导读:本文包含了盲源信号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:信号,算法,矩阵,分解,平稳,张量,语音。
盲源信号分离论文文献综述写法
刘鲲鹏,夏均忠,白云川,吕麒鹏,郑建波[1]（2019）在《EDRS在滚动轴承振动信号盲源分离中的应用》一文中研究指出确定性随机分离(DRS)是经典的滚动轴承振动信号盲源分离方法,但其仅适用于处理稳速工况的信号,无法有效分离变转速下轴承信号,且该方法未考虑信号幅值波动的影响,鲁棒性较差,为此提出扩展确定性随机分离(EDRS)方法解决上述问题。应用角域重采样技术将时域变转速信号转化为角域稳态信号,减少转速变化的影响;借助Z计分模型对角域稳态信号进行归一化处理,降低信号幅值波动;从归一化处理后的信号中提取确定性成分,同时得到振动信号随机成分。仿真分析和轴承故障试验证明EDRS能够实现变转速下滚动轴承振动信号盲源分离,从随机成分中能够有效提取轴承故障特征。(本文来源于《振动与冲击》期刊2019年20期）
严发鑫,徐岩,汤旻安[2]（2019）在《PID控制原理在语音信号盲源分离中的应用》一文中研究指出语音信号在非平稳系统中是动态混合的,为了实时抑制盲源分离过程中的非平稳混合扰动,加快收敛速度,减小稳态误差,提出了一种应用PID控制原理的自适应盲源分离算法。依据一种无预处理的自适应盲源分离算法建立PID控制模型,调节学习速率,跟踪语音信号的分离过程,实时减小由非平稳混合引入的分离误差,动态更新分离矩阵。在混合矩阵缓变和突变两种情形下分别对PID参数整定和语音信号的分离进行仿真分析,结合经典算法对比提出算法的性能。仿真与对比结果表明,提出的算法适用于非平稳混合系统语音信号的分离,算法性能较经典算法有改善。(本文来源于《测控技术》期刊2019年09期）
吴佳佳,行鸿彦,孙江[3]（2019）在《一种雨声信号的盲源分离处理方法》一文中研究指出基于雨声信号测量雨量大小是一种新的雨量测量方法,为了解决雨声信号与环境声音混迭的问题,本文采用固定点算法(Fast ICA),分别将大、中、小叁种雨声与雷声、鸟鸣声两种不同的环境声音信号混合,对其进行盲源分离(BSS)实验,求得混合矩阵及分离矩阵,将雨声信号从混合信号中分离出来,提取纯净的雨声信号。运用主成分分析(PCA)求得混合信号的分离矩阵,实现雨声信号分离。通过仿真实验对Fast ICA算法和PCA算法求得的分离矩阵进行了对比与分析研究,说明了在任何一种雨声信号混合条件下,盲源分离Fast ICA算法的信噪比有显着提升,均方根误差较低,明显优于PCA算法。(本文来源于《电子测量与仪器学报》期刊2019年09期）
邹彤,王英,董姝敏,隋鹏[4]（2019）在《混合语音信号的盲源分离技术研究》一文中研究指出本文主要研究了常见的叁种混合模型(线性瞬时混合、线性卷积混合和非线性混合)的盲源分离问题,阐述了它们各自的原理和方法,并讨论了算法好坏的衡量方法和优化方法。本文对众多学者提出的改进的仿生智能优化算法进行了整理与总结。最后,对待解决的语音信号盲源分离问题进行了归纳总结,为进一步研究提供了明确的方向。(本文来源于《单片机与嵌入式系统应用》期刊2019年08期）
国强,余华东[5]（2019）在《基于改进谱聚类的雷达信号欠定盲源分离算法》一文中研究指出现有的模糊聚类算法在初始值选择、低收敛速度和局部极值方面存在问题,导致混合矩阵估计的低精度。针对现有雷达侦察算法抗干扰性能不高的问题,提出了一种基于谱聚类的新型两阶段欠定盲源分离(UBSS)算法。基于谱聚类的混合矩阵估计算法,在谱聚类的基础上对得到的特征矩阵进行张量分解估计出混合矩阵。在未知先验信息条件下,采用两阶段方法实现雷达信号的分离。仿真结果表明,该方法混合矩阵的估计性能优于传统方法,在未知先验信息的实际情况下恢复效果更佳。(本文来源于《无线电工程》期刊2019年09期）
李春兰,高阁,张亚飞,叶豪,王海杨[6]（2019）在《基于局部均值分解(LMD)的单通道触电信号盲源分离算法》一文中研究指出针对从低压电网的剩余电流中提取触电电流的难题,该文提出局部均值分解(local mean decomposition,LMD)与盲源分离相结合提取触电电流的方法。利用LMD算法自适应的将剩余电流信号分解为若干个PF(product function)分量,计算各分量与原始信号的相似系数,选取相似系数最大且大于0.8的模态分量构造虚拟通道,与剩余电流信号一起构建盲源分离的2个通道,再利用FastICA算法从剩余电流信号中提取触电电流。试验结果表明:相较于经验模态分解(empirical mode decomposition,EMD)时间0.129 s,LMD分解时间为0.032 s,速度更快;在单相电路触电时,基于LMD-FastICA算法和EMD-FastICA算法提取的触电电流与原始触电电流的平均相关系数分别为0.937 4和0.925 3,平均相对误差分别为0.096 2和0.109 8;在叁相电路触电时,基于LMD-FastICA算法和EMD-FastICA算法提取的触电电流与原始触电电流的平均相关系数分别为0.962 4和0.948 9,平均相对误差分别为0.056 4和0.081 55;LMD-FastICA与EMD-FastICA两种算法分解信号的峰值因子的相对误差范围分别为0.001～0.103和0.012～0.155,且抑制端点效应更好。研究结果可为开发基于触电电流动作的新型剩余电流保护装置奠定理论基础。(本文来源于《农业工程学报》期刊2019年12期）
连佳佳,辛海华,王利斌[7]（2019）在《多径信道数字中频信号盲源分离方法仿真》一文中研究指出针对传统的信号盲源分离方法受到通信环境的变化、通信终端运动等因素影响,导致中频信号难以分离的缺陷,提出一种基于多径信道的数字中频信号盲源分离方法,首先对多径信道数字中频信号进行白化预处理得到的白化矩阵,计算白化矩阵中的4阶积量,构建4阶积量矩阵;将其矩阵对角化,并取靠前部分的较大特征值所对应的特征向量组成联合对角化目标矩阵,实现多中频信号的分离估计;把分离出的中频信号负熵作为目标函数,根据迭代前后的各个粒子适应度值间的差值自适应地调节惯性权重,将适应度值变差的权重设置为零,减少无效迭代次数,提升信号分离稳定性。实验结果证明,所提方法能够有效提高信号的稳定性、减小信号分离前后的误差。(本文来源于《计算机仿真》期刊2019年06期）
胡亭亭[8]（2019）在《基于盲源分离技术的惯性测量信号分离方法研究》一文中研究指出运动载体光电跟踪系统广泛应用在监控搜索、靶场测量、激光通信中,它的基本原理是依靠CCD传感器测量的脱靶量信息使目标尽可能的保证在视轴中心,但由于外界干扰、载体振动的影响,载体的稳定能力是不够的,需要额外的惯性传感器辅助稳定,其测量信号是包含了目标跟踪信号、载体扰动信号、测量噪声的混合信号,通过跟踪系统对扰动闭环抑制能力来隔离扰动。但是当载体扰动剧烈时,仍然无法实现系统视轴的高精度稳定。为了在源头上克服扰动的影响,本文将借助信号处理的方式,把混合测量信号的各组成信号单独分离出来,然后结合控制的方式分别对载体扰动信号和噪声进行单独控制,进而消除扰动对系统的影响,提高运动载体光电跟踪系统的扰动抑制精度。目前对混合惯性测量信号的处理方法主要集中在信号消噪方面,一般方法是通过信号滤波提取有用信号。但该方法无法对混合惯性测量信号中的各组成信号进行同时分离,且该方法需要依赖信号的先验知识建立模型和设置参数,自适应性差。盲源分离算法则可以在组成信号的模型未知,组成信号的传输通道参数也未知的情况下,只通过混合的惯性测量信号同时恢复出信号中的各组成信号,更适合用于处理系统中先验知识未知的复杂惯性测量信号。于是,本文采用盲源分离方法,对混合信号中的目标跟踪信号、载体扰动信号和噪声信号进行同时、单独的分离。针对光电跟踪系统中惯性测量信号数目不足,不满足盲源分离假设条件的问题,本文基于过采样和局部均值分解,提出了两种通道重构盲分离方法,通过多通道重构的方式将单路的惯性测量信号转换为多路信号,再进行盲源分离处理,恢复出信号中的多路组成信号。通过不含噪声的实测惯性测量信号分别对这两种方法进行仿真,结果表明,两种方法都能实现混合信号中目标跟踪信号和载体扰动信号的分离。搭建实验平台对通道重构盲分离方法的有效性进行验证,在平台中分别添加目标跟踪信号和载体扰动信号,采用基于过采样的惯性测量信号盲分离方法,对平台输出的混合FOG信号进行分离,得到的2个分离信号与2个添加信号的相关系数为0.9327、0.9976,且分离信号间频谱混迭程度低,分离结果准确,并将实验结果与小波滤波方法结果进行对比分析,结果表明通道重构盲分离方法相对于小波滤波方法具有更好的分离效果。当系统使用的惯性传感器精度不高时,惯性测量信号由3路信号混合组成:目标跟踪信号、载体扰动信号、噪声信号。针对目前没有成熟的算法对混合惯性测量信号中多路组成信号进行同时分离的问题,提出一种多源惯性测量信号精细盲分离方法,对惯性测量信号中的3路组成信号进行单独分离。本文通过合成信号仿真验证了该方法的有效性,并将该方法的合成信号仿真结果与EEMD_ICA方法、小波滤波方法结果进行对比分析,本方法得到的组成信号与分离信号间相关系数为0.8712、0.9716、0.9994,EEMD_ICA方法得到的结果为0.7987、0.9379、0.9474,小波滤波方法为0.8133、0.5829、0.7697,本方法得到的相关系数更高,分离结果更好,另外,本文通过实测数据仿真和平台实验,验证了该方法的可实现性。(本文来源于《中国科学院大学(中国科学院光电技术研究所)》期刊2019-06-01）
宋宇霄[9]（2019）在《基于信号状态空间估计的单通道盲源分离算法研究》一文中研究指出单通道盲源分离作为信号处理的关键技术之一,在生物医学信号处理、通信信号处理、水声信号处理等领域具有广泛的应用前景,是当前信号处理领域研究的热点及难点。传统的盲源分离算法无法有效地将具有较少先验信息的线性或非线性单通道混合信号进行分离,本文从信号模型出发,基于信号具有时序结构特征,利用状态空间估计理论和贝叶斯统计分析理论,重点对Kalman滤波、扩展Kalman粒子滤波(Extended Kalman Particle Filter,EPF)、无迹Kalman粒子滤波(Unscented Kalman Particle Filter,UPF)与循环神经网络(Recurrence Neural Network,RNN)方法进行研究,有效的实现单通道盲源分离。具体研究工作如下:(1)基于K al m an滤波的单通道盲源分离算法研究。本文基于K al m an滤波和单通道盲源分离理论,提出了一种基于Kalman滤波的单通道盲源分离算法。该算法通过构造系统的观测方程及状态方程,定义初始迭代值,利用离散时间点的延续性,对每一时刻的信号状态进行估计与迭代更新,得到最优估计,实现了多路信号的单通道盲源分离。在Matlab环境下对叁路信号进行仿真验证,实验结果表明Kalman滤波算法对线性瞬时混合系统具有较好的分离性能。(2)基于EPF与UPF算法的单通道盲源分离研究。Kalman滤波对线性系统混合信号有较好的分离效果,但由于状态方程的限制,对非线性系统混合信号的分离性能急剧下降。为了解决非线性系统的这类问题,本文对Kalman滤波、粒子滤波和无迹变换的特点进行了深入研究,在此基础上推导出了扩展Kalman粒子滤波与无迹Kalman粒子滤波单通道盲源分离算法公式,设计了单通道盲源分离EPF与UPF算法。在EPF算法中利用了泰勒级数展开式中的低阶项改善了重要性采样的性能,在UPF中利用无迹变换控制系统均值与协方差的非线性转移,增强了单通道非线性盲源分离效果。并对上述算法分别在一般非线性及强非线性系统下进行了仿真实验,实验结果表明EPF与UPF算法可以对非线性混合信号具有较好的分离效果。(3)基于循环神经网络的单通道盲源分离算法研究。由于EPF和UPF算法存在对大样本数据运算复杂度过高、时间成本大等问题。利用神经网络具有自学习和泛化非线性输入信号结构特征的特点,本文将其应用到非线性单通道盲源分离,优化传统循环神经网络结构,将隐藏层的自循环改进为损失层至隐藏层的循环,减少了运算复杂度,并使网络结构更适合非线性混合单通道盲源分离问题的求解。在Python环境下,对叁路混合信号进行仿真实验,实验结果表明,该方法在叁层循环神经网络下很好的解决了非线性混合信号盲源分离的问题。(本文来源于《兰州理工大学》期刊2019-05-20）
朱立娟,赵风海[10]（2019）在《一种改进的FastICA算法在语音信号盲源分离中的应用》一文中研究指出为了克服快速不动点算法(FastICA)在语音信号盲源分离中由于计算量较大时造成的运算速率明显降低的弊端,提出了一种矩阵联合对角化和FastICA算法相结合的改进算法。首先对观测信号进行特征矩阵近似联合对角化处理,得到初步分离的信号,进而利用FastICA算法实现语音信号的二次分离。仿真结果表明,和传统的基于负熵极大化的FastICA算法相比,改进的FastICA算法能够在保证分离效果的前提下,大幅度降低了运算的迭代次数,进一步加快了运算的收敛速度。(本文来源于《电声技术》期刊2019年05期）
盲源信号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：
语音信号在非平稳系统中是动态混合的,为了实时抑制盲源分离过程中的非平稳混合扰动,加快收敛速度,减小稳态误差,提出了一种应用PID控制原理的自适应盲源分离算法。依据一种无预处理的自适应盲源分离算法建立PID控制模型,调节学习速率,跟踪语音信号的分离过程,实时减小由非平稳混合引入的分离误差,动态更新分离矩阵。在混合矩阵缓变和突变两种情形下分别对PID参数整定和语音信号的分离进行仿真分析,结合经典算法对比提出算法的性能。仿真与对比结果表明,提出的算法适用于非平稳混合系统语音信号的分离,算法性能较经典算法有改善。
（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。
盲源信号分离论文参考文献
[1].刘鲲鹏,夏均忠,白云川,吕麒鹏,郑建波.EDRS在滚动轴承振动信号盲源分离中的应用[J].振动与冲击.2019
[2].严发鑫,徐岩,汤旻安.PID控制原理在语音信号盲源分离中的应用[J].测控技术.2019
[3].吴佳佳,行鸿彦,孙江.一种雨声信号的盲源分离处理方法[J].电子测量与仪器学报.2019
[4].邹彤,王英,董姝敏,隋鹏.混合语音信号的盲源分离技术研究[J].单片机与嵌入式系统应用.2019
[5].国强,余华东.基于改进谱聚类的雷达信号欠定盲源分离算法[J].无线电工程.2019
[6].李春兰,高阁,张亚飞,叶豪,王海杨.基于局部均值分解(LMD)的单通道触电信号盲源分离算法[J].农业工程学报.2019
[7].连佳佳,辛海华,王利斌.多径信道数字中频信号盲源分离方法仿真[J].计算机仿真.2019
[8].胡亭亭.基于盲源分离技术的惯性测量信号分离方法研究[D].中国科学院大学(中国科学院光电技术研究所).2019
[9].宋宇霄.基于信号状态空间估计的单通道盲源分离算法研究[D].兰州理工大学.2019
[10].朱立娟,赵风海.一种改进的FastICA算法在语音信号盲源分离中的应用[J].电声技术.2019