应用萤火虫算法的混沌信号盲源分离

针对现有的独立成分分析法分离混合混沌信号精度不理想的问题,提出了一种新的混沌信号盲分离方法。该方法以求解最优解混矩阵为目标,利用峭度构造目标函数,将混沌信号的盲源分离转化为一个优化问题,并用萤火虫算法求解。同时,通过预白化和正交矩阵的参数化表示降低优化问题的维数,能有效提高分离精度。仿真结果表明,无论是处理混合的混沌映射信号还是混合的混沌流信号,该方法都能快速收敛,并且其分离精度在各项实验中都优于独立成分分析法等现有的盲源分离方法。     

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。     

基于阵列天线的无线电侦察信号盲分离

盲源分离技术有非常重要的理论意义和实用价值，在信号处理的一些领域得到了广泛应用。提出将盲源分离技术用于无线电侦察系统，实现无线电侦察多信号的盲分离。理论分析和仿真结果表明具有良好的效果。     

一种同步组网跳频信号的盲分离方法

针对多路混合的同步组网跳频信号,提出了一种基于时频分析的盲分离方法。首先利用同步组网的各跳频信号中各信号跳时相同、跳周期相同等特点,利用平滑伪魏格纳分布（SPWVD）提取信号在时频分布上的特征值。在此基础上,采用基于短时傅里叶变换（STFT）时频比方法对同步组网跳频电台信号进行分离。仿真实验表明,这种方法能有效分离同步组网电台跳频信号,且在跳频间隔较小时,依然具有良好的分离效果。     

自适应变步长的动量项盲源分离方法

针对传统盲源分离算法采用单一步长而无法同时兼顾收敛速度与稳态性以及动量因子选取的问题,介绍了一种盲源分离优化方法。该方法依据自然梯度算法(Natural Gradient Algorithm,NGA)的收敛条件,通过输出信号建立一种新的表示信号分离程度的度量指标,通过此度量指标构造非线性单调函数,使步长与动量因子参数自适应调节,从而可以合理、准确地选择参数。仿真表明了在平稳和非平稳环境下所提分离指标的正确性,且该指标可有效监测信号分离程度;针对步长及动量因子参数选取所设计的优化策略能够有效地缓解固定值对算法性能的约束,在有无噪声的情况下,均获得了优良的分离效果。     

基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。     

基于人工神经网络的盲源分离研究

本文介绍了盲源分离的神经网络模型，讨论了基于前馈神经网络和递归神经网络的最常用盲源分离算法的方法和思路。     

基于负熵最大化盲抽取的雷达信号分选研究

研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快.     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

利用时频域稀疏性的LFM信号盲源分离方法

信号分离是雷达电子对抗的重要环节。考虑到雷达信号在时频域具有稀疏性的特点,在独立分量分析的基础上,提出了一种基于时频域稀疏性的线性调频雷达信号盲源分离方法。首先对混合信号进行短时傅里叶变换,在每个频点利用自然梯度算法分离信号,由分离信号幅度的比值作为对源信号后验概率的估计;然后根据相邻频点后验概率序列的相关性进行排序,确保各个频点的分离信号属于同一个源信号;最后设计时频掩码分离信号。进行了线性调频雷达信号卷积混合的盲分离实验,所提方法分离结果明显优于传统独立分量分析方法的分离结果,验证了该方法的有效性。     

基于奇异值分解的多卫星信号盲检测

针对非合作低信噪比环境下的卫星通信信号检测问题,在信号子空间维数估计的基 础上,提出了一种基于奇异值分解的多卫星信号盲检测方法。该方法充分利用奇异值与特征 值之间的关系,设计检测统计量将多个信号能量集中起来进行考虑,以适应更低的信噪比, 并从理论上对检测性能进行了推导分析。仿真结果表明,该方法简单高效,针对不同的卫星 信号,在虚警概率小于1%、信噪比为-11 dB时,盲检测概率均可达90%以上;同时能够 在低信噪比环境下适应多信号环境,且其计算量相对特征值方法减少了一个数量级,更适合 应用在星载设备上。     

一种新的多信号卷积混合信号盲分离算法

对于含噪声情况下多个源信号卷积混合盲分离,由于混合矩阵比较复杂,分 离算法会出现迭代次数增加、收敛速度变慢等问题。在对多信号卷积混合进行合理简 化的基础上,提出一种以四阶累积量为独立准则的多信号卷积混合的新的时域盲源分离算法 。由于采用高阶累积量为独立准则,该算法对高斯噪声具有良好的抑制作用,改善了信噪比 。 其次,算法也建立了步长因子的选取与二次残差之间的非线性函数关系,使得算法既获得了 较 快的收敛速度,也得到较高的分离精度。仿真数据表明提出的算法对于多个源信号卷积 混合具有良好的分离效果。     

基于谱相关的CBOC信号参数盲估计

针对低信噪比下组合二进制偏移载波(CBOC)调制信号的参数盲估计问题,提出了利用谱相关对CBOC信号进行参数估计方法。首先给出了CBOC信号模型,然后根据CBOC信号的数据通道和导频通道之间有良好的正交性特点,详细推导出其谱相关函数可以化简为两个BOC信号谱相关函数的叠加,最后根据CBOC信号循环频率截面的特点进行峰值检索后,实现对伪码速率、载频速率和副载波速率的盲估计。推导结果和计算机仿真分析表明,该方法可以实现在低信噪比下对伪码速率、载频速率和副载波速率的有效估计。     

基于频域奇异值分解的LPI雷达信号降噪

随着低截获技术在战场上的大量使用,侦察接收机接收到的低截获（LPI）信号大多都湮没在噪声中。为了准确地检测威胁目标,在研究时域奇异值分解（SVD）降噪的基础上,提出了基于频域SVD的LPI雷达信号降噪方法。仿真实验表明,该方法可以将LPI雷达常用的线性调频连续波（LFMCW）信号和二相编码（BPSK）信号的信噪比从0 dB提升到6 dB以上。频域SVD降噪使侦察机发现LPI雷达的概率大大提高。     

基于自适应分割算法的多跳频信号盲检测

传统的观点大都将跳频信号盲检测问题视为能量域的门限阈值问题,而从统计域来看,实际接收到的跳频信号是在一些未知时刻突变而在这些时刻之间保持统计平稳性的分段平稳随机信号,那么基于非平稳时间序列的各种突变检测算法就可以引入其中。分析了当前跳频突变通信信号的统计特性,给出了其高阶分段平稳的模型。将Bemaola-Galan（BG）提出的自适应分割算法推导到高阶,并将其成功应用于多个跳频突发信号盲检测和自适应提取中。仿真结果表明,该算法不需要任何先验信息,能够有效检测和提取多个突发通信信号,且性能优于传统的能量检测法。     

基于排序时频特性的雷达脉内调制信号识别

提出了一种基于排序时频特性的雷达脉内调制信号识别算法。该 算法可分为三步：首先,通过检验信号时频曲线的互易回归特性,识别出线性调频信号;然 后,通过检验信号时频RANKIT图的正态性,识别出常规信号;最后,检验信号平方后时频RA NKIT图的正态性,用以区分二相编码与四相编码信号。仿真结果表明,该算法无需接收信号 的任何先验知识,在较低信噪比条件下可实现对常用雷达脉内调制方式的有效识别。     

多径衰落信道MPSK信号超指数迭代盲解调算法

为了提高多径衰落信道下的盲解调性能,提出了一种结构简单的MPSK信号盲解调算法。首先利用超指数迭代分数间隔盲均衡器实现联合定时同步与均衡,然后对均衡器输出信号进行非线性变换实现载波频偏的估计,最后利用二阶数字判决锁相环跟踪相位变化纠正剩余频偏和相偏。仿真结果表明,在多径衰落信道条件下,与现有算法相比,基于超指数迭代分数间隔盲均衡器的盲解调算法实现简单,误码率低,而且具有收敛速度快、性能稳定等优点。