基于FastICA-TDS的DS-CDMA盲源信号分离系统

合集下载

基于Fast-ICA的CDMA信号扩频序列盲估计及性能分析

频序列估计比短码的情况更为复杂，上述方法都不
适用于长码扩频ＣＤＭＡ信号。
ｒ＝（）
ｍ＝ｌ
（一）（）ｋ＋Ｖ足
（）３
其中，ｒ七＝ｍ（（－Ｔ ∑Ｃ（一）ｍ） ∑Ａｂｉｋｉ）ｍ，（￣）ｑｓｋ
ＡｂｔａｔＴｅＤＳ— ｓｒｃ：ｈＣＤＭＡｉｎｌｃｎｂｉｉｅｔｐｓｔｅｓｇａｓａｅｄｖｄｄｉｏｔｔｅ，ｈｈｒ—ｏｅ（ｃ）ｎｇｃｄＬＤＳＣＤＭＡｎｗｏｙｈｏ
而且对同步短码扩频ＣＭＡ信号也同样适用。理论分析和仿真结果验证了该方法的有效性。Ｄ
关键词：长码扩频码分多址；扩频序列盲估计；独立分量分析；性能分析
中图分类号：Ｔ９Ｎ１１
文献标识码：Ｂ
文章编号：１０ —３Ｘ（００．１６０００４６２１）８０３．７１
第８期
陆风波等：基于Ｆｓ．Ａ的ＣＭＡ信号扩频序列盲估计及性能分析ａｔＣＩＤ
・３１７・
研究主要是针对Ｓ． — ＤＣＤＳＣＭＡ信号。ＹａｉｇｉｏＹｎｗｅ等人提出了基于Ｅ的Ｓ．ＭＣＤＳＣＤＭＡ信号盲估计算法ｕ；Ａｓｉｇｉｈｔ等人提出一种基于ＪｆｈｎＨａｈｇａ其中，
ＢｌｄｅｔｍａｉｎｏｐｅｄｎｅｕｎｅｏｉｓｉｔｆｒａｉｇｓｑｅｃｆＣＤＭＡｉｎｌｎｏｓｓｇａｓ

一种改进的fastica算法及其在含噪盲源分离中的应用

一种改进的fastica算法及其在含噪盲源分离中的应用FastICA算法改进了传统ICA算法的计算效率和收敛性。

传统ICA算法使用的是梯度下降方法，需要进行多次迭代来找到最优解。

FastICA算法通过使用基于方向分离的逼近方法，可以在一次迭代中估计一个独立分量的方向，并通过正交化来得到其他独立分量的方向。

这种一次迭代就能得到多个分量方向的方法大大加速了计算过程。

FastICA算法的流程如下：1.对观测信号进行预处理，使其均值为0，方差为12.初始化一个随机初始权重向量w，并进行归一化。

3.计算w与观测信号的内积，得到一个投影值。

4. 对投影值进行非线性变换，常用的非线性函数有tanh、g(u)=u^3等。

5.对非线性变换后的投影值进行求期望，得到一个估计的独立分量。

6.更新权重向量w，使其与估计的独立分量正交，并再次进行归一化。

7.判断是否满足停止准则，如果满足则结束，否则返回第3步。

FastICA算法在盲源分离中的应用广泛，尤其在含噪声的信号分离中表现出色。

在含噪声的情况下，传统ICA算法往往需要较长的收敛时间或者无法得到有效的结果。

而FastICA算法通过一次迭代就能得到多个独立分量的方向，可以很好地克服噪声的影响。

在含噪盲源分离中，FastICA算法需要解决两个问题：噪声估计与特征提取。

首先，需要对混合信号中的噪声进行估计和去除，常用的方法有最小二乘法、主成分分析等。

其次，需要提取出有效的原信号的特征。

FastICA算法通过非线性变换和正交化来提取出原信号的特征，能够较好地保留原信号的独立性特征。

总结来说，FastICA算法通过改进传统ICA算法的计算效率和收敛性，可以更快地分离出混合信号中的独立原信号。

在含噪盲源分离中，FastICA算法通过一次迭代就能得到多个独立分量的方向，从而较好地克服了噪声的干扰。

基于负熵最大的FastICA语音信号分离算法

基于负熵最大的FastICA语音信号分离算法同晓荣【摘要】语音信号分离是现代信号处理的热点问题,针对未知信号源个数的情况,提出一种基于负熵最大的FastICA(Fast Independent Component Algorithm)语音信号盲分离算法,有效解决了源信号数目估计、语音信号分离及复原等问题.改进的算法增加了源信号数目估计环节,放宽了算法适用条件,即在源信号数目未知的情况下,也能够实现信号盲分离功能.并将其成功应用于运用信号分选过程中,最终复原语音时域波形,完成信号分选任务.仿真实验中,详细讨论了该方法在不同信噪比以及不同源信号数目情况下的分选能力,证明了方法的有效性和优越性.%Speech signal separation is a hot topic in modern signal processing problems,aiming at the condition of the number of unknown source,a kind of separation algorithm based on negative entropy maximum fast independent component the correlation algorithm is proposed in this paper,this algorithm can effectively solve the problem of unknown-number of source signals. The improved algorithm increases a link of number estimation of speech signal,and it relaxed algorithm applicable conditions,namely,in the case of a number of unknown source signals,also can realize blind signal separation function. The proposed method has successful applied in the process of the use of signal sorting,the time domain waveform signal sorting task. This algorithm is discussed in detail in different SNR and number of cases of different source signal separation ability,to prove the validity of the method and superiority in simulation experiments.【期刊名称】《火力与指挥控制》【年(卷),期】2017(042)008【总页数】5页(P101-104,110)【关键词】负熵;语音信号;数目估计;盲分离;循环相关【作者】同晓荣【作者单位】渭南师范学院网络安全与信息化学院,陕西渭南 714099【正文语种】中文【中图分类】TN91语音信号盲分离最早起源于“鸡尾酒会”问题［1］，其实质为“多通道盲解卷积”，即从麦克风阵列观测的卷积混合信号中分离出具有价值的源语音信号［2］。

基于FastICA的盲源分离算法研究

基于FastICA的盲源分离算法研究作者：谢志明吴德华来源：《数字技术与应用》2013年第06期摘要：FICA是一种非常有效的盲信号分离算法，该算法比批处理甚至自适应处理具有更快的收敛速度。

本文介绍了一种以四阶累计量为判据的固定点算法。

运用matlab仿真，对四路不相关的源信号进行分离，仿真结果表明，该算法能有效的分离出四路源信号，获得了比较好的效果。

关键词：盲分离独立分量分析四阶累计量中图分类号：TN911 文献标识码：A 文章编号：1007-9416（2013）06-0140-021 引言独立分量分析（independent component analysis，ICA）是近年来发展起来的一种新的信号处理技术。

基本的ICA是指从多个源信号的线性混合信号中分离出源信号的技术。

除了已知源信号是统计独立外，无其他先验知识，ICA是伴随着盲信源问题而发展起来的，故又称盲分离。

在复杂的背景环境中所接收的信号往往是由不同信源产生的多路信号的混合信号。

ICA方法是基于信源之间的相互统计独立性。

与传统的滤波方法和累加平均方法相比，ICA在消除噪声的同时，对其它信号的细节几乎没有破坏，且去噪性能也往往要比传统的滤波方法好很多。

而且，与基于特征分析，如奇异值分解（SVD）、主成分分析（PCA）等传统信号分离方法相比，ICA是基于高阶统计特性的分析方法。

在很多应用中，对高阶统计特性的分析更符合实际。

1997年芬兰学者Aapo Hyvarinen等人首先提出基于四阶累积量的固定点算法。

其后，在1999年又提出了进一步的改进—基于负熵的ICA固定点算法。

在2001年的著作中他们又作了进一步简化。

由于这一算法比批处理甚至自适应处理，具有更快的收敛速度，因此又被称为“快速ICA算法”（fast ICA，FICA）。

2 Fast ICA的基本原理2.1 数学模型2.2 Fast ICA算法简介2.2.1 四阶累计量判据从观察得到的分离前与分离后的波形的比较，发现4个波形的信号基本相同，说明该算法能有效的分离出4个源信号，分离效果良好。

基于Fast-ICA算法的瞬时混合盲信号分离

基于Fast-ICA算法的瞬时混合盲信号分离
徐丽琴
【期刊名称】《科技信息》
【年(卷),期】2012(000)034
【摘要】本文介绍一种典型的独立成分分析算法，即Infomax算法，详细介绍了Fast-ICA算法的基本原理，将该算法用于三路瞬时混合信号的盲分离，最后对算法的分离性能及优缺点进行了分析。

【总页数】1页(P147-147)
【作者】徐丽琴
【作者单位】西安邮电大学电子工程学院
【正文语种】中文
【相关文献】
1.瞬时混合盲信号分离问题的自适应算法比较 [J], 沈慧芳;赖宏慧
2.基于最大信噪比盲信号分离算法的混合信号分析 [J], 张志友
3.基于MISEP算法的瞬时混合模型非线性电路的信噪盲分离 [J], 崔小乐;朱立文;李响
4.基于高阶累积量的瞬时线性混合盲信号分离算法 [J], 樊璟;王华奎;李小红
5.基于混合型神经网络的自适应盲信号分离算法 [J], 华容
因版权原因，仅展示原文概要，查看原文内容请购买。

盲源信号分离算法研究及应用

生物医学信号处理
盲源信号分离算法可以用来提取脑电信号、心电信号等生物医学信号中的特征信息，为疾病诊断和治疗提供支持。
音频和音乐处理
盲源信号分离算法可以用来提取音频和音乐信号中的特征信息，实现音频和音乐的分类、识别和推荐等应用。
06
总结与展望
总结
盲源信号分离算法的原理和应用
盲源信号分离是一种无监督的学习算法，它利用混合信号的统计独立性，通过学习混合矩阵，将源信号进行分离。该算法在语音信号处理、生物医学信号处理、通信信号处理等领域具有广泛的应用前景。
基于循环相关的盲源信号分离算法流程
输入混合信号
将多个源信号混合成一个观测信号。
计算循环相关
计算观测信号与源信号之间的循环相关函数。
盲源分离
利用循环相关函数的信息，通过算法实现盲源分离。
输出分离信号
得到分离后的源信号。
基于循环相关的盲源信号分离算法的优缺点
优点
基于循环相关的盲源信号分离算法具有对源信号的稀疏性要求较低的优点，适用于实际应用场景中源信号数目较多且相互之间存在循环相似性的情况。
基于高阶累积量的盲源信号分离算法的优缺点
• 基于高阶累积量的盲源信号分离算法的优点包括 • 适用于非高斯和非线性信号的处理。 • 可以有效地从混合信号中提取出源信号。 • 在处理过程中，不需要任何关于源信号或混合过程的先验信息。 • 其缺点包括 • 高阶累积量的计算复杂度较高，需要大量的数据和计算资源。 • 在某些情况下，可能会出现过度拟合或欠拟合的问题，需要仔细调整
盲源信号分离算法研究及应用
2023-10-28
目录
• 盲源信号分离算法概述 • 基于独立成分分析的盲源信号分离算法 • 基于高阶累积量的盲源信号分离算法 • 基于循环相关的盲源信号分离算法 • 盲源信号分离算法在通信系统中的应用 • 总结与展望

DS-CDMA盲多用户检测新技术研究

DS-CDMA盲多用户检测新技术研究DS-CDMA（直接序列码分多址）是一种广泛应用于无线通信领域的多用户检测技术，它的出现解决了传统的CDMA系统中的一些问题。

而盲多用户检测技术则是指在不知道其他用户信号信息的情况下，通过分析接收到的信号，从中恢复出多个用户的信息。

本文将从DS-CDMA盲多用户检测的原理、应用及研究进展等方面进行分析和探讨。

DS-CDMA盲多用户检测技术是以CDMA技术为基础的一种创新方法。

传统的CDMA系统中，虽然可以实现多用户共享同一频带，但需要事先知道其他用户的码片序列，否则无法正确解调。

而盲多用户检测技术则克服了这一问题，可以在不知道其他用户的码片序列的情况下，实现多用户信号的解调和检测。

DS-CDMA盲多用户检测技术的原理主要包括两部分：信号分离和用户检测。

在信号分离过程中，通过信号处理算法对接收到的混叠信号进行分离，将不同用户的信号分离开来。

然后，在用户检测过程中，通过识别不同用户的码片序列来恢复用户信息。

这一过程需要利用到系统的正交性和用户的码片序列特性。

DS-CDMA盲多用户检测技术具有广泛的应用前景。

在无线通信领域，多用户共享同一频带的需求越来越高，而DS-CDMA盲多用户检测技术可以在不增加频带资源的情况下，实现多用户的同时传输，提高了频谱利用效率。

此外，盲多用户检测技术还可以用于无线传感网络、物联网等领域，实现多个节点之间的信息传递和协同工作。

目前，关于DS-CDMA盲多用户检测技术的研究已取得了一些进展。

一方面，研究者们提出了一些新的信号处理算法，如盲化处理、自适应滤波等，用于提高信号分离和用户检测的准确性和性能。

另一方面，还有研究者利用深度学习等方法，从大量数据中学习和识别用户的码片序列，进一步提高了多用户检测的效果。

然而，DS-CDMA盲多用户检测技术仍面临一些挑战。

首先，信号分离和用户检测的算法还需要进一步优化，以提高系统的抗干扰性和容错能力。

基于改进的FastICA盲源分离算法的多人语音评测系统实现

124计算机与多媒体技术Computer And Multimedia Technology电子技术与软件工程Electronic Technology & Software Engineering1 引言随着科技的进步和公众的需求，近几年来越来越多的科研技术人员开始涉及人工智能方面的研究，旨在使人类的生活越来越智能化。

通过智能分析技术可以使得课堂教学更加智能化和个性化。

智慧课堂主要是通过利用信息技术来构建智能、高效和个性化的课堂全过程。

国内的不同学者对于智慧课堂都有各自不同角度的理解。

学者唐烨伟等认为智慧课堂是在信息技术的加持下将智慧教育融入到课堂中构建智能、高效和个性化的新型课堂。

学者庞敬文等认为智慧应该以学生为导向，利用创新技术构建愉快的数值化教学新模式，让学生能够发挥特长，有智慧的学习。

学者孙曙辉等认为智慧课堂应该以学习为导向，运用新一代科学技术来构建智能高效的全过程教学课堂。

目前国内针对智慧课堂教学进行深入研究和探讨依然在理论层面，实际应用研究尚浅，针对语音评测的研究目前国内主要研究的公司包括科大讯飞、有道、云知声和驰声科技等，主要是针对单个发音者进行语音评测，无法针对课堂教学场景中的多人发音进行语音评测。

本文设计的基于FastICA 盲源分离的改进算法的口语教学多人语音评测系统，可以为课堂师生提供一种高效的教与学模式。

2 相关工作盲源分离技术来自Colin Cherry 在1953年提出的鸡尾酒会问题的语音分离技术，主要目的是分离在同一房间里同时说话的多人发音。

目前，许多盲源分离算法被提了出来。

源信号的混合方式可以将盲源分离算法分为线性和非线性两种。

从源信号与观察信号数量关系上可以将现有的盲源分离算法分为超定（观察信号数量大于或等于源信号数量的情形）和欠定（观察信号数量小于源信号数量的情形）两种情况，针对超定场景中的主要算法包括独立成份分析(ICA)方法，非负独立成份分析(Nonnegative ICA)方法，最大信息熵(Infomax)方法，针对欠定场景中的主要算法包括稀疏成份分析的方法，基于信号时间-频率(TF)分布特性的方法，基于特征函数的方法，基于贝叶斯估计和MCMC(Markov Chain Monte Carlo)采样的方法以及基于空间几何和聚类分析的方法等，针对欠定场景中的盲源分离是当前研究的热点。

基于盲源分离的信号处理技术研究

基于盲源分离的信号处理技术研究一、介绍信号处理技术是实现信息处理和传输的关键技术之一。

随着信息技术发展，信号处理技术已成为现代通信、图像处理、音频处理等领域的基础性技术。

盲源分离技术是目前广泛研究的信号处理技术之一，它可以从多种传感器接收的混合信号中提取出有用信号。

二、盲源分离技术原理盲源分离技术属于一种无需预先知道源信号和混合矩阵，即可对混合信号进行分离处理的信号处理方法。

其原理基于独立性假设，即假设每个源信号之间是相互独立的，且混合信号是源信号的线性组合。

这种假设在实际问题中常常成立。

盲源分离技术中，主要有独立分量分析（ICA）、极大似然估计（MLE）等方法。

其中，ICA 是最常用的一种方法，它通过估计源信号的独立性来进行分离。

通常采用的是牛顿迭代算法、FastICA 等。

三、盲源分离技术的应用1. 音频信号处理盲源分离技术在音频信号处理领域得到了广泛应用。

例如，在会议录音、电话会议、语音识别等应用场景中，可以将多个话筒麦克风接收的混合声音分离为不同的声源。

此外，在音乐信号处理中，盲源分离技术可以将多个乐器演奏声音分离开来。

2. 图像信号处理在图像信号处理领域中，盲源分离技术也有广泛的应用。

例如，在医学图像处理中，可以将脑电图信号（EEG）和磁共振成像信号（MRI）进行分离，以便更好地诊断疾病。

3. 数据挖掘盲源分离技术还可以用于数据挖掘中。

例如，在监督学习和无监督学习中，可以将多种特征组合成新的特征，从而更好地分类和聚类。

四、盲源分离技术的改进虽然盲源分离技术应用广泛，但其效果往往受到多种因素的影响，如信噪比、信号的独立性、混合矩阵的质量等。

为了解决这些问题，研究人员提出了多种改进算法。

例如，基于高斯过程的盲源分离技术、扩展的 ICA 算法、二阶谱分析等方法。

五、结论盲源分离技术是一种十分重要的信号处理技术，可以在多个领域中得到广泛应用。

随着技术不断改进，我们相信盲源分离技术会在未来发挥越来越重要的作用。

基于复FastICA算法的STBC-DS-CDMA系统盲检测法

基于复FastICA算法的STBC-DS-CDMA系统盲检测法金凤;马宝红;王吉富;田军
【期刊名称】《现代电子技术》
【年(卷),期】2009(32)22
【摘要】采用空时分组码的MIMO-CDMA系统可以通过最大似然法检测出信号,但其所需要的信道状态信息难以在接收端精确估计.在此提出基于复FastICA算法的STBC-DS-CDMA系统盲检测方法,在不需要进行信道估计的情况下即可分离、提取源信号.通过仿真比较可知,采用这种算法的STBC-DS-CDMA系统的误码率性能与理想信道估计下的最大似然检测算法性能相当,并且不需要进行信道估计,节省了系统开销.
【总页数】4页(P126-129)
【作者】金凤;马宝红;王吉富;田军
【作者单位】西安通信学院,陕西,西安,710106;重庆通信学院,重庆,400035;西安通信学院,陕西,西安,710106;西安市交通运输管理处,陕西,西安,710065
【正文语种】中文
【中图分类】TP274
【相关文献】
1.一种基于牛顿迭代的自适应复盲源分离算法 [J], 王荣杰;周海峰;詹宜巨;陈美谦
2.一种基于确定信息的迭代IIR系统盲辨识和盲均衡的算法 [J], 戴盛;王保云
3.基于复数FastICA算法的短波同频信号盲源分离 [J], 朱永锋;杨杰;董铮;程强
4.基于FastICA算法的盲源分离 [J], 王建雄;张立民;钟兆根
5.基于FastICA算法的网络入侵异常信号检测系统设计 [J], 王媛斌
因版权原因，仅展示原文概要，查看原文内容请购买。

利用FastICA和三阶相关函数的多天线辅助NPLC-DS-CDMA扩频码盲估计

利用FastICA和三阶相关函数的多天线辅助NPLC-DS-CDMA扩频码盲估计尹辉;赵知劲【期刊名称】《信号处理》【年(卷),期】2018(034)003【摘要】Aiming at the problem of the spreading codes blind estimation of the non-periodic long code direct-spreading CDMA signals (NPLC-DS-CDMA),firstly,the signals were received by the multi-antennas and the signals were constructed to matrix.Secondly,the singular value decomposition was performed on the received signal matrix,and the direct sequence spread spectrum signal matrix of each user was estimated by FastICA algorithm from the extended singular value vector.Thirdly,the direct sequence spread spectrum signal of each user was shifted and multiplied in order to remove the information codes,and then the shift sequences were obtained.Fourthly,the third order correlation function (TCF) of the sequence was calculated,and the correct TCF peaks were obtained by comparing the distance between the TCF's estimate and the theoretical value at the coordinate point and its conjugate coordinatepoints.Finally,the primitive polynomial of the spreading code was obtained by using the matrix oblique elimination method.The simulation results verify the effectiveness of the proposed algorithm for the blind estimation of NPLC-DS-CDMA spread spectrum code.%针对非周期长码直扩CDMA信号(NPLC-DS-CDMA)扩频码盲估计问题,首先利用多天线接收信号并构建成矩阵形式;再对接收信号矩阵进行奇异值分解,利用FastICA方法估计每个用户直扩信号矩阵;然后将每个用户的直扩信号移位相乘去除信息码并计算其三阶相关函数(TCF),通过比较坐标点及其共轭系坐标点上的TCF估计值和理论值的距离排除大量伪峰值点,得到正确的TCF峰值点;最后利用矩阵斜消法得到扩频码本原多项式.仿真结果验证了本文算法对NPLC-DS-CDMA扩频码盲估计的有效性.【总页数】7页(P289-295)【作者】尹辉;赵知劲【作者单位】杭州电子科技大学通信工程学院,浙江杭州310018;杭州电子科技大学通信工程学院,浙江杭州310018【正文语种】中文【中图分类】TN911【相关文献】1.利用BCH码纠错和Fast-ICA的长码直扩CDMA信号扩频码盲估计 [J], 尹辉;赵知劲;姜显扬2.利用三阶相关特征信息的周期长码扩频信号伪码盲估计 [J], 赵知劲;强芳芳;顾骁炜;姜显扬3.二进制偏置载波调制长码扩频信号的组合码盲估计 [J], 阳锐;张天骐;吴旺军;高超4.非周期长码直扩信号扩频码盲估计中的时窗划分准则 [J], 盛世强;杨文革;吴涛5.利用张量分解的多天线长码直扩CDMA信号扩频码盲估计 [J], 赵知劲;尹辉;强芳芳;尚俊娜因版权原因，仅展示原文概要，查看原文内容请购买。

基于FastICA算法的盲源分离

机变量ｌ２… ，，，，即
＝１ｉｓ＋Ｃｉ￥＋ … ２ｌｌｔ．２２＋口ｉｓｎ
ｎ
溯到２０世纪９０年代中期，国学者ＣＪｔｎ和Ｊ法．ｕｅｔ．
Ｈｒｕ等人首次提出了ＩＡ的概念。然而，ｅｌａｔＣ当时正是神经网络研究的高潮期，Ａ理论的研究只是在小范ＩＣ围内进行，未受到广泛重视。直到９并Ｏ年代中期，
ＷＡＮＧｉｎ－ｘｏｇ，ＪａｉｎＺＨＡＮＧ－ｍｉＺＨＯＮＧａ－ｇｅＬｉｎ，Ｚｈｏｎ
（ｐ．ｆｌｔｎｃＩｆｒｔｎＥｇｎｅｉｇＮｖｌｅｏａｔａＥｇｎｅｎｓｔｔ－ａｔ６０１ＣｉａＤｅｔｏｅｒｉｏｍａｏｎｉｅｒ，ａａＡｒｎｕｉｌｎｅｒｇＩｔｕｅＹｎａ２４０－ｈｎ）Ｅｃｏｎｉｎｃｉｉｎｉｉ
第２１卷第１２期２１０１年１２月
计算机技术与发展
ＣＯＭＰＩＵＥＲＣＨＮＯＬＴＥＯＧＹＡＮＤＤＥＶＥＬＭＥＮＴＯＰ
Ｖ０．１Ｎｏ１１２．２Ｄｅ．２Ｃ０１１
基于ＦｓＣａｔＡ算法的盲源分离Ｉ
王建雄，张立民，兆根钟
（海军航空工程学院电子信息工程系，山东烟台２４０）６０１
摘要：年来，Ａ（ｎｅｅｄｎＣｍｏｅｔｎｌｉ独立成分分析）成为处理ＢＳＢｉｏｒｅａａｏ，源分离）近ＩＩｄｐｎｅｔｏｐｎｎＡａｓ，Ｃｙｓ已Ｓ（ｌｄＳｕｃＳｐｒｉ盲ｎｅｔｎ

基于FastICA的盲源分离算法研究

ｏｐｉｍｉｔｚｅｄｃｉｒｔｅｉｏｒｎ．ＦｏｕｒｓｏｕｒｃｅｓｉｇｎａｌｓｗｅｒｅｄｉｓｃｒｅｔｅｄｂｙｓｉｍｕｌａｔｉｏｎｕｓｉｎｇＭａｄａｂｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎｄｉｓｃｒｅｔｅｆｏｕｒｓｉｎａｇｌｓｅｆｅｃｔｉｖｅｌｙ
算法分析
基于ＦａｓｔＩＣＡ的盲源分离算法研究
谢志明吴德华
（长沙航空职业技术学院
湖南长沙４１０１２４）
摘要：ＦＩｃＡ是一种非常有效的盲信号分离算法，该算法比批处理甚至自适应处理具有更快的收敛速度。本文介绍了一种以四阶累计量为判据的固定点算法。ｉｇ，ｇｌｍａｔｔａｂ４５，－真，对四路不相关的源信号进行分离，仿真结果表明，该算法能有效的分离出四路源信号，获得了比较好
，
．
ＫｅｙＷｏｒｄｓ：ＢｌｉｎｄＳｏｕｒｃｅＳｅｐａｒａｉｔｏｎＩｎｄｅｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔＡｎａ１ｖｓｉｓＴｈｅＦｏｕ￣ｈＯｒｄｅｒＳｔａｉｓｔｉｔｃｓ
１引言
独立分量分析（ｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙ￣ｓ，ｒＣＡ）是近年来发展起来的一种新的信号处理技术。基本的ＩＣＡ是指从多个源信号的线性混合信号中分离出源信号的技术。除了已知源信号是统计独立外，无其他先验知识，ＩＣＡ是伴随着盲信源问题而发展起来的，故又称盲分离。在复杂的背景环境中所接收的信号往往是由不同信源产生的多路信号的混合信号。ＩＣＡ方法是基于信源之间的相互统计独立性。与传统的滤波方法和累加平均方法相比，ＩＣＡ在消除噪声的同时，对其它信号的细节几乎没有破坏，且去噪性能也往往要比传统的滤波方法好很多。而且，与基于特征分析，如奇异值分解（ＳＶＤ）、主成分分析（ＰＣＡ）等传统信号分离方法相比，ＩＣＡ是基于高阶统计特性的分析方法。在很多应用中，对高阶统计特性的分析更符合实际。１９９７年芬兰学者ＡａｐｏＨｙｖａｉｆｎｅｎ等人首先提出基于四阶累积量的固定点算法。其后，在１９９９年又提出了进一步的改进—基于负熵的ＩＣＡ固定点算法。在２００１年的著作中他们又作了进一步简化。由于这一算法比批处理甚至自适应处理，具有更快的收敛速度，因此又被称为“ 快速ＩＣＡ算法” （ｆａｓｔ／ＣＡ，ＦＩＣＡ）。

基于ica的盲信源分离

摘要信源数未知和动态变化时的盲信源分离（Ｂｓｓ）是一个重要的热门研究课题。

近年来已提出了许多分离算法，其中有些算法如自然梯度、相对梯度等算法特别有效，但大多数算法都要求信源数己知并且固定，也就是说在信源数未知或动态变化的情况下，这些方法也不是每次都能得到良好的分离结果。

为此，本文提出了一类未知信源数的确定、信源数动态变化的检测和信源的在线盲分离的算法。

本文的主要工作有：·利用神经网络输出分量之间的相关系数，检测出冗余的输出信号，并通过改变动态神经网络（ＤＮＮ）的结构，删去冗余的输出信号。

ＤＮＮ的结构随信源个数的变化而变化，并采用自然梯度算法实现了未知信源数的确定、信源数动态变化的检测和信源的在线盲分离。

·基于独立分量分析（ＩＣＡ）的盲信源分离技术以及小波包分解技术，提出了根据能量特征向量确定信源数的方法。

在信源数未知或动态变化的情况下，首先采用自然梯度的ＩＣＡ算法在线分离出各输出分量，然后根据输出分量的小波包分解，得到各输出分量的能量特征向量，在线计算各能量特征向量之间的距离，可以检测出相干的输出信号分量，通过删除这些冗余的输出信号，可以确定出未知的信源数，并适合于信源数动态变化的情况。

·计算机仿真结果验证了论文提出算法的有效性。

关键词：盲信源分离独立分量分析自然梯度算法相关系数小波包动态神经网络ＡｂｓｔｒａｃｔＴｈｅｂｌｉｎｄｓｏｕｒｃｅｓｅｐａｒａｒｏｎ（Ｂｓｓ）ｗｈｅｎｔｈｅＳＯＵｒＣｅｎｕｍｂｅｒｉｓｕｎｋｎｏｗｎａｎｄｃｈａｎｇｅｓｄｙｎａｍｉｃａｌｌｙｉｓａｌｌｉｍｐｏｒｔａｎｔａｎｄｏｐｅｎｐｒｏｂｌｅｍ，Ｉｎｒｅｃｅｎｔｙｅａｒｓ，ｍａｎｙｓｅｐａｒａｔｉｎｇａｌｇｏｒｉｔｈｍｓｈａｖｅｂｅｅｎｄｅｖｅｌｏｐｅｄ，ｉｎｗｈｉｃｈｓｏｍｅａｌｇｏｒｉｔｈｍｓｓｕｃｈａｓｔｈｅｎａｔｕｒａｌｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍａｎｄｒｅｌａｔｉｖｅｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍｗｏｒｋｅｆｆｅｃｔｉｖｅＨｏｗｅｖｅｒ，ｍｅｓｔｏｆａｌｇｏｒｉｔｈｍｓｒｅｑｕｉｒｅｔｈａｔｔｈｅｎｕｍｂｅｒｏｆｓｏｕｒｃｅｓｉｓａｓｓｕｍｅｄｔｏｂｅｋｎｏｗｎａｐｒｉｏｒｉａｎｄｕｎｃｈａｎｇｅｄ＋Ｉｎｏｔｈｅｒｗｏｒｄ，ｔｈｏｓｅａｌｇｏｒｉｔｈｍｓｃａｎｒｉｏｔａｌｗａｙｓｏｂｔａｉｎｇｏｏｄｓｅｐａｒａｔｉｏｎｒｅｓｕｌｔｓ，ｗｈｅｎｔｈｅｓｏｕｒｃｅｎｕｍｂｅｒｉｓｕｎｋｎｏｗｎａｎｄｃｈａｎｇｅｓｄｙｎａｍｉｃａｌｌｙ．Ａｎｅｗａｌｇｏｒｉｔｈｍｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｉｓｐａｐｅｒ，ｗｈｉｃｈｉｓａｐｐｌｉｅｄ船ｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｕｎｋｎｏｗｎｎｕｍｂｅｒｏｆｓｏｕｒｃｅｓａｎｄｔｈｅｄｅｔｅｃｔｉｏｎｏｆｔｈｅｓｏｕｒｃｅｎｕｍｂｅｒｄｙｎａｍｉｃａｌｌｙ，ａｓｗｄ！ａｓｔｈｅｏｎ－ｔｉｎｅｂｌｉｎｄｓｅｐａｒａｔｉｏｎｏｆ§ｏＴａｒｃｅ￥．Ｔｈｅｋｅｙｐｏｉｎｔｓｏｆｔｈｅｐａｐｅｒａｌｅａｓｆｏｌｌｏｗｓ：·ＢａｓｅｄｏｎｔｈｅｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｍａｍｏｎｇｔｈｅｅｌｅｍｅｎｔｓＯｆｏｕｔｐｔＲｖｅｃｔｏｒｏｆｎｅｕｒａｌｎｅｔｗｏｒｋ，ｔｈｅｒｅｄｕｎｄａｎｔｓｉｇｎａｉｉｎｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔｓｃａｎｂｅｄｅｔｅｃｔｅｄ，ａｎｄｄｅｌｅｔｅｄｂｙｃｈａｎｇｉｎｇｔｈｅｓｔｒｕｃｔｕｒｅｏｆｄｙｎａｍｉｃｎｅｕｒａｌｎｅｔｗｏｒｋ（ＤＮＮ），ＴｈｅＤＮＮｕｓｉｎｇａａｔｕ罐ｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍｃａｎｂｅｃｈａｎｇｅ４ｉｔｓｓｔｒｕｃｔｕｒｅｓｗｈｅｎｔｈｅｓｏｕｒｃｏｎｕｍｂｅｒｃａｒｔｉｓｃｈａｎｇｅｄｗｉｔｈＤＮＮ，ｔｈｅｕｎｋｎｏｗｎｓｏｕｒｃｅｎｕｍｂｅｒｃａｎｂｅｄｅｔｅｒｍｉｎｅｄ，ｔｈｅｃｈａｎｇｉｎｇｓｏｕｒｃｅｎｕｍｂｅｒｃａｌｌｂｅｄｅｔｅｃｔｅｄ，ａｎｄｔｈｅｍｉｘｅｄｓｏｕｒｃｅＣａｌｌｂｅｓｅｐａｒａｔｅｄｏｎ－ｌｉｎｅ．·Ｂａｓｅｄ０ｎｔｈｅｂｌｉｎｄｓｏｕｒｃｅｓｅｐａｒａｔｉｏｎｗｉｔｈｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＩＣＡ）ａｎｄｗａｖｄｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎ，鑫ｎｅｗａｌｇｏｒｉｔｈｍｆｏｒｔｈｅｄｅｔｅｒｍｉｎａｔｉｏｎｏｆｔｈｅＳＯＵＳｅｎｕｍｂｅｒｉｓｐｒｅｓｅｎｔｅｄｕｓｉｎｇｔｈｅｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃｖｅｃｔｏｒＩｎｔｈｅｃａｓｅｏｆｕｎｋｎｏｗｎｏｒｄｙｎａｍｉｃａｌｌｙｃｈａｎｇｉｎｇｎｕｍｂ＿ｅｒｏｆｓｏｕｒｃｅｓ，ｔｈｅｍｉｘｅｄｓｏｕｆ辑ｉｓｓｅｐａｒａｔｅｄｏｎ－ｌｉｎｅｕｓｉｎｇ［ＣＡｗｉｔｈｔｈｅｎａｔｕｒａｌｇｒａｄｉｅｎｔａｌｇｏｒｉｔｈｍ，Ｔｈｅｎｂａｓｅｄｏｎｔｈｅｗａｖｅｌｅｔｐａｃｋｅｔｄｅｃｏｍｐｏｓｉｔｉｏｎｏｆｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔ，ｔｈｅｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃｖｅｃ治ｒｏｆｅａｃｈｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔｉｓｏｂｔａｉｎｅｄ．Ａｆｔｅｒ氇拣ｔｈｅｄｉｓｔａｎｃｅａｍｏｎｇｔｈｅｅｌｅｍｅｎｔｓｏｆｅｎｅｒｇｙｃｈａｒａｃｔｅｒｉｓｔｉｃｖｅｃｔｏｒａｒｅｃａｌｃｕｌａｔｅｄｏｎ－ｌｉｎｅ．Ｔｈｅｃｏｒｒｅｌａｔｉｏｎｏｕｔｐｕｔｓｉｇｎａｌｃｏｍｐｏｎｅｎｔｓｃａｌｌｂｅｄｅｔｅｃｔｅｄｂ豁酣ｏｎｔｈｅｓｅｄｉｓｔａｎｃｅｓ，Ｓｕｃｈｔｈｅｍｑｋｎｏｗｎｎｕｍｂｅｒｏｆｓｏｕｒｃｅｃａｎｂｅｄｅｔｅｒｍｉｎｅｄｂｙｄｅｌｅｔｉｎｇｔｈｅｒｅｄｕｎｄａｎｔｃｏｒｒｅｌａｔｉｏｎｏｕｔｐｕｔｃｏｍｐｏｎｅｎｔｓ．Ｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎａｌｓｏｂｅａｐｐｌｉｅｄｔｏｔｈｅｃａｓｅｗｈｅｎｔｈｅ￥ｏＨｒｃｅｎｕｍｂｅｒｉｓｃｈａｎｇｉｎｇｄｙｎａｍｉｃａｌｌｙ．Ｔｈｅｃｏｍｐｕｔｅｒｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅａｌｇｏｒｉｔｈｍ．Ｋｅｙｗｏｒｄｓ：ＢｌｉｎｄＳｏｕｒｃｅＳｅｐａｒａｔｉｏｎ（Ｂｓｓ）ＩｎｄｅｐｅｎｄｅｎｔＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ（ＩＣＡ）ＮａｔｕｒａｌＧｒａｄｉｅｎｔＡｌｇｏｒｉｔｈｍ州ＧＡ）ＣｏｒｒｅｌｍｉｏｎＣｏｅｆｆｉｃｉｅｎｔＷａｖｅｌｅｔＰａｃｋｅｔＤｙｎａｍｉｃａｌＮｅｕｒａｌＮｅｔｗｏｒｋ（ＤＮＮ）创新性声明毒Ａ声鹳黪黧交静论文爰我个天程警耀蕹导下送行静辑裟工诺及驳褥骛鞣竞瘦聚。

基于Fast-ICA的盲信号分离的研究与实现

基于Fast-ICA的盲信号分离的研究与实现作者：徐丽琴来源：《科技视界》 2014年第30期徐丽琴（西安邮电大学电子工程学院，陕西西安 710121）【摘要】本文介绍一种典型的ICA算法——Fast-ICA算法的基本原理及其在瞬时混合语音信号盲分离中的应用与实现，通过对三路随机混合语音信号进行的分离实验，说明了Fast-ICA算法可以用于分离超高斯语音信号，且具有较快的收敛速度，证明了其在瞬时混合盲语音信号分离中的现实有效性。

【关键词】盲源分离；独立分量分析；Fast-ICA0 引言盲源分离是指在源信号和传输信道参数均未知的情况下，根据源信号的统计特性，仅由观测信号来恢复或分离出源信号。

这里“盲”有两重含义：第一，信号源是未知的；第二，传输信道也是未知的。

盲源分离是当前信号处理领域的一个研究热点，在语音信号处理、数字图像处理、生物医学信号处理等领域有着非常广阔和诱人的应用前景。

独立成分分析[1]，即ICA，是一种应用很广泛的技术，其目的是寻找一个变换矩阵，使得变换后的各输出分量之间尽可能相互统计独立，是目前实现盲源分离的一种最主要的方法。

1 ICA数学模型假设N个统计独立的源信号经过线性瞬时混合被M个传感器接收，则每个观测信号是这N 个信号的一个线性组合。

下面的方程对于线性时不变瞬时混合函数成立：3 Fast-ICA算法Fast—ICA算法是Hyvarinen从熵最优化方法推导出一种算法[2]，其思路是通过随机梯度法调节分离矩阵W来达到优化目的，在该算法的每次迭代中，采样数据是成批使用的，算法是并行分布的，且计算简单，需要的内存少，速度很快，又称为定点法算法。

对于单个信号的提取，Fast—ICA算法的代价函数定义为：需要注意的是，在每次迭代完后都要对分离矩阵进行归一化处理，这样做的目的是为了增强算法的稳定性。

对于多个独立分量的分离，可以重复上述过程一个一个提取独立分离，每提出一个分量后要从混合信号中减去这一独立分量，如此重复，直至所有的独立分量全部分离出来为止。

基于FastICA-TDS的DS-CDMA盲源信号分离系统

基于FastICA-TDS的DS-CDMA盲源信号分离系统张晋东;秦贵和;陈涛;金健【期刊名称】《通信学报》【年(卷),期】2008(29)8【摘要】为了对DS-CDMA网络信号分离系统的性能进行预测和改进,利用原码字及原码字前后最近的两个码字信息,对原码字进行估计.对现有的多路通道的DS-CDMA模型进行改进,提出了基于三码字(TDS,three datasymbols)的系统模型.通过FastICA算法对DS-CDMA肓源信号逐一地进行分离.实验的结果证明本系统能够更加准确地检测出用户码字,具有较低的漏检率,所提出的方法在系统能量控制方面明显好于MMSE和MF.【总页数】5页(P124-128)【作者】张晋东;秦贵和;陈涛;金健【作者单位】吉林大学,计算机科学与技术学院,吉林,长春,130012;吉林大学,符号计算与知识工程教育部重点实验室,吉林,长春,130012;吉林大学,计算机科学与技术学院,吉林,长春,130012;吉林大学,符号计算与知识工程教育部重点实验室,吉林,长春,130012;吉林大学,计算机科学与技术学院,吉林,长春,130012;吉林大学,符号计算与知识工程教育部重点实验室,吉林,长春,130012;吉林大学,计算机科学与技术学院,吉林,长春,130012;吉林大学,符号计算与知识工程教育部重点实验室,吉林,长春,130012【正文语种】中文【中图分类】TP39【相关文献】1.DS-CDMA系统中基于信号子空间的盲降秩多用户检测 [J], 董恩清;闫玉才2.结合辅助分离系统的变步长盲源分离算法 [J], 欧世峰;赵晓晖;高颖3.自干扰抵消盲空时DS-CDMA信号检测技术 [J], 廖桂生;黄晖;史学鹏4.一种利用ILSP的同步DS-CDMA信号快速盲解扩算法 [J], 张花国;曾辉;尤少钦5.基于二次4阶矩切片的DS-CDMA信号盲检测 [J], 赵知劲;濮俊杰;尚俊娜;徐春云因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进 FastICA 的雷达信号盲分离算法

基于改进 FastICA 的雷达信号盲分离算法熊智威;高宪军;杨承志;王龙【期刊名称】《计算机与数字工程》【年(卷),期】2015(000)008【摘要】在复杂的电磁环境中，对频谱混合的雷达信号进行盲分离（BSS）处理不失为一种有效的信号分选手段。

而传统的盲分离算法存在收敛速度慢，对初始值要求较高等缺点，极大地影响了分离效果。

在独立分量分析（ICA）模型的基础上，利用最大化的负熵作为目标函数，提出了一种采用阻尼牛顿法与罚函数相结合的改进算法对其进行寻优，将原问题转化为无约束的收敛问题，加快了收敛速度。

采用该方法对五路随机混合的雷达信号进行仿真实验，成功得出了分离信号，有效提高了收敛速度，简化了分离条件，达到了较好的盲分离效果。

%In the complex electromagnetic environment ,mixed spectrum radar signal blind separation is an effective means of signal sorting .The traditional blind separation algorithm convergence slow ,require a higher initial value and other shortcomings ,greatly influenced the separation .On the basis of (ICA) model on independent component analysis ,using of the maximize of the negative entropy as the objective function ,raise a new improved algorithm that combine damping Newton method with penalty function to optimizeit ,change the original problem to a unconstrained problem ,increase the conver-gence speed .Using this method to make simulation experiment of five random mixing radar signal ,successfully obtain the separationsignal ,effectively improve the convergence rate ,simplify the separation conditions and achieve a better blind sig-nal separation effect .【总页数】5页(P1409-1412,1539)【作者】熊智威;高宪军;杨承志;王龙【作者单位】空军航空大学长春 130022;空军航空大学长春 130022;空军航空大学长春 130022;空军航空大学长春 130022【正文语种】中文【中图分类】TN974【相关文献】1.基于FastICA的二次雷达混扰信号分选改进算法 [J], 李丞;张玉;唐波2.改进的FastICA算法在雷达信号分选中的应用 [J], 赵贵喜;刘永波;季念坤;李晶3.一种改进的FastICA信号盲分离算法 [J], 李睿;黄旭4.基于FastICA的低信噪比雷达信号分选算法 [J], 王彬; 高冰; 谷沛尚; 辛凤鸣5.基于改进FastICA的雷达信号分离方法 [J], 王国涛;姜秋喜;刘方正因版权原因，仅展示原文概要，查看原文内容请购买。