导读:本文包含了欠定盲分离论文开题报告文献综述及选题提纲参考文献，主要关键词:电磁频谱感知,脉冲描述字,对比函数,聚类优化准则
欠定盲分离论文文献综述
赵闯,赵拥军,高明霞[1]（2018）在《基于自组织特征映射的雷达脉冲欠定盲分离方法》一文中研究指出对雷达辐射源的侦察是电磁频谱感知的重要内容。针对现代电磁环境,特别是雷达信号复杂多变以及多域重迭的特点,开展以传统脉冲描述字为工作对象的盲分选方法。首先分析雷达信号的盲分离模型;在此基础上,建立并分析了基于脉冲描述字的对比函数;然后提出基于自组织特征映射的雷达脉冲盲分离算法。该方法充分利用雷达信号的时域稀疏性,改进自组织特征映射网络对输入模式的聚类优化准则,提升算法对复杂电磁环境的适用性。仿真分析表明,算法能够分离由频率捷变、重复周期参差以及重复周期跳变等复杂体制交迭的信号,具有较好的鲁棒性。(本文来源于《信息工程大学学报》期刊2018年04期）
杨诚,李志农[2]（2018）在《采用PARAFAC的欠定盲分离中机械振源数估计方法》一文中研究指出针对复杂机械系统振源数未知的欠定盲源分离(UBSS)问题,为提高欠定盲源分离的性能,提出一种基于平行因子分析(PARAFAC)和核一致诊断(CORCONDIA)的欠定盲源数估计算法.该算法利用二阶非平稳源分离的基本思想,将中心化传感器数据分成不重迭的数据块,计算各数据块的单一时延协方差矩阵并迭加成叁阶张量,即平行因子模型.利用核一致诊断算法估计PARAFAC模型的最佳组分数,从而得到机械系统的振源数.仿真实验结果表明:该算法可从非平稳欠定混合信号中准确估计振源数目.将所提算法应用于多机振动源实验,结果进一步验证了该方法的有效性.(本文来源于《华侨大学学报(自然科学版)》期刊2018年03期）
魏超[3]（2018）在《基于欠定盲分离混合矩阵估计的旋转机械故障诊断研究及应用》一文中研究指出旋转机械是生产中的关键设备,在制造业、新能源产业、航空航天等领域都有广泛应用。旋转机械一旦出现故障,轻则会导致生产中断,带来经济损失,重则会发生严重的机械事故,甚至造成人员伤亡。所以对旋转机械的运行状态进行实时监测,以便对机械故障及时做出诊断并采取相应的拯救措施阻止安全事故的发生。滚动轴承是旋转机械的重要组成部分,当滚动轴承发生故障时,其振动信号呈现非平稳特性,且常常面临干扰或多故障混合的状况。本文以滚动轴承为研究对象,以滚动轴承故障混合信号分离为目的,研究欠定盲分离混合矩阵估计方法及其在滚动轴承故障诊断中的应用。首先,分析盲源分离的发展现状以及盲源分离在机械故障诊断中的应用,对盲源分离与欠定盲源分离的基本理论进行研究,进一步分析影响混合信号欠定盲分离效果的原因,并给出盲源分离性能评价指标。其次,从信号稀疏性入手,给出信号纯净度的参数求解方法,研究信号稀疏度与信号纯净度对欠定盲分离混合矩阵估计的影响,并给出通过单源点检测提高信号纯净度的方法。该方法将混合信号中的单源点进行筛选,组成新的信号样本,进而估计混合矩阵。并进行仿真实验及滚动轴承故障实验研究,验证了单源点检测方法能够明显改善信号的纯净度,从而提高混合矩阵估计精度。最后,从算法优化角度入手研究了一种基于改进密度峰值聚类的欠定盲分离方法。通过计算混合信号散点图中每个点的密度,利用最大类间方差法对点密度进行阈值分割筛选目标点,接着对目标点进行归一化,确定聚类中心坐标并将其转化为混合矩阵,最后利用L1范数最小化方法对混合信号进行分离。实验结果表明,该方法可在源数和聚类中心初值未知的条件下估计混合矩阵。基于改进密度峰值聚类的欠定盲分离方法能够对轴承多故障信号进行有效分离,进而实现故障识别与诊断。(本文来源于《燕山大学》期刊2018-05-01）
刘建宇[4]（2017）在《基于时频分析的跳频信号欠定盲分离算法研究》一文中研究指出跳频通信是最常用的扩频通信方式之一,以其低截获概率、抗干扰性能好、组网能力强、保密性高等特点,在军事通信领域和民用通信领域中被广泛应用。由于跳频信号是典型的非平稳信号,需要采用非平稳信号处理方法进行分析,因此本文提出一种基于时频分析的跳频信号欠定盲源分离算法进行研究。本论文主要内容如下:首先,针对跳频通信系统的基本理论进行简要描述;根据跳频信号的特点,对几种常用的时频分析方法进行理论介绍和时频图对比仿真分析;以盲源分离理论为基础,确定跳频信号欠定盲源分离的混合模型,并分别对几种常用的混合矩阵估计算法和源信号分离方法进行介绍。其次,由于复杂电磁环境中夹杂着大量噪声点,采用一种自适应时频域支撑点阈值设定的方法,从而剔除低能量噪点的干扰;通过Davies-Bouldin Index准则结合K-均值算法对聚类分析得到的时频点进行筛选,并通过单源点检测标准对单源点提取精度不佳的问题进行改善;通过时频单源点构建时频比矩阵对混合矩阵列矢量进行估计,从而得到欠定盲源分离混合矩阵的估计值。仿真实验验证了改进算法对欠定盲源分离混合矩阵具有较好的估计性能,算法改进的效果也比较明显。最后,针对跳频信号载波频率不断跳变的情况,在不同时间段内的短时傅里叶变换窗函数中,通过判断频率聚类数的不同,确定跳频信号载波频率跳变点的时刻及位置,结合构建的时频比矩阵及入射角对盲源分离算法中的顺序不确定性进行改进,从而实现时变混合矩阵估计;通过子空间投影算法实现对多跳频信号进行分离,通过对分离信号中离散噪点的进一步剔除,从而达到更好的分离效果。仿真实验可得,改进的算法对多跳频信号分离的可行性。(本文来源于《哈尔滨工程大学》期刊2017-12-01）
王艳芳[5]（2017）在《基于稀疏性的NMF语音信号欠定盲分离方法研究》一文中研究指出盲源分离(Blind Source Separation,BSS)是表示在先验信息极少,而且原始信号、混迭的类型、信道等不明的状况下,从观测到的信号分离出源信号的过程。盲源分离算法通常用来解决正定或者超定的问题,即观测到的信号和原始信号的数目相同或前者数目较多的情况。但在实际应用中,后者数目较多的欠定情况更为普遍,因此,研究欠定盲信号分离算法具有非常重要的意义和价值。其中,非负矩阵分解(Non-negative Matrix Factorization,NMF)算法最早就是解决欠定盲分离问题的,它不依赖于信号的独立性及非高斯性。语音作为一种盲分离的对象,在计算机听觉、视频会议、信息抗干扰以及生物医学研究等众多领域面前呈现了广阔的发展前景。因此,本文基于在线性混合方式下的语音信号,探究并改进了基于NMF的欠定盲分离算法,核心内容有下列叁个部分:(1)对于基于NMF的单通道语音盲分离模型,本文研究了以欧氏(Euclidean,简称Euc)距离或Kullback-Leibler(简称KL)散度为目标函数的基本NMF算法,以及添加傅里叶变换(Short-Time Fourier Transform,STFT)处理的优化NMF算法,本文称作SNMF算法。选取了不同的目标函数进行仿真与比较,和Euc距离下的基本NMF算法及其改进算法相比,KL散度下的NMF算法表现了较好的分离效果。(2)对于语音信号的欠定瞬时混合方式,本文给出了添加约束的KL-SNMF盲分离算法。首先运用此类信号特有的短时平稳性,做了预加重以及分帧加窗等多项处理,然后将得到的幅度谱作为NMF输入矩阵进行数据降维,最后利用负熵为目标函数,以牛顿迭代法为优化算法的快速不动点独立分量分析(Fast fixed point Independent Component Analysis,FastICA)算法来达到分离信号的目的。(3)对于语音信号的欠定卷积混合方式,本文给出了基于EM-KL-SCNMF的盲分离算法。首先将卷积非负矩阵分解(Convolutive Non-negative Matrix Factorization,CNMF)算法运用于盲分离模型,更好地保留了语音的特征信息和帧间的相关性;然后为了充分利用信道间的冗余,摆脱信源统计独立及非高斯分布的约束,使用了期望最大化(Expectation Maximization,EM)算法进行迭代优化,使得目标函数最小化得到估计的信号;最后通过傅里叶逆变换(Inverse STFT,ISTFT)产生分离滤波器,并在其中进行重构信号,得到时域分离信号。本文主要针对以上叁个部分展开了研究。将分离出的单个信号和其原始信号比较而言,运用大量的对比仿真实验,证明了本文所提出的算法更好地保持了信号波形,具有较大且平稳的相关系数,较好地实现了信号分离,体现出了有效性和优越性。(本文来源于《江苏科技大学》期刊2017-06-15）
农斌[6]（2017）在《欠定盲分离混合矩阵估计与源信号恢复研究》一文中研究指出盲分离是解决信号分离的一个有效方法,并且成功应用于生物医学工程、语音信号处理、图像信号处理和通信信号处理等领域,本文选题具有重要的学术价值和应用前景。欠定盲源分离是指在传感器个数少于源信号个数的情况下,仅利用传感器接收到的混合信号来提取各路源信号的信号处理方法。本文研究欠定盲分离混合矩阵估计和源信号恢复算法,具体的研究内容和成果概括如下:(1)在源信号充分稀疏的情况下,针对现有的基于识别时频单源点的欠定盲分离混合矩阵估计方法中,由于时频分辨率不能同时达到最优从而影响单源点检测效率的问题,提出基于改进识别时频单源点的欠定混合矩阵盲估计方法。该方法根据不确定性原理的分析,在不改变混合模型的线性特性的情况下,采用Gabor变换进行时频分析,进一步提高时频分辨率,从而提高单源点检测的准确率。仿真结果表明,与现有的方法相比,所提方法的混合矩阵估计精度有所提高。(2)针对源信号非充分稀疏情况下欠定盲分离混合矩阵难以估计的问题,提出基于齐次多项式表示的欠定盲分离混合矩阵估计算法。所提的算法首先采用多项式拟合、微分及谱聚类方法来确定各个观测子空间(超平面),然后通过求解聚类平面之间的交线来估计混合矩阵的各个列向量。该方法基于代数-几何理论,不受收敛性影响,能够有效提高混合矩阵估计精度。仿真结果表明,在混合矩阵估计精度方面,所提算法和传统算法相比有明显提高,而且能够同时识别单源点和多源点,提高了欠定混合矩阵盲估计算法的健壮性。(3)基于径向基函数(RBF)网络的稀疏恢复算法应用于欠定盲分离源信号恢复时,恢复精度受步长的影响较大且算法复杂度偏高。为了解决该问题,本文提出基于RBF网络的欠定盲分离源信号恢复算法,该算法在RBF网络的基础上引入了修正牛顿法对最小化近似?_0范数进行求解,避免了传统算法因盲目选择步长而造成恢复精度偏低的缺点。为进一步减低算法的复杂度,提出基于人工神经网络的欠定混合源信号恢复算法。提出的算法引入单层感知机模型,同时寻找最优学习因子和利用平滑参数来控制网络的收敛速率,减少算法的迭代次数。仿真结果表明,提出的算法在保持较高的源信号恢复精度的情况下显着降低了运算时间。本文只研究了线性瞬时混合模型下的欠定盲分离,不适用于存在多径效应的复杂环境下的信号分离,对此较为合理的模型是卷积混合模型。因此,卷积混合模型下的欠定盲分离是后续研究所面临的挑战。(本文来源于《西安电子科技大学》期刊2017-06-01）
田德艳[7]（2017）在《面向欠定盲分离的压缩感知稀疏重构算法研究》一文中研究指出压缩感知是一项新颖的信号处理技术,该技术不但突破了传统的奈奎斯特定理对采样速率的限制,而且能够将数据采集与数据压缩同时进行,实现了数据的快速高效处理。压缩感知技术现已被应用到很多领域,欠定盲分离是其应用领域之一。由于压缩感知和欠定盲分离具有相似的数学模型,且当欠定盲分离中的混合矩阵估计完成后,两个理论都面临的难题是恢复源信号。目前压缩感知源信号重构算法的研究已经相对成熟,因此将压缩感知稀疏重构算法用到欠定盲分离中,可以很好地解决欠定盲分离源信号恢复难题。本论文围绕面向欠定盲分离的压缩感知稀疏重构算法展开了研究,主要工作包括:(1)针对现有的压缩感知稀疏重构算法只有在源信号稀疏度小于等于观测信号长度的一半时才存在唯一的稀疏解的缺点,提出了一种基于部分支撑集的L1范数稀疏重构算法。该算法更改了原始的基于L1范数的重构算法的数学优化模型,以最小化源信号中分量值较小的部分元素为目标函数,约束条件依然是满足压缩感知的数学等式,采用线性规划方法求解新的数学优化模型的精确解,实现源信号重构。所提算法突破了现有算法对稀疏度的限制瓶颈,它在源信号稀疏度大于观测信号长度一半时,依然可以实现源信号重构,并且在不同信噪比和稀疏度条件下,本文所提的基于部分支撑集的L1范数稀疏重构算法的重构精度均优于OMP、BP、LASSO算法的重构精度。(2)针对最短路径法只适用于观测信号个数为2时的源信号恢复问题,将遍历求平均的思想应用到其中,突破了最短路径法对观测信号个数的限制,改进后的算法适用于多路观测信号时的源信号恢复。其次,针对统计稀疏分解法只能在起作用的源信号个数等于观测信号个数时恢复源信号,提出了一种改进的统计稀疏分解算法,改进算法不论在非充分稀疏还是充分稀疏条件下,均能够以较低的时间复杂度、较高的相关系数和较高的恢复后的信干比实现源信号恢复。另外,还将CMP、L1CMP、SCMP这叁种基于压缩重构的源信号恢复算法应用到了欠定盲分离中,并通过实验仿真验证了在充分稀疏情形下叁种算法的优越性。(3)将欠定盲分离技术应用到了雷达信号处理中,用不同算法分别实现了时域充分稀疏雷达源信号恢复、时域非充分稀疏雷达源信号恢复、时域非充分稀疏但小波域充分稀疏雷达源信号恢复。结果表明:时域非充分稀疏的信号,可以考虑变换到小波域,再利用基于压缩重构的算法完成源信号恢复。(本文来源于《西安电子科技大学》期刊2017-06-01）
颜逸飞[8]（2017）在《基于欠定盲分离的航空发动机故障定位和诊断研究》一文中研究指出航空发动机是飞机的心脏,其安全性是飞机可靠、安全飞行的有力保障。因此对发动机进行状态监测和故障诊断与定位,具有重要意义。论文重点研究欠定盲分离技术和多模型估计故障诊断方法,从而实现航空发动机的故障定位和诊断,为航空发动机运行和维护提供支撑。论文主要工作:(1)针对实际振动源个数往往多于测点个数的实际问题,提出了采用欠定盲分离算法实施振动源分离的方法。基于经典欠定盲分离方法,通过优化改进,给出了双通道和叁通道的欠定盲分离算法。分别采用模拟、仿真和实测发动机信号对算法进行了验证。(2)将多模型估计方法应用于航空发动机故障诊断。基于航空发动机转子常见故障的动力学方程,采用卡尔曼滤波器构建相应的动力学多模型估计器,将其估计值与观测信号进行残差计算,得到对应模型的条件概率,识别转子对应的状态,实现故障的有效诊断。(3)结合欠定盲分离算法和多模型估计方法,针对发动机动力学模拟信号,进行了盲分离,分离出高压和低压转子两个主要振动源,将其作为观测信号输入到构建的多模型估计器中,通过概率估计,实现了故障初步定位与诊断。(本文来源于《上海交通大学》期刊2017-02-01）
艾小凡,罗勇江,赵国庆[9]（2016）在《基于累积张量分解的雷达信号欠定盲分离算法》一文中研究指出针对时域和频域不充分稀疏条件下的雷达信号欠定盲分离问题,提出了基于信号不同时延的累积量与叁阶张量分解估计混合矩阵的方法,并通过修正子空间投影算法完成对雷达源信号的恢复。首先将混合信号的四阶累积量表示成叁阶张量,利用叁阶张量分解获得混合矩阵估计值;通过求解雷达源信号任意时频点处对应的估计矩阵的列矢量,得到该时频点处最优超定矩阵的伪逆并恢复源信号。该算法可以解决复杂电磁环境下时频域同时混迭的雷达信号盲分离问题,仿真结果表明与现有算法相比提高了盲分离中混合矩阵估计性能和源信号恢复性能。(本文来源于《系统工程与电子技术》期刊2016年11期）
温江涛,赵倩云,孙洁娣[10]（2016）在《基于信号时频域聚集性的欠定盲分离混合矩阵估计方法》一文中研究指出为解决欠定盲分离中混合矩阵估计问题,通过研究观测信号在时频域的线性聚集特性,提出一种基于时频域线性聚集程度差异的混合矩阵估计方法,并着重研究在信号线性聚集程度较弱情况下对混合矩阵的估计.首先,利用观测信号或其时频域中相应变换系数的比值分布衡量信号线性聚集程度;其次,采用优化初始中心的K-均值聚类算法估计混合矩阵.该算法降低了对信号稀疏性的要求,并且可以较高精度地估计出混合矩阵.仿真实验结果表明该方法具有可行性和有效性.(本文来源于《北京理工大学学报》期刊2016年07期）
欠定盲分离论文开题报告
（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：
针对复杂机械系统振源数未知的欠定盲源分离(UBSS)问题,为提高欠定盲源分离的性能,提出一种基于平行因子分析(PARAFAC)和核一致诊断(CORCONDIA)的欠定盲源数估计算法.该算法利用二阶非平稳源分离的基本思想,将中心化传感器数据分成不重迭的数据块,计算各数据块的单一时延协方差矩阵并迭加成叁阶张量,即平行因子模型.利用核一致诊断算法估计PARAFAC模型的最佳组分数,从而得到机械系统的振源数.仿真实验结果表明:该算法可从非平稳欠定混合信号中准确估计振源数目.将所提算法应用于多机振动源实验,结果进一步验证了该方法的有效性.
（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。
欠定盲分离论文参考文献
[1].赵闯,赵拥军,高明霞.基于自组织特征映射的雷达脉冲欠定盲分离方法[J].信息工程大学学报.2018
[2].杨诚,李志农.采用PARAFAC的欠定盲分离中机械振源数估计方法[J].华侨大学学报(自然科学版).2018
[3].魏超.基于欠定盲分离混合矩阵估计的旋转机械故障诊断研究及应用[D].燕山大学.2018
[4].刘建宇.基于时频分析的跳频信号欠定盲分离算法研究[D].哈尔滨工程大学.2017
[5].王艳芳.基于稀疏性的NMF语音信号欠定盲分离方法研究[D].江苏科技大学.2017
[6].农斌.欠定盲分离混合矩阵估计与源信号恢复研究[D].西安电子科技大学.2017
[7].田德艳.面向欠定盲分离的压缩感知稀疏重构算法研究[D].西安电子科技大学.2017
[8].颜逸飞.基于欠定盲分离的航空发动机故障定位和诊断研究[D].上海交通大学.2017
[9].艾小凡,罗勇江,赵国庆.基于累积张量分解的雷达信号欠定盲分离算法[J].系统工程与电子技术.2016
[10].温江涛,赵倩云,孙洁娣.基于信号时频域聚集性的欠定盲分离混合矩阵估计方法[J].北京理工大学学报.2016