信号处理之分析技术：盲源分离 (Blind Source Separation)

      发动机混沌振动信号携带着丰富的状态信息,依据混沌振动信号进行状态监测及故障诊断是一种很有前途的技术手段,但由于混沌信号具有伪随机特性及在低频段具有宽频谱等特点,使得传统的方法很难将其从振动信号中分离。在提取混沌振动信号方面,使用快速独立分量分析( Fast ICA) 盲分离方法分离出飞机发动机振动信号中的混沌信号。利用功率谱和Lyapunov 指数(L E) 方法进行了判定,根据计算结果对发动机状态做出判断,验证了盲分离方法分离混沌振动信号的有效。盲分离检测混沌振动信号的方法不仅使依据混沌信号判断飞机发动机状态成为可能,也为利用混沌信号进行状态预测和控制提供了一种方法。

盲信号分离最早由Herault和Jutten在1985年提出，指的是从多个观测到的混合信号中分析出没有观测的原始信号。通常观测到的混合信号来自多个传感器的输出，并且传感器的输出信号独立性（线性不相关）。盲信号的“盲”字强调了两点：1)原始信号并不知道；2)对于信号混合的方法也不知道。 JADE是一种盲源分离算法，可用于语音信号处理，最常用的是信号四阶累积量，也有人用信号的三阶累积量来分离信号。这类算法除了要求源信号具有统计独立性外，源信号中最多只能有一个高斯信号，即利用源信号的非高斯性。而对于源信号的非白特性及非平稳特性没有做任何考虑。因此可以说，HOS算法可以用来分离任何统计独立的非高斯信号或准确地说，不多于一个高斯信号。

很短，但可以运行，希望有帮助。是用于线性混合信号的，可以在研究的时候作为参考

提出了一种基于两步法的欠定盲源分离新算法.在混叠矩阵估计阶段,采用基于势函数的聚类方法,在源信号恢复阶段,提出一种快速的稀疏信号重构算法.系统方程As( t) =x( t)的任一解,由它的一个特解与其相对应的齐次线性方程组的一组基的线性组合之和表示,从而使原来直接估计有n个独立变量的源信号s( t)转化为估计只有n-m个独立变量的系数向量z.再借助稀疏表示实现盲源信号的分离.仿真实验验证了新算法容易实现,分离速度快,能够很好地满足盲分离对速度的要求.

欠定盲源分离的混合矩阵估计算法

matlab的egde源代码

窄带物联网环境中，接收机收到的信号通常为多路混合信号，对单通道接收来说，利用常规盲源分离方法很难实现混合信号的分离和源信号提取。针对这一问题，本文提出了一种利用Kalman滤波算法进行信号估计，解决单通道盲源分离的方法。该方法利用信号间的时序结构，通过Kalman滤波算法对多信号混合中的源信号不断估计并迭代更新，最终得到分离信号。仿真实验结果表明，该方法能有效估计并分离出源信号。

盲源分离-盲源分离.rar 我在网上下的一个盲源分离的程序，希望对大家有一定的帮助

随着脉冲密度的增加，对于现代电子侦察，尤其是对于脉冲压缩雷达信号，信号分类变得极为困难。 盲源分离（BSS）是一种新技术，用于从混合观测数据中分离出信号。 在本文中，我们提出了各种脉冲压缩雷达信号的瞬时混合模型，包括线性调频，多相编码，相移键控和跳频信号。 针对雷达信号，提出了快速独立分量分析（FastICA）和联合对角化BSS算法的组合。 采用性能指标（PI）和信噪比（SIR）来分析不同信噪比下的分离性能。 实验结果证明了该方法的有效性和正确性。