导读:本文包含了频域盲源分离论文开题报告文献综述、选题提纲参考文献，主要关键词:卷积,算法,波束,信号,初值,权重,稀疏。
频域盲源分离论文文献综述写法
张华伟[1]（2019）在《PSO瞬时与频域卷积盲源分离算法研究》一文中研究指出盲源分离(Blind Source Separation,BSS)是指采用相应算法对接收到的多路混合信号进行重构或者从中分离出原始信号的一种信号处理方法。其中,瞬时盲源分离存在收敛速度与稳定性相矛盾的问题,尤其是基于智能算法改进的盲源分离算法,因此,如何解决该问题成为当前的研究热点;在实际应用中,大部分接收到的混合信号更符合卷积混合模型,目前卷积盲源分离的复杂性、分离效果的不理想以及实际操作的困难性等问题,使得卷积模型的研究仍是国内外研究的难点。本文将分别从瞬时模型粒子群(Particle Swarm Optimization,PSO)算法和卷积模型频域算法展开研究,主要包括以下几个方面:(1)针对智能算法在瞬时盲源分离中收敛速度慢,稳态误差大的问题,研究出了一种基于惯性权重与学习因子相结合的粒子群盲源分离算法。该算法根据惯性权重的迭代,学习因子做相应的线性或非线性变化,增强了两个参数的相互作用,既加快了收敛速度,又降低了稳态误差,并实现了多种BOC混合信号的盲分离。(2)针对智能算法在实现瞬时盲源分离时容易陷入局部最优的缺点,研究出了一种基于Givens变换和二阶振荡的粒子群优化的盲源分离算法。该算法在惯性权重和学习因子结合的基础上引入二阶振荡环节,使得粒子的多样性不会因为迭代而减小,有效避免算法陷入局部极值;同时采用Givens变换将分离矩阵参数转换成旋转角的表示形式,从而降低了算法的复杂度。通过对语音信号的盲源分离,验证了该算法的稳定性。(3)针对实际应用中卷积盲源分离频域算法的排序模糊等问题,本文研究了一种基于区域增长和功率比相关的频域排序盲源分离算法。该算法首先将卷积混合信号通过短时傅里叶变换转换到频域,然后在各个频点处建立瞬时模型进行分离;其次采用分离信号功率比相关性进行逐点排序,之后根据阈值将结果划分为若干个小区域,并以区域增长方式进行置换与排序;最后将频域得到的正确分离信号转换到时域。该算法最大限度地减少了频点排序错误扩散现象,实现了语音信号的卷积盲源分离。本文对粒子群算法进行了研究和改进并应用在瞬时盲源分离中,在一定程度上改善了分离性能,为智能算法在盲源分离中的应用提供了更多的研究思路;另一方面,本文对卷积盲源分离改进算法进行了理论分析和实验仿真,并采用不同性能指标对比和分析了不同卷积盲源分离排序算法,与其他算法相比,本文改进算法具有更好的分离性能。(本文来源于《重庆邮电大学》期刊2019-06-02）
宋海声,沈伟,周浩[2]（2019）在《基于盲源分离的混合信号时频域特性提取仿真》一文中研究指出针对传统混合信号时频域特性提取中,普遍存在着提取完成时间较长、成本消耗较大、准确度较低等问题,提出一种基于盲源分离的混合信号时频域特性提取方法。对混合信号时频域特性进行分析,利用经验模式分解方法对混合信号进行分解,得到模式分量混合信号数量估计,并获取最优观察信号,将源信号与混合信号的最优观察信号构成新的观察信号,提取混合信号时频域特性。实验结果表明,所提出方法提取准确度较高、完成时间较短、成本消耗较大。(本文来源于《计算机仿真》期刊2019年04期）
张天骐,张华伟,刘董华,李群[3]（2019）在《基于区域增长校正的频域盲源分离排序算法》一文中研究指出卷积盲源分离可以在频域得到有效解决,但频域盲源分离必须解决排序模糊问题。该文提出一种基于区域增长校正的频域盲源分离排序算法。首先对卷积混合信号短时傅里叶变换,在频域的各个频点处建立瞬时模型进行独立分量分析,在此基础上使用分离信号功率比的相关性,对所有频点进行逐点排序置换。其次根据阈值将排序后的结果划分为若干个小区域。最后按区域增长方式进行区域置换与合并,最终得到正确的分离信号。区域增长校正可最大限度地减少频点排序错误扩散现象,从而改善分离效果。在模拟和真实环境中分别进行语音盲源分离实验,结果表明所提算法的有效性。(本文来源于《电子与信息学报》期刊2019年03期）
潘子逸[4]（2018）在《基于ICA的盲源分离频域算法研究》一文中研究指出盲源分离的基本思想是仅从若干个传感器接收到的观测信号中分离、提取出无法直接观测到的各个源信号的过程。根据信号混合方式的不同,盲源分离又可以分为线性或非线性混合模型。目前主要研究的是线性混合模型,包括线性瞬时混合和线性卷积混合。线性瞬时混合模型的研究已经非常成熟,并且已经应用在很多领域之中。独立成分分析(ICA)是最常用的盲源分离方法。然而在实际环境中,信号的传输往往会受到很多因素的影响,源信号的数学混合模型更逼近与卷积混合的方式。本文主要是基于ICA对盲源分离频域算法进行研究,主要包括以下几个方面:第一,详细介绍了盲源分离的理论基础,同时还系统地介绍了独立成分分析的基本原理和性质,包括ICA的模型、约束条件以及特有的不确定性特征。并且深入研究了独立成分分析的几种典型的目标函数和优化算法。第二,介绍了卷积盲源分离频域算法的基本原理,对复数域上的盲源分离算法进行详细的介绍,深入探讨了ICA固有的幅度不确定性和排序不确定性问题对盲源分离频域算法的影响。第叁,针对盲源分离频域算法排序不确定性问题,主要研究了语音信号经过短时傅里叶变换后,在每个频点上分离信号的特征。细致地分析了传统基于相邻频率间幅度相关性排序算法,然后提出了基于短时平均幅度函数和门限值判断分离不理想频点的改进幅度相关排序算法,仿真实验验证了算法的有效性。第四,研究了波达方向(DOA)排序算法,深入分析了幅度相关排序算法和DOA排序算法的优缺点,然后将DOA排序算法与改进的幅度相关排序算法相结合,提出了基于改进幅度相关和波达方向的分频段排序算法。仿真实验验证了算法的有效性。第五,介绍了约束独立成分分析(CICA)的基本原理,详细研究了目标语音信号和弥漫背景噪声的功率密度谱和频域模量的统计差异性。基于语音信号模量比弥漫背景噪声有一个更尖锐分布的统计差异性,提出了一种基于模量差异性约束的语音频域盲提取算法,仿真实验验证了算法的有效性。(本文来源于《华南理工大学》期刊2018-04-12）
孙世钧,李秀坤,孟祥夏[5]（2015）在《水下目标回波几何结构的时频域盲源分离》一文中研究指出针对水下目标回波亮点结构的时频分布特性,采用一种时频域盲源分离方法将亮点结构进行分离。该方法将每一个亮点反射的信号视为一个源信号,可以在信号传输信道的混合特性及源信号个数均未知的情况下将回波信号中的各个亮点结构进行分离。首先推导论证了亮点结构在时频域盲源分离算法下的可分离性,通过仿真分析验证了该方法的有效性,并给出了该方法对于亮点间时延参数的适用条件。实验数据的处理结果进一步表明该方法在分析水下目标几何亮点回波的结构时有较好的应用。(本文来源于《哈尔滨工程大学学报》期刊2015年08期）
杨青川,臧传霞,李天雷,胡玉兰,梅铁民[6]（2015）在《基于帕斯维尔定理的频域积分盲源分离算法》一文中研究指出为了克服卷积混合信号盲源分离双最小均方(Double least mean squeres,Double-LMS)算法在分离滤波器过长时计算量过大的问题,借助于傅里叶变换理论中的帕斯维尔定理,将其转化为频域积分算法。频域积分算法可以利用快速傅里叶变换实现,具有较高的计算效率,可以克服当分离滤波器过长时原算法效率低下的问题。仿真结果表明:新算法在保持了DoubleLMS算法良好分离性能的基础上,降低了原算法的复杂度,提高了计算效率。(本文来源于《南京理工大学学报》期刊2015年01期）
陈安军,杨清山,王杰,袁康,殷福亮[7]（2015）在《利用时频域稀疏性的LFM信号盲源分离方法》一文中研究指出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。(本文来源于《电讯技术》期刊2015年01期）
康春玉,章新华,范文涛,李军[8]（2014）在《频域盲源分离与波束形成结合抑制方向性强干扰方法》一文中研究指出针对方向性强干扰严重影响无源声呐弱目标检测的问题,提出了频域盲源分离与波束形成结合的干扰抑制方法:以子带分解的方法实现宽带干扰抑制。对每个子带进行频域盲源分离,并估计出各分离信号的方位,将与给定强干扰方位匹配的分离信号置零,利用估计的解混矩阵和处理后的分离信号重构回阵元域信号并进行波束形成实现目标方位估计。声呐模拟器数据与海试数据验证结果表明,相对于传统零陷常规波束形成与零陷最小方差无失真响应波束形成方法有2 dB以上的增益,约6 dB的背景级降低,证明该方法在抑制方向性强干扰方面是有效的。(本文来源于《声学学报》期刊2014年05期）
陈超,何怡刚,尹柏强,方葛丰,樊晓腾[9]（2014）在《改进频点权重系数的频域盲源分离排序算法》一文中研究指出为解决卷积混合频域盲源分离排序不确定问题,研究了分离矩阵行列式变化和频点距离对基于相邻频点幅度相关性排序算法的影响,提出了改进的盲源分离排序算法。改进算法用权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,给出了权重系数设定函数。最后对瞬时混合信号、卷积混合信号、实际房间采集信号分别进行盲源分离实验。实验结果表明,与Murata算法相比,改进算法分离信号信噪比提高、分离速度加快、算法鲁棒性强。(本文来源于《计算机应用研究》期刊2014年12期）
陈超[10]（2014）在《复杂电磁环境下的频域盲源分离算法研究》一文中研究指出由于雷达、通信电子设备的广泛运用,其发射的信号在时域、频域相互交迭,构成了复杂电磁环境。这种情况下无法使用常规的时频滤波方法实现有效信号的提取,直接对接收信号进行信号参数估计与信息提取是很有难度的,首先要对混合信号进行分离处理。在非合作通信环境中,信源未知,源信号如何混迭未知,接收端往往只有观测信号和有限的先验信息。当从信源到传感器之间的传输系统很难建立数学模型,或者关于传输的先验知识无法获得时,盲分离是一种自然而且比较理想的选择。本文对复杂电磁环境的频域盲源分离进行了深入研究,短时傅里叶变换将时域卷积混合变为频域瞬时混合,简化了反卷积问题。重点研究了频域盲源分离中的排序不确定性。其主要工作包括:首先,分析了频域盲源分离的步骤。介绍了基于信号幅值相关性排序和基于分离矩阵连续性排序的理论,给出了频域复数独立成分分析(ICA)的实现步骤,幅值不确定性的消除方法和本文分离性能度量的标准。其次,针对分离矩阵直接迭代算法当分离矩阵收敛至局部极小值或反射造成分离矩阵不连续时存在的排序不稳定情况,给出了基于分离矩阵平滑估计的频域盲源分离算法SD-ICA(Smooth Dexing Matrix ICA)。基于分离矩阵行列式连续理论,运用e-NLMS(e-归一化最小均方差)算法求出邻域范围内各个分离矩阵的系数,运用系数与矩阵的乘积得到下一频点分离矩阵的初值。克服了直接迭代算法鲁棒性差的问题,仿真实验验证了算法的有效性。然后,针对Murata提出的频域盲源分离算法,解决排序不确定性存在鲁棒性差的问题。研究了分离矩阵行列式连续性、频点距离对基于相邻频点幅度相关性排序算法影响,提出了改进的排序算法RI-Murata(Robustness Improved Murata),该算法通过权重系数来衡量频点对排序的影响,并将分离矩阵作为下一频点分离矩阵的迭代初值,有效减小迭代次数,提高分离精度。克服了Murata算法将邻域内频点相同对待带来的不稳定性,仿真实验验证了算法的稳定性和快速性。最后,将SD-ICA和RI-Murata算法运用到复杂电磁环境进行分离时间和噪声条件下分离性能分析,给出了每种算法的优势。SD-ICA适用与低噪声多信源条件下信号分离,RI-Murata适用于分离性能要求高的场合。并将SD-ICA算法运用到脉内调制特征相似的信号分离,选取一种算法用于雷达抗干扰与雷达通信一体化。(本文来源于《湖南大学》期刊2014-04-20）
频域盲源分离论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统混合信号时频域特性提取中,普遍存在着提取完成时间较长、成本消耗较大、准确度较低等问题,提出一种基于盲源分离的混合信号时频域特性提取方法。对混合信号时频域特性进行分析,利用经验模式分解方法对混合信号进行分解,得到模式分量混合信号数量估计,并获取最优观察信号,将源信号与混合信号的最优观察信号构成新的观察信号,提取混合信号时频域特性。实验结果表明,所提出方法提取准确度较高、完成时间较短、成本消耗较大。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
频域盲源分离论文参考文献
[1].张华伟.PSO瞬时与频域卷积盲源分离算法研究[D].重庆邮电大学.2019
[2].宋海声,沈伟,周浩.基于盲源分离的混合信号时频域特性提取仿真[J].计算机仿真.2019
[3].张天骐,张华伟,刘董华,李群.基于区域增长校正的频域盲源分离排序算法[J].电子与信息学报.2019
[4].潘子逸.基于ICA的盲源分离频域算法研究[D].华南理工大学.2018
[5].孙世钧,李秀坤,孟祥夏.水下目标回波几何结构的时频域盲源分离[J].哈尔滨工程大学学报.2015
[6].杨青川,臧传霞,李天雷,胡玉兰,梅铁民.基于帕斯维尔定理的频域积分盲源分离算法[J].南京理工大学学报.2015
[7].陈安军,杨清山,王杰,袁康,殷福亮.利用时频域稀疏性的LFM信号盲源分离方法[J].电讯技术.2015
[8].康春玉,章新华,范文涛,李军.频域盲源分离与波束形成结合抑制方向性强干扰方法[J].声学学报.2014
[9].陈超,何怡刚,尹柏强,方葛丰,樊晓腾.改进频点权重系数的频域盲源分离排序算法[J].计算机应用研究.2014
[10].陈超.复杂电磁环境下的频域盲源分离算法研究[D].湖南大学.2014