同的权重，衰减远离主对角线的元素，我们把该方法称之为协方差矩阵锥化（CMT），也属于正则化方法的范畴。3.对基于Tikhonov正则化的盲多用户检测算法，我们从理论上进行了性能分析。针对几种特殊情况，如干扰用户功率相等的等相关信号、理想功率控制的等相关信号以及理想功率控制的正交信号等，以平均输出信号干扰噪声比作为性能测度，给出了几种情况下的表达式。并通过模拟实例分析了各个参数对其性能的影响，得出了一些重要结论。通过仿真进行了误码率的比较，并简单验证了基于Tikhonov正则化的盲多用户检测对特征波形的失配有一定的容忍度。4.原始的独立分量分析（ICA）方法存在固有的缺陷，即次序模糊性和幅度模糊性（对于二进制，即极性模糊）。并且没有充分利用已知信息，如期望用户的扩频序列。因此我们对其进行改进，引入正则化泛函，使其包含扩频码的先验信息。它可以改善模糊性问题，提高算法的收敛性。我们利用随机梯度下降法最优化该代价函数，得到了正则化ICA（regularICA）检测器权向量的估计算法。正则化ICA方法具有一定的灵活性和稳定性，因为可以根据不同的最优化原则，选择不同的对比函数和正则化泛函。regularICA算法无需对数据进行白化处理，计算更简单。
崔志涛[6]2008年在《线性混迭盲源分离的改进算法》文中指出线性混迭盲源分离是指观测信号由源信号经线性混合得到,现阶段盲源分离的大多数研究集中于线性混迭模式。由于盲源分离在未知传输信道和源信号的情况下,仅仅由观测信号恢复混迭矩阵或者估计源信号,这个特有的理论使得盲源分离在生物医学、地球物理数据、语音识别、军事雷达等领域有着广泛的应用前景。本文的主要内容如下:介绍了盲源分离的几个重要的应用领域和盲源分离的历史研究现状。描述了盲源分离数学模型,结合盲源分离的数学模型,阐述了盲源分离的理论可行性以及分离性能的评价标准。接着,讨论了基于非高斯极大化的盲源分离算法,详细的论述了该算法的原理,并且介绍了算法的全局收敛性能。接着,在非高斯极大化算法的理论框架下面推导出了一种新的基于峭度的ICA算法,对比于Fast-ICA算法,本文算法具有更快的收敛速度,而且可用于具有超高斯和亚高斯的混合信号,试验仿真表明了算法的有效性。自然梯度算法实际上是一种随机梯度算法,与随机梯度算法不同的是分离矩阵的参数空间是一个李群,在该空间中目标函数的最速下降方向是函数的自然梯度方向。接着介绍了概率密度函数的独立性测度-相关熵,由信息论的知识详细的推导了基于Informax的自然梯度算法。在算法中步长和激活函数的选取对算法的收敛起到至关重要的作用,针对不同的源信号应该选取对应的激活函数作为其概率密度的近似,算法中固定的步长不能同时满足收敛速度和算法分离精度的要求,本文为了提高算法的跟踪能力,将原来算法中的固定步长变为自适应步长,使得算法在分离的不同阶段具有不同的步长,目标函数最速下降。同时为了加快算法的收敛速度,在自适应的步长算法中加入了一个动量项。试验仿真表明本文中对原来算法的这种改进在不改变原来算法稳态误差的情况下,加快了算法的收敛速度。
许涛[7]2014年在《匹配追踪算法在语音盲源分离中的应用》文中研究表明盲源分离的理论定义是指当源信号的信息量和传输信号的信息量都不知道的情况下，通过一系列变换方法获得观测信号，再通过观测的信号来恢复源信号的过程。语音信号的盲源分离应用技术作为盲源分离技术的十分重要的分支之一是目前信号处理研究领域中的一个热门问题。然而在实际的问题中，很多信号本身具有稀疏特性或者经过某种变换后使得信号具有稀疏特性，例如DCT变换、傅立叶变换、小波变换等等，因此稀疏特性成为盲源分离中不得不重视的问题，所以稀疏分量分析(SCA)算法逐渐成为盲源分离研究领域中的又一个新的研究方向。随着国内外学者对盲源分离相关问题的理论和应用领域的深入探索，利用信号的稀疏特性进行盲信号分离的问题引起了很多学者们的关注。本论文是基于Gabor的过完备字典的匹配追踪稀疏分解算法的语音信号的盲源分离。首先对混合语音信号进行稀疏分解。稀疏分解在信号分析处理过程中不可忽视，如信号识别、信号传输、信号压缩等过程。这是一种较实用的新颖的信号分解方法，其中匹配追踪(MP)算法是最实用最多的算法，其算法可以十分近似得表示源信号。MP算法是小波变换的扩展的新算法，较高的时频分辨率，MP算法不对信号的频带进行事先的划分，在已知的信号的信息量中选取最佳原子，重构后的信号相似度高更具有客观性能。因此基于MP的信号稀疏分解在时频分析、数据压缩、信号修复等多个领域都有十分广泛的应用，其稀疏分解后的结果也显示出了良好的性能。MP算法也被称为贪婪算法，算法的过程复杂互运算过程中计算量极大，极大的影响了MP算法的运行速度，因此国内外相关领域的学者在MP的基础上提出加速运行速度的相关算法。本文所研究的基于MP的快速算法是通过利用快速傅里叶变换实现较快速度的MP分解，这也是本文研究的重点之一。最后利用基于峭度的自适应盲源分离算法，通过自适应地学习算法中的激活函数使通过MP稀疏分解的混合信号实现语音信的盲源分离。由于在实际情况中，分离前的混合信号很难就有先验知识，所以本论文选择依据源信号的峭度自适应学习算法，从而得到激活函数最终实现语音信号的盲源分离，此算法经过仿真实验，实验结果证明分离效果比传统算法有了一定的改进，算法的结果具有效性。
李金磊[8]2009年在《DS-CDMA系统多用户检测技术研究》文中研究说明码分多址(CDMA)系统由于容量大、软切换、频谱利用率高以及抗干扰能力强等优点在第叁代移动通信系统(3G)中获得广泛应用,在CDMA系统中,多址干扰成为影响其系统性能及限制系统容量的主要因素,如何减少多址干扰便成为近年来人们研究的热点。多用户检测技术能够有效的消除多址干扰,提高系统容量因而被列入为第叁代移动通信系统的关键技术之一。其主要目的是从相互干扰的数字序列当中如何有效的检测出某个特定或者全部用户信息。从理论上消除多址干扰。本文以DS-CDMA系统为研究对象,从系统模型出发,对现有的多用户检测方法进行理论分析和实验仿真。系统的介绍了独立分量分析的定义,给出了几种经典的非高斯性测度以及常用的独立分量分析算法。将独立分量分析(ICA)算法应用到多用户检测当中,从非高斯测度代价函数入手,利用期望用户的扩频码作为先验信息加入到算法迭代中去,经过梯度优化,导出了一种基于独立分量分析算法的多用户检测方法,和传统的基于独立分量分析算法的多用户检测方法相比,不需要经过先分离后检测这样两个步骤,简化了检测流程,可以有效的检测出期望用户的信息,检测效果良好,算法较简单。最后,将本文提出的检测方法与传统的多用户检测方法相比较,实验结果显示,检测性能和传统多用户检测方法相比有较大改善。
刘鸣洲[9]2018年在《微弱机械冲击信号的检测与提取方法研究》文中指出机械设备在运转过程中会产生振动与冲击,这些振动信号中包含大量的设备状态信息,振动信号的分析与处理对于机械设备状态监测与故障诊断具有重要意义。然而在实际应用中,由于现场环境复杂,所测得的振动信号往往含有大量噪声,使得蕴含设备状态信息的特征信号比较微弱甚至被噪声淹没,极大地影响了对机械设备的监测与故障诊断。针对此问题,本文结合国家自然科学基金项目“微弱冲击信号的识别和提取技术研究”(编号:51175466)开展了“微弱机械冲击信号的检测与提取方法研究”的博士论文研究,对强背景噪声下微弱冲击信号的检测与提取方法进行了系统研究,分别从微弱信号的检测、多源故障信号分离、时域和频域特征提取等方面提出了微弱冲击信号的分析处理方法。论文的主要研究内容如下:针对微弱冲击信号的检测与提取问题,提出了一种基于自适应Morlet小波变换的微弱冲击信号检测方法。按照最小香农熵准则按顺序优化母小波的中心频率和带宽参数,以参数优化后的Morlet小波对含有强噪声的冲击信号进行小波变换,获得若干小波系数,随后以峭度为指标筛选出包含冲击成分的系数,最后将筛选出的系数通过逆小波变换重构冲击信号,从而实现噪声抑制与微弱信号的检测与提取。仿真实验结果表明该方法能够有效去除噪声,并且在低信噪比下仍然优于其他方法。针对多源混合故障信号的分离问题,提出了一种基于独立成分分析(Independent Component Analysis,IC A)的故障多源信号分离方法。首先详细阐述了盲源分离(Blind Source Separation,BSS)问题与独立成分分析算法的原理。采用基于负熵的对称(平行)正交化估计多个独立成分的FastICA算法,对多路加速度传感器采集到的振动信号进行盲源分离,随后对得到的几组独立成分进行共振解调处理,最后通过频谱分析确认包含故障特征的独立成分,实现特定故障特征冲击信号的分离。通过对仿真信号和轴承点蚀故障信号的分析和处理,验证了该方法能够从多测点多传感器的混合信号中分离出故障信号。针对微弱冲击信号的故障源定位问题,提出了一种基于希尔伯特黄变换(Hilbert-Huang Transform,HHT)和赤池信息准则(Akaike Information Criteria,AIC)的冲击信号起振点确定方法。该方法首先利用经验模态分解(Empirical Mode Decomposition,EMD)将信号分解为若干模态,随后对各模态进行希尔伯特变换求得各模态的瞬时频率,并搜寻其AIC方程的最小值,对应的采样点即为冲击信号的起振点。仿真实验结果表明该方法能够准确得到冲击信号的起振点,随着背景噪声的增强依然保持良好的准确性与稳定性。针对旋转类机械故障周期性冲击信号特征提取问题,提出了基于数学形态学滤波的冲击信号频率特征提取方法。该方法以形态学滤波后故障特征频率对应幅值为指标,对结构元素的长度以及形态学滤波器的尺度两个参数进行了二维寻优,得到最优的形态学滤波器,并以此对冲击信号进行滤波处理,得到其中的周期性冲击成分并提取频率特征。通过对仿真冲击信号和实际轴承点蚀故障信号的处理和分析,验证了该方法能够在强背景噪声下最大限度地提取周期性冲击信号的频率特征。
石文斌[10]2012年在《目标信号分离技术研究》文中认为非配合通信存在信源、信道等先验信息缺失的突出问题，获取目标信号十分困难。盲源分离技术不依赖于源信号先验信息，仅利用混合观测信号即可有效分离、重构源信号，因而成为非配合通信目标信号提取的有效方法之一。本文即围绕非配合通信中的目标信号高效分离算法展开研究，主要完成工作如下：1.针对经典盲分离算法分离带噪信号性能不佳的问题，给出一种基于特征矩阵联合近似对角化（JADE）与小波去噪联合的自适应盲分离方法。该方法将小波去噪引入盲分离算法，分为观测信号前去噪和分离信号后去噪两种方式，进一步为充分利用这两种方式在不同高斯源条件下对信噪比不同的适应性，增设信噪比预估计，实现算法自适应选择，从而提高分离算法对不同信噪比的适应能力。2.源信号个数未知条件下，主分量分析（PCA）方法容易错误估计源信号个数，造成信号子空间划分不准确，从而导致信号分离性能下降。针对此问题，提出一种改进白化的MDL-FastICA算法。该算法采用MDL方法估计源信号个数，提高信号子空间与噪声子空间的划分精度，在此基础上，利用噪声特征值估计噪声方差，并根据噪声方差对信号主特征值进行修正，抑制噪声影响。仿真结果表明，不同高斯源条件下，与经典FastICA算法相比，改进算法源信号个数估计准确率高，分离性能提升明显。3.概率密度函数估计是多种盲信号分离算法的基础，而其激活函数选取不当会导致算法分离性能的严重下降。针对此问题，给出基于规范四阶累积量的盲分离算法。该算法以最大化规范四阶累积量绝对值为目标函数，规避了激活函数选取的问题，采用PSO-CF方法进行优化求解，具有可获得全局最优解和低算法复杂度的突出优点。仿真结果表明，该算法对超高斯、亚高斯及混合高斯型源等信号均可有效分离，算法普适性强，收敛速度快，分离性能好。4.针对从多源混合信号中抽取有限个数目标信号的实际应用需求，为进一步提高基于规范四阶累积量盲分离算法的运行效率，提出一种基于PSO-CF的有限目标信号盲抽取算法。该算法引入参考独立分量分析方法，通过分离信号与期望信号误差估计，获得分离效果评估，作为分离算法收敛标志，以最小时间代价完成目标信号的分离。仿真结果表明，该算法分离性能好，复杂度低，运行效率高。
参考文献：
[1]. 基于峭度的盲自适应检测方法研究[D]. 范清清. 安徽大学. 2004
[2]. 时频域多分量信号分析识别研究[D]. 卢广阔. 电子科技大学. 2015
[3]. 胎儿心电信号的盲分离研究[D]. 蔡坤. 华南理工大学. 2011
[4]. DSSS系统窄带干扰抑制算法研究[D]. 王兰. 解放军信息工程大学. 2016
[5]. DS-CDMA盲多用户检测新技术研究[D]. 胡莉. 西安电子科技大学. 2013
[6]. 线性混迭盲源分离的改进算法[D]. 崔志涛. 广东工业大学. 2008
[7]. 匹配追踪算法在语音盲源分离中的应用[D]. 许涛. 天津职业技术师范大学. 2014
[8]. DS-CDMA系统多用户检测技术研究[D]. 李金磊. 重庆大学. 2009
[9]. 微弱机械冲击信号的检测与提取方法研究[D]. 刘鸣洲. 浙江大学. 2018
[10]. 目标信号分离技术研究[D]. 石文斌. 解放军信息工程大学. 2012