欠定盲分离时变混合矩阵的估计

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

欠定盲分离时变混合矩阵的估计

付卫红, 李爱丽, 黄坤, 马丽芬, 严新, 杨博

文章导航 > 电子科技大学学报 > 2015 > 44(4): 508-512

付卫红, 李爱丽, 黄坤, 马丽芬, 严新, 杨博. 欠定盲分离时变混合矩阵的估计[J]. 电子科技大学学报, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

引用本文:

付卫红, 李爱丽, 黄坤, 马丽芬, 严新, 杨博. 欠定盲分离时变混合矩阵的估计[J]. 电子科技大学学报, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

FU Wei-hong, LI Ai-li, HUANG Kun, MA Li-fen, YAN Xin, . Time-Varying Mixing Matrix Estimation for Underdetermined Blind Source Separation[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

Citation:

FU Wei-hong, LI Ai-li, HUANG Kun, MA Li-fen, YAN Xin, . Time-Varying Mixing Matrix Estimation for Underdetermined Blind Source Separation[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

欠定盲分离时变混合矩阵的估计

doi: 10.3969/j.issn.1001-0548.2015.04.006

中图分类号: TP911.7

Time-Varying Mixing Matrix Estimation for Underdetermined Blind Source Separation

摘要: 针对欠定盲分离中时变混合矩阵的估计问题,在稀疏域二维最小偏差角算法的基础上,提出了一种改进的欠定盲分离时变混合矩阵估计算法。该算法通过判断原始阵各列上是否都有观测点聚集和聚集在原始阵上的观测点以外的点的聚集方向,来检测变化时刻;并利用基于点密度大区域检测算法估计混合矩阵。改进算法对于混合矩阵发生某些列增加、消失和变化时均能检测出变化,并且在大幅提高变化时刻检测概率和混合矩阵估计精度的同时,降低了复杂度。实验仿真结果表明,在20 dB信噪比时,混合矩阵估计精度提高了60%以上。
- 盲源分离 /
- 混合矩阵估计 /
- 信号处理 /
- 时变 /
- 欠定

[1]	THIAGARAJAN J J, RAMAMURTHY K N, SPANIAS A. Mixing matrix estimation using discriminative clustering for blind source separation[J]. Digital Signal Processing, 2013, 23(1): 9-18.
[2]	TAN Bei-hai, XIE Sheng-li. Underdetermined blind source separation based on source's number estimation[J]. Journal of Electronics & Information Technology, 2008, 30(4): 863-867.
[3]	ZHANG Yan-liang, ZHANG Wei-tao, DU Jing-jing. Jeneral method to estimate mixing matrix in blind source separaton[J]. Journal of Computer Applications, 2012, 32(9): 2432-2435.
[4]	BAI Lin, CHEN Hao. New method of underdetermined blind voice source separation[J]. Application Research of Computers, 2010, 30(4): 863-867.
[5]	XIE S, YANG L, YANG J M, et al. Time-frequency approach to underdetermined blind source separation[J]. IEEE Transactions on Neural Networks and Learning Systems, 2012, 23(2): 306-316.
[6]	BAI Lin, CHEN Hao. Underdetermined blind source separation of dynamic sources and mixing matrix[J]. Journal of Electronic Science and Technology, 2012, 41(3): 348-354.
[7]	LU Hong, ZHAO Zhi-jin, YANG Xiao-niu. Algorithm for underdetermined blind source separation based on DANMF[J]. Journal of Computer Applications, 2011, 31(2): 553-555, 558.
[8]	XUE Yun-feng, WANG Yu-ja, SUN Qiu-dong. A novel method for overdetermined blind source separation[C]//The 2nd International Conference on Information Science and Engineering. NewYork: IEEE Press, 2010.
[9]	WANG Yu-ja, XUE Yun-feng. Overdetermined blind source separation by Gaussian mixture model[C]//Advanced Intelligent Computing Theories and Applications. With Aspects of Artificial Intelligence. Berlin: Springer, 2011.
[10]	YE Ji-min, ZHANG Xian-da, JIN Hai-hong. Semi- parametric statistical approach for overdetermined blind source separation[J]. Dianbo Kexue Xuebao/Chinese Journal of Radio Science, 2006, 21(3): 331-336.
[11]	谭北海, 谢胜利. 基于源信号数目估计的欠定盲分离[J]. 电子与信息学报, 2008, 30(4): 863-867.
[12]	白琳, 陈豪. 欠定情形下语音信号盲分离的新方法[J]. 计算机应用研究, 2010, 30(4): 863-867.
[13]	YI Qing-ming. Blind source separation by weighted k-means clustering[J]. Journal of System Engineering and Electronics, 2008, 19(5): 882-887.
[14]	YANG Jing, ZHANG Yu-jie, LI Hong-wei. Underdetermined blind source separation algorithm based on k-means clustering and potential function[J]. Telecommunications Science, 2012, 28(1): 98-101.
[15]	白琳, 陈豪. 欠定模型下源信号及混合矩阵动态变化时的盲分离[J]. 电子科技大学学报, 2012, 41(3): 348-354.
[16]	LI Y, CICHOCKI A, AMARI S. Analysis of sparse representation and blind source separation[J]. Neural computation, 2004, 16(6): 1193-1234.

[1]	余显祥, 严正欣, 潘步年, 汪兵, 崔国龙. 主瓣伴随干扰下数字子阵雷达和差波束测角方法 . 电子科技大学学报, 2023, 52(4): 498-505. doi: 10.12178/1001-0548.2022283
[2]	郭磊, 林啸宇, 王勇, 陈正武, 常伟. 基于深度学习的直升机旋翼声信号检测与识别一体化算法 . 电子科技大学学报, 2023, 52(6): 925-931. doi: 10.12178/1001-0548.2023108
[3]	王磊, 孙志成, 王磊, 陈端兵, 蒋家玮. 基于DRSN-CW和LSTM的轴承故障诊断 . 电子科技大学学报, 2022, 51(6): 921-927. doi: 10.12178/1001-0548.2021385
[4]	李春林, 徐好, 吴琳拥. 基于层次分析法的雷达仙波信号检测与抑制方法 . 电子科技大学学报, 2020, 49(6): 843-847. doi: 10.12178/1001-0548.2020007
[5]	骆忠强, 朱立东. 基于广义协方差张量分解的欠定盲辨识算法 . 电子科技大学学报, 2016, 45(6): 893-897. doi: 10.3969/j.issn.1001-0548.2016.06.003
[6]	王莉君, 何政伟, 冯平兴. 基于ICA的异常数据挖掘算法研究 . 电子科技大学学报, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009
[7]	陈立伟, 杨建华, 孙亮, SHI Mi-mi. 基于分布式传感器阵列的静态气体源定位方法 . 电子科技大学学报, 2014, 43(2): 212-215.
[8]	程光辉, 王磊杰. 直接正交联合对角化盲分离算法 . 电子科技大学学报, 2014, 43(3): 359-362. doi: 10.3969/j.issn.1001-0548.2014.03.007
[9]	成昊, 唐斌. 基于相关熵的盲源分离算法 . 电子科技大学学报, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007
[10]	张和发, 李立萍. 含噪独立分量分析的期望最大化算法 . 电子科技大学学报, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009
[11]	付卫红, 史凡, 刘乃安. 适用于时变信道环境的盲源分离算法 . 电子科技大学学报, 2012, 41(4): 512-515. doi: 10.3969/j.issn.1001-0548.2012.04.006
[12]	白琳, 陈豪. 欠定模型下源信号及混合矩阵动态变化时的盲分离 . 电子科技大学学报, 2012, 41(3): 348-354. doi: 10.3969/j.issn.1001-0548.2012.03.004
[13]	杨明轩. 小波变换的齿轮泵故障分析 . 电子科技大学学报, 2007, 36(4): 805-808.
[14]	叶瑞青, 沈显祥, 唐斌. 欠采样超宽带LFM信号参数估计 . 电子科技大学学报, 2006, 35(2): 157-159.
[15]	闵锐, 姚刚, 周非, 黄顺吉. 双站SAR系统的信号分析 . 电子科技大学学报, 2006, 35(6): 905-908.
[16]	崔奉云, 王军. 基于电容近感原理的无源探测信号分析 . 电子科技大学学报, 2002, 31(6): 562-565.
[17]	张维玺. 双线性变换的计算实现 . 电子科技大学学报, 2001, 30(5): 480-483.
[18]	万群, 杨万麟. 基于盲信号分离的分布式目标DOA估计方法 . 电子科技大学学报, 2000, 29(5): 457-460.
[19]	陈羽中. 同态滤波在扭矩载荷识别中的应用 . 电子科技大学学报, 1999, 28(3): 269-272.
[20]	龚宇, 唐向宏. 全自适应阵列中的逆QR分解算法 . 电子科技大学学报, 1997, 26(1): 24-28.

WeChat

点击查看大图

计量

文章访问数: 4314
HTML全文浏览量: 153
PDF下载量: 116
被引次数: 0

欠定盲分离时变混合矩阵的估计

doi: 10.3969/j.issn.1001-0548.2015.04.006

刊出日期: 2015-08-15

中图分类号: TP911.7

关键词:

摘要: 针对欠定盲分离中时变混合矩阵的估计问题,在稀疏域二维最小偏差角算法的基础上,提出了一种改进的欠定盲分离时变混合矩阵估计算法。该算法通过判断原始阵各列上是否都有观测点聚集和聚集在原始阵上的观测点以外的点的聚集方向,来检测变化时刻;并利用基于点密度大区域检测算法估计混合矩阵。改进算法对于混合矩阵发生某些列增加、消失和变化时均能检测出变化,并且在大幅提高变化时刻检测概率和混合矩阵估计精度的同时,降低了复杂度。实验仿真结果表明,在20 dB信噪比时,混合矩阵估计精度提高了60%以上。

English Abstract

付卫红, 李爱丽, 黄坤, 马丽芬, 严新, 杨博. 欠定盲分离时变混合矩阵的估计[J]. 电子科技大学学报, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

引用本文:

付卫红, 李爱丽, 黄坤, 马丽芬, 严新, 杨博. 欠定盲分离时变混合矩阵的估计[J]. 电子科技大学学报, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

FU Wei-hong, LI Ai-li, HUANG Kun, MA Li-fen, YAN Xin, . Time-Varying Mixing Matrix Estimation for Underdetermined Blind Source Separation[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

Citation:

FU Wei-hong, LI Ai-li, HUANG Kun, MA Li-fen, YAN Xin, . Time-Varying Mixing Matrix Estimation for Underdetermined Blind Source Separation[J]. Journal of University of Electronic Science and Technology of China, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006

全文HTML

参考文献 (16)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发