Blind Source Separation of Optical Wireless Communications in Noisy Environments
盲源分离是信号处理领域的一个研究热点，因为它旨在通过未知的传输信道从观测混合信号中分离出未知源信号。提出并改进了一种低计算复杂度的瞬时线性混合信号盲分离算法。该算法中只有一个可变参数，即移动平均线长度，它对分离效果有重要影响。本文通过实验对合理值提出了建议。将该算法推广到不同噪声环境下可见光通信信号的分离中，取得了一定的效果，进一步扩展了算法的适用性。
2019-03-07 eess.SP
Blind source separation of baseband RF communication signals using mixed-signal matrix multiplication circuit
针对基带射频信号的盲源分离应用，提出了一种基于64路混合电容电阻乘法数模转换器的8 × 8混合信号矩阵乘法器结构，该结构采用65 nm CMOS工艺实现。该集成电路对每个矩阵权重具有13位分辨率，并实现了> 62 dB的实测动态范围，带宽> 15 MHz，每个矩阵行的典型功耗< 30 mW。单频信号分离优于57 dBc。
2022-02-06 eess.SP
Sliding Z Transform: Applications to convolutive blind source separation
Z变换是信号处理中的一种数学运算，它给出了一种求解线性常系数差分方程的易处理的方法。在经典Z变换的基础上，受滑动DFT思想的启发，引入并推导了滑动Z变换（SZT）的新定义。然后将该方法应用于盲源分离中，给出了四个仿真结果，验证了滑动窗WIN设置时该方法的性能。它可以直接从卷积混合信号中恢复时域信号，并采用鲁棒的线性混合盲分离算法（如JADE）。该方法原理简单，可移植性好，可广泛应用于数字信号处理的各个领域。
2018-08-08 eess.SP
Adaptive Blind Separation of Two Dependent Sources
我们考虑的问题，自适应盲分离的两个来源，从他们的瞬时混合。我们专注于两个源不一定独立的情况。通过分析一般形式的自适应算法，我们表明，分离是可能的，不仅为独立的源，但也为源，是依赖提供他们的联合PDF满足一定的对称条件。一个非常有趣的问题在于确定类的依赖源是不可分离的，即，对应的高斯源的独立情况。我们证实了我们的理论分析与一些模拟，并给出了依赖源，可以很容易地分离的例子。
2019-08-06 eess.SP
Blind separation of rotor vibration signals in high-noise environments
在发动机转子运行过程中，传感器测得的振动信号是各振源的混合信号，同时含有较强的噪声。本文提出了一种新的强噪声环境（信噪比=-5）下混合振动信号的分离方法。首先采用时延自相关去噪方法对混合信号进行去噪，然后采用普通盲分离算法（这里采用MSNR算法）对混合振动信号进行分离，提高了分离性能。仿真结果验证了该方法的有效性。该方法为发动机转子振动信号的健康监测和故障诊断提供了新的思路。
2019-05-08 eess.SP
A Framework to Evaluate Independent Component Analysis applied to EEG signal: testing on the Picard algorithm
独立分量分析（ICA）是一种盲源分离方法，其越来越多地用于分离脑电图（EEG）和其他电生理记录中的脑和非脑相关活动。它可用于提取有效的大脑源活动并估计其皮层源区域，并且通常用于机器学习应用中对EEG伪影进行分类。在此之前，我们比较了使用22 ICA和其他盲源分离（BSS）算法分解13个71通道头皮EEG数据集的结果。我们现在正在向科学界提供这个框架，并且在其发布过程中正在测试一种未包含在先前分析中的最新ICA算法（Picard）。我们的测试框架使用三个主要指标来评估BSS性能：头皮通道对之间的成对互信息（PMI）;分解后组件对之间剩余的PMI;以及每个算法产生的完整（非成对）互信息约简（MIR）。我们还测量了“偶极”的头皮投影图的分解组件，定义的组件的数量，其头皮投影图几乎匹配的一个等效偶极子的投影。在这个框架内，Picard的表现与Infomax ICA相似。这并不奇怪，因为Picard是一种Infomax算法，它使用L-BFGS方法来实现更快的收敛，而Infomax和Extended Infomax（runica）使用梯度下降。我们的研究结果表明，Picard执行类似Infomax，同样，优于其他BSS算法，除了计算复杂的AMICA。我们已经通过GitHub发布了我们框架的源代码和测试数据。
2022-10-16 eess.SP
Underdetermined Blind Source Separation for Sparse Signals based on the Law of Large Numbers and Minimum Intersection Angle Rule
欠定盲源分离（UBSS）是一个重要的研究课题，针对稀疏信号，提出了一种基于大数定律和最小相交角准则的两步欠定盲源分离方法（LM方法）。第一步利用大数定律求出混合矩阵的估计，并以图形方式显示源信号的个数。第二步，提出了利用最小交角规则估计源信号的方法。最后，两个仿真结果说明了理论结果的有效性。该方法原理简单，可移植性强，可广泛应用于数字信号处理的各个领域。
2018-10-05 eess.SP
Application of ICA on Self-Interference Cancellation of In-band Full Duplex Systems
本文提出了一种改进的快速独立分量分析（FICA）算法来解决带内全双工（IBFD）通信系统中的自干扰消除（SIC）问题。为了适应实值盲源分离（BSS）算法，对复混合问题进行了数学描述。此外，我们提出了一种方法来估计模糊因子与ICA集总在一起的通道和剩余的分离误差。在FD平台上进行了实验，其中基于FICA的BSS被应用于频域中的SIC。实验结果表明，优越的性能相比，最小二乘SIC高达6 dB的SNR增益。
2020-01-03 cs.IT eess.SP math.IT
Sequential Detection-Based Iterative Blind Separation for Single-Channel Co-Frequency Signals
School of Electrical and Information Engineering, Zhengzhou University（郑州大学电气与信息工程学院）
针对单通道同频信号盲分离精度与鲁棒性不足的问题，提出基于序贯检测的迭代分离算法，融合延迟无迹卡尔曼滤波，提升分离与信道估计性能，并显著增强噪声容忍度。
2026-09-11 eess.SP
Consistent ICA: Determined BSS meets spectrogram consistency
Waseda University（早稻田大学）
在确定的情况下（麦克风的数量等于源的数量）或确定的BSS中的多通道音频盲源分离（BSS）通过时频域中的多通道线性滤波来执行以处理卷积混合过程。通常，滤波器独立地处理每个频率，这导致众所周知的置换问题，即，如何对准频率方向的滤波器，使得每个分离的分量被正确地分配给相应的源的问题。本文证明了时频域表示的谱图一致性的一般性质可以作为求解置换问题的一个辅助。
2020-05-20 cs.SD eess.AS eess.SP
Spectral independent component analysis with noise modeling for M/EEG source separation
背景资料：独立分量分析（ICA）是一种广泛应用于脑电（EEG）或脑磁图（MEG）信号分析和去噪的工具。在其最常见的公式中，ICA假设信号矩阵是假定非高斯的独立源的无噪声线性混合。一个限制是，它强制估计尽可能多的传感器或依赖于有害的PCA步骤的来源。方法：提出了谱匹配ICA（SMICA）模型。信号被建模为被加性噪声破坏的独立源的线性混合，其中源和噪声是平稳的高斯时间序列。由于高斯假设，负对数似然有一个简单的表达式，作为信号的经验谱协方差矩阵和模型预测的那些之间的偏差之和。然后，模型参数可以估计的期望最大化（EM）算法。结果如下：在体模脑磁数据集上的实验表明，在偶极子幅度较低的情况下，SMICA比通常的ICA算法或Maxwell滤波能更精确地恢复偶极子位置。EEG数据集上的实验表明，SMICA识别源子空间，其中包含源，具有较少的成对互信息，并更好地解释了一个单一的偶极子在头皮上的投影。与现有方法的比较：无噪ICA模型导致退化的可能性时，有较少的来源比传感器，而SMICA成功，而不诉诸事先降维。结论：SMICA是一个很有前途的替代其他无噪声ICA模型的基础上非高斯假设。
2020-08-21 eess.SP stat.AP
Semi-Blind Source Separation for Nonlinear Acoustic Echo Cancellation
非线性自适应滤波器用于非线性声学回声消除（NAEC）时，数值模型与实际模型的不匹配是一个难题。为了缓解这个问题，我们结合了一个基本的通用扩展的无记忆非线性半盲源分离（SBSS）。通过将远端输入信号的所有基函数视为已知的等效参考信号，推导出一种基于约束缩放自然梯度策略的SBSS更新算法。与常用的自适应算法不同，所提出的SBSS是基于近端信号和参考信号之间的独立性，并且对数值模型和实际模型之间的非线性失配不太敏感。实验结果表明，该方法优于传统方法的回声回波损耗增强（ERLE）和近端语音质量评价的语音质量的感知评价（PESQ）和短时客观可懂度（STOI）。
2021-02-13 eess.SP
Application of multi-objective optimization to blind source separation
信号处理中的几个问题是由专家系统解决的，该专家系统考虑了所寻找的信号和系统的一组先验。例如，盲源分离通常通过依赖于与所寻找的信号（源）的给定属性相关联的分离准则的单目标公式来解决。然而，在许多实际情况下，有一个以上的属性被利用，因此，可以使用一组分离标准来恢复原始信号。在这种情况下，本文解决了分离问题的方法基于多目标优化。从现有的方法，它只提供一个估计的原始信号，我们的建议导致一组解决方案，可以利用系统用户采取他/她的决定。通过一组生物医学信号的数值实验获得的结果突出了所提出的方法，它提供了更接近的均方误差的解决方案相比，通过一个单目标制定的估计的可行性。此外，由于我们的建议是相当普遍的，这项工作也有助于鼓励未来的研究开发专家系统，利用多目标制定在不同的源分离问题。
2020-02-06 eess.SP
Distributed Blind Source Separation based on FastICA
KU Leuven（鲁汶大学）；Leuven.AI - KU Leuven institute for AI（鲁汶人工智能研究所（鲁汶大学））
针对无线传感器网络中带宽受限的分布式盲源分离问题，提出基于FastICA的分布式ICA算法，利用DASF框架规避全网预白化，获得$Q$个最小高斯独立成分，$Q$随通信负载线性增长。
2025-02-28 cs.LG cs.MA eess.SP
HYPERION: Hyperspectral Penetrating-type Ellipsoidal Reconstruction for Terahertz Blind Source Separation
太赫兹（THz）技术由于其非侵入性和非破坏性的特性，在药物分析、化学鉴定、遥感和成像等方面有着广泛的应用。在这些应用中，穿透型高光谱THz信号，提供了关键的材料信息，通常涉及一个嘈杂的，复杂的混合系统。此外，由于测量频带中材料吸收峰的重叠，测量的THz信号可能是病态的。为了解决这些问题，我们考虑穿透型信号混合，并旨在开发一种盲高光谱解混（HU）方法，而不需要来自预建数据库的任何信息。所提出的超光谱穿透型椭球重建（HYPERION）算法是无监督的，不依赖于收集大量的数据或复杂的模型训练。相反，它是基于优雅的椭球几何形状下开发的一个非常温和的要求，数据纯度，其出色的功效实验证明。
2022-04-03 eess.SP
Modifications of FastICA in Convolutive Blind Source Separation
Tsinghua University（清华大学）
卷积盲源分离（BSS）是从卷积混合信号中分离出未知信号的一种方法。与瞬时情况下使用的对比度函数相反，时空预白化阶段和仿酉滤波器约束难以在卷积上下文中实现。在本文中，我们提出了几个修改FastICA，以减轻这些困难。我们的方法在分离之前对卷积混合物进行简单的预白化步骤，并在单值分解（SVD）实现的对角化约束下优化对比度函数。数值仿真验证了该方法的有效性。
2021-07-24 cs.LG eess.SP
Quantifying Non-linear Dependencies in Blind Source Separation of Power System Signals using Copula Statistics
针对可再生能源导致电力系统非线性增强的问题，提出基于copula统计量的盲源分离方法，通过最小化KL散度度量非线性依赖，在11母线4机系统上验证了更快的收敛速度和更优的干扰信号比。
2024-02-10 eess.SP stat.AP
Towards Unsupervised Single-Channel Blind Source Separation using Adversarial Pair Unmix-and-Remix
Hebrew University of Jerusalem（耶路撒冷希伯来大学）；Facebook AI Research（脸书人工智能研究院）
盲单通道信号分离是信号处理领域的一个长期挑战。许多方法被提出来解决这个问题，利用多个信号先验，如低秩，稀疏性，时间连续性等，最近的进展生成对抗模型的信号回归任务提供了新的机会。然而，对抗训练的力量还没有实现盲源分离任务。在这项工作中，我们提出了一种新的方法，盲源分离（BSS）使用对抗的方法。我们依赖于源的独立性来对近似分离的源对创建对抗性约束，这确保了良好的分离。在图像源上进行的实验验证了我们的方法的良好性能，并提出了我们的方法作为一个有前途的方法来解决一般信号的盲分离。
2019-05-16 cs.LG cs.SD eess.AS
Blind Bounded Source Separation Using Neural Networks with Local Learning Rules
自然信号处理系统和工程信号处理系统所遇到的一个重要问题是盲源分离。在这个问题的许多实例中，源被它们的性质所限制，并且是已知的，即使特定的界限可能是未知的。为了将这些有界源从它们的混合物中分离出来，我们提出了一个新的优化问题，有界相似匹配（BSM）。一个自适应BSM算法的原理推导导致一个具有限幅非线性的递归神经网络。该网络适应当地的学习规则，满足了一个重要的约束，在神经形态硬件的生物兼容性和可实施性。
2020-04-11 cs.NE eess.SP q-bio.NC
Generalized Minimal Distortion Principle for Blind Source Separation
LINE Corporation（LINE公司）
本文从盲源分离（BSS）的角度重新研究了源图像的估计问题。我们推广了传统的最小失真原则，最大似然估计与模型的剩余频谱。由于剩余频谱图通常包含其他来源，我们建议使用混合范数模型，让我们微调时间和频率的稀疏性。我们建议进行最小化的混合范数通过优化，导致迭代重加权最小二乘算法。该算法很好地平衡了效率和易于实现。我们评估所提出的方法的性能，适用于两个著名的确定BSS和一个联合BSS去混响算法。我们发现，它是可能的调整参数，以提高分离高达2分贝，没有增加失真，并在很小的计算成本。该方法为提高盲源分离的性能提供了一种廉价、简便的方法。
2020-09-11 cs.SD eess.AS eess.SP
Biologically-Plausible Determinant Maximization Neural Networks for Blind Separation of Correlated Sources
Koc University（科奇大学）；Harvard University（哈佛大学）
提取复杂刺激的潜在来源对于理解世界至关重要。虽然大脑不断解决这个盲源分离（BSS）问题，但其算法仍然未知。以前的工作生物合理的BSS算法假设，观察到的信号是线性混合的统计独立或不相关的来源，限制了这些算法的适用范围。为了克服这一限制，我们提出了新的生物合理的神经网络的盲分离潜在的依赖/相关的来源。不同于以前的工作，我们假设一些一般的几何，而不是统计，允许分离潜在的依赖/相关源的源向量上的条件。具体地说，我们假设源向量在它们的域中是充分分散的，这些域可以由某些多面体描述。然后，我们考虑恢复这些来源的Det-Max标准，最大限度地提高了行列式的输出相关矩阵，以执行类似的传播源估计。从这个规范性的原则，并使用加权相似性匹配的方法，使任意线性变换适应本地学习规则，我们推导出两层生物合理的神经网络算法，可以分离的混合物成来自各种源域的源。我们证明，我们的算法优于其他生物合理的BSS算法相关的源分离问题。
2022-11-25 cs.LG eess.SP
On Cokriging, Neural Networks, and Spatial Blind Source Separation for Multivariate Spatial Prediction
Vienna University of Technology（维也纳技术大学）；University of International Business and Economics（对外经济贸易大学）
本文研究空间盲源分离作为空间预测预处理工具的效果，通过模拟实验和地球化学数据集，将其与协同克里金法、神经网络的多变量空间预测性能进行对比。
2020-07-01 cs.LG eess.SP stat.ML
Heuristics for Efficient Sparse Blind Source Separation
CEA Saclay（法国原子能委员会萨克雷中心）；University of Edinburgh（爱丁堡大学）
稀疏盲声源分离（sparse BSS）是从医学成像到天体物理等领域多通道数据分析的关键方法。然而，由于它依赖于寻求一个非凸惩罚矩阵分解问题的解决方案，其性能在很大程度上取决于优化策略。在这种情况下，近端交替线性化最小化（PALM）已成为一个标准的算法，尽管其理论基础，通常提供差的实际分离结果。在这项工作中，我们提出了一种新的策略，结合了启发式方法与PALM。我们显示其现实的天体物理数据的相关性。
2018-12-17 astro-ph.IM cs.LG eess.SP
Semi-Blind Source Separation with Learned Constraints
IRFU, CEA（法国原子能与替代能源委员会 红外与天体物理研究所）；Universite Paris-Saclay（巴黎萨克雷大学）
盲源分离（BSS）算法是一种无监督的方法，它是高光谱数据分析的基石，允许物理上有意义的数据分解。BSS问题是不适定的，解决方案需要有效的正则化方案，以更好地区分源和产生可解释的解决方案。为此，我们研究了一种半监督源分离方法，在该方法中，我们将投影交替最小二乘算法与基于学习的正则化方案相结合。在这篇文章中，我们专注于通过使用生成模型来约束混合矩阵属于学习流形。总之，我们表明，这允许一个创新的BSS算法，提高了准确性，提供物理上可解释的解决方案。所提出的方法，创造sGMCA，测试现实的高光谱天体物理数据在具有挑战性的情况下，涉及强噪声，高度相关的光谱和不平衡的来源。结果突出了在减少源之间的泄漏之前所学到的显著益处，这允许总体上更好地解缠。
2022-09-27 cs.LG eess.SP
Blind Source Separation for NMR Spectra with Negative Intensity
University of California, Irvine（加州大学欧文分校）；Sandia National Laboratories（桑迪亚国家实验室）
NMR光谱数据集，特别是在样品有限的系统中，如果包含多种化学成分（相、多晶型物、分子、晶体、玻璃等），则很难解释。以及重叠共振的可能性。在本文中，我们基准几个盲源分离技术分析的NMR光谱数据包含负强度。出于基准测试的目的，我们生成了一个大的合成四极固态NMR类光谱的合成基，模型自旋晶格T1弛豫或章动尖端/翻转角实验。我们的基准测试方法完全集中在盲源分离技术的能力，以重现光谱的基础纯成分。总的来说，我们发现FastICA（快速独立分量分析），SIMPLISMA（SIMPLE使用交互式自建模混合分析）和NNMF（非负矩阵分解）是性能最好的技术。我们证明，数据集归一化方法之前，盲源分离并没有显着改善的结果。在研究的噪音水平范围内，我们没有发现技术排名的剧烈变化。FastICA和SIMPLISMA的准确性迅速下降，如果多余的（不真实的）纯成分的预测。我们的研究结果表明SVD（奇异值分解）方法的性能不佳，我们提出了矩阵初始化的替代技术。基准技术也适用于真正的固态NMR数据集。总体而言，来自合成数据集的建议与来自真实数据分析的建议和结果一致。讨论提供了一些额外的建议，光谱学家应用盲源分离的NMR数据集，并为未来的基准研究。
2020-02-07 cs.LG eess.SP physics.chem-ph
Wideband photonic blind source separation with optical pulse sampling
提出并实验验证了一种用于光子盲源分离的光脉冲采样方法。光子系统基于混合信号的统计信息来处理和分离宽带信号，因此采样频率可以比信号的带宽低几个数量级。超快光脉冲的作用就像一个镊子，以非常低的采样率收集信号样本，每个样本都足够短，以保持信号的统计特性。低采样频率减少了模数转换和数字信号处理系统的工作负荷。同时，短脉冲采样保持了采样信号的准确性，因此欠采样信号的统计特性与原始信号的统计特性相同。利用锁模激光器产生的光脉冲，该光脉冲采样系统能够处理和分离带宽超过100GHz的混合信号，动态范围达到30dB。
2021-07-21 eess.SP physics.optics
SAR Tomography via Nonlinear Blind Scatterer Separation
叠层分离对于许多合成孔径雷达应用是基本的，例如建筑物重建和生物量估计。沿混合维度（高程）的散射轮廓的检索通常通过SAR成像模型的反演来解决，该过程称为SAR层析成像。本文提出了一种非线性散射体盲分离方法，用于反演分层散射体的相位中心，避免了计算量大的层析反演。我们证明，传统的线性分离方法，例如，主成分分析（PCA）在较好的条件下只能部分分离散射体。由于散射体导向矢量的非正交性，这些方法在检索的散射体中产生系统的相位偏差，特别是当源的强度相似或图像的数量较低时。所提出的方法使用核PCA人为地增加了数据的维数，从而减轻了上述限制。在处理过程中，该方法使用核PCA的最亮散射点的估计来依次收缩协方差矩阵。仿真结果表明，所提出的方法优于传统的PCA为基础的方法在各个方面的性能。使用TerraSAR-X数据的实验表明，高度重建精度提高了一到三倍，这取决于所使用的外观数量。
2020-09-02 eess.IV eess.SP
An Information Maximization Based Blind Source Separation Approach for Dependent and Independent Sources
我们介绍了一种新的信息最大化（infomax）方法的盲声源分离问题。所提出的框架提供了一个信息理论的角度为行列式最大化为基础的结构化矩阵分解方法，如非负和多面体矩阵分解。为此，我们使用一种基于协方差的对数行列式的替代联合熵度量，我们称之为对数行列式（LD）熵。两个向量之间的对应（LD）互信息反映了它们的相关性水平。我们提出的infomax BSS标准作为最大化的LD-互信息之间的输入和输出的分离器的约束下，输出向量位于一个假定的域集。与ICA infomax方法相比，所提出的信息最大化方法可以分离依赖源和独立源。此外，我们可以提供一个有限的样本保证完美的分离条件，在无噪声的情况下。
2022-05-02 cs.IT eess.SP math.IT
Blind and neural network-guided convolutional beamformer for joint denoising, dereverberation, and source separation
NTT Corporation（日本电信电话公司）
本文提出了一种优化卷积波束形成器（CBF）的方法，可以联合执行去噪（DN），去混响（DR）和源分离（SS）。首先，我们开发了一个盲CBF优化算法，不需要先验信息的来源或房间声学，通过扩展传统的联合DR和SS方法。为了使优化计算易于处理，我们将两种技术的方法：源明智的分解（SW-事实）的CBF和独立向量提取（IVE）。为了进一步提高性能，我们开发了一种方法，集成了基于神经网络（NN）的源功率谱估计与CBF优化的逆伽玛先验。实验结果表明，该方法在提高自动语音识别性能和降低信号失真性能方面，大大优于传统的基于掩码的神经网络语音识别方法。
2021-08-04 cs.SD eess.AS eess.SP
Independent Vector Extraction for Fast Joint Blind Source Separation and Dereverberation
我们解决了一个盲源分离（BSS）的问题，在嘈杂的混响环境中，麦克风的数量$M$是大于感兴趣的源的数量，和其他噪声成分可以近似为平稳和高斯分布。当$M$较大时，用于多输入多输出卷积波束形成器的优化的常规BSS算法遭受巨大的计算成本。在这里，我们提出了一种计算效率高的方法，集成了加权预测误差（WPE）去混响方法和一个快速的BSS方法称为独立矢量提取（IVE），这已被开发用于混响较少的环境。我们表明，给定每个源的功率谱，新方法的优化问题可以减少到IVE通过利用平稳条件，这使得优化易于处理和计算效率。语音信号分离实验表明，与传统的结合WPE和独立向量分析的方法相比，该方法在保持分离性能的同时，收敛速度更快。
2021-04-22 cs.SD eess.AS eess.SP
Blind Source Separation for Mixture of Sinusoids with Near-Linear Computational Complexity
我们提出了一个多音分解算法，可以找到的频率，幅度和相位的基本正弦信号在一个嘈杂的观察序列。在独立同分布的高斯噪声下，我们的方法利用最大似然方法从受污染的观测中估计相关的音调参数。在估计$M$数目的正弦源时，我们的算法连续地估计它们的频率，并联合优化它们的幅度和相位。我们的方法也可以实现为一个盲源分离器的信息的情况下，有关$M$。我们的算法的计算复杂度是近似线性的，即，$\tilde{O}(N)$。
2022-03-27 cs.LG eess.AS eess.SP
Unrolling PALM for sparse semi-blind source separation
Télécom Paris, Institut Polytechnique de Paris（巴黎理工学院电信巴黎）；CEA Saclay（法国原子能和替代能源委员会萨克莱研究中心）
稀疏盲源分离（BSS）已成为一个成熟的工具，用于广泛的应用-例如，在天体物理学和遥感。经典的稀疏BSS方法，如近端交替线性化最小化（PALM）算法，然而，经常遭受困难的超参数选择，这破坏了他们的结果。为了绕过这个陷阱，我们建议在这项工作中建立在蓬勃发展的算法展开/展开领域。展开PALM能够通过学习PALM超参数和变量来利用来自现实模拟或地面实况数据的数据驱动知识。与大多数现有的展开算法不同，这些算法在训练和测试阶段假设一个固定的已知字典，本文进一步强调了处理可变混合矩阵（也称为混合矩阵）的能力。字典）。因此，所提出的学习PALM（LPALM）算法能够执行半盲源分离，这是提高学习模型在现实世界应用中的泛化能力的关键。我们说明了LPALM在天体物理多光谱成像中的相关性：该算法不仅需要比PALM少$10^4-10^5$倍的迭代次数，而且提高了分离质量，同时避免了PALM繁琐的超参数和初始化选择。我们进一步表明，LPALM优于其他展开的源分离方法在半盲设置。
2022-03-07 astro-ph.IM cs.LG eess.IV
A Blind Source Separation Framework to Monitor Sectoral Power Demand from Grid-Scale Load Measurements
Politecnico di Milano（米兰理工大学）；Terna S.p.A（特纳股份公司）
本文提出盲源分离框架，通过非负矩阵因子化方法从电网负荷数据中分离出不同行业电力需求，验证了方法在意大利数据中的有效性。
2026-04-15 eess.SP stat.AP
Unsupervised training of a deep clustering model for multichannel blind source separation
Paderborn University（帕德博恩大学）
我们提出了一种训练方案，当并行干净数据不可用时，从头开始训练基于神经网络的声源分离算法。特别是，我们证明了无监督的空间聚类算法足以指导深度聚类系统的训练。我们认为，以前的工作需要强有力的监督，并详细说明为什么这是一个限制。我们证明了（a）根据所提出的方案单独训练的单通道深度聚类系统能够在单词出错率方面实现与多通道教师类似的性能，以及（b）使用深度聚类结果初始化空间聚类方法，与无监督教师相比，相对单词出错率降低了26%。
2019-04-02 cs.LG eess.SP stat.ML
Self-Supervised Autoencoder Network for Robust Heart Rate Extraction from Noisy Photoplethysmogram: Applying Blind Source Separation to Biosignal Analysis
Mellowing Factory Co. Ltd.（梅洛灵工厂有限公司）；Chungnam National University Hospital（全南国立大学医院）；Department of Radiology, Seoul National University College of Medicine（首尔国立大学医学院放射科）
本文提出了一种自监督多编码器自动编码器，用于从噪声PPG信号中提取心跳相关信号，提升心率检测性能。
2025-08-11 cs.LG eess.SP
Blind Source Separation of Radar Signals in Time Domain Using Deep Learning
Fraunhofer Institute for High Frequency Physics（弗劳恩霍夫高频物理研究所）；Radar Techniques FHR（雷达技术部）；Institute of Signal Processing（信号处理研究所）；System Theory, University of Stuttgart（系统理论系，斯图加特大学）
本文提出利用深度学习进行时域雷达信号盲源分离，通过监督训练的神经网络实现对未知雷达和通信信号的解交织。
2026-01-27 cs.SD eess.AS eess.SP
Broadband physical layer cognitive radio with an integrated photonic processor for blind source separation
随着通信规模的扩大，串扰和干扰问题日益严重，物理层认知方法盲源分离（BSS）可以有效地解决这些问题。BSS需要最少的先验知识来从它们的混合信号中恢复信号，与载波频率、信号格式和信道条件无关。然而，由于射频（RF）组件的固有窄带宽、数字信号处理器（DSP）的高能耗以及它们的低可扩展性的共同弱点，BSS的先前电子实现方式不能满足这种通用性要求。在这里，我们报告了一种光子BSS方法，继承了光学器件的优点，并可以充分履行其“盲”的方面。使用集成在光子芯片上的microwave重量银行，我们展示了节能，WDM可扩展BSS跨越19.2 GHz的带宽，覆盖许多标准频段。我们的系统也有一个高（9位）的信号解混的分辨率，由于最近开发的抖动控制方法，导致更高的信号干扰比（SIR），即使是病态的混合物。
2022-06-08 eess.SP physics.app-ph physics.optics
A Hypothesis Testing Approach to Nonstationary Source Separation
Emory University School of Medicine（埃默里大学医学院）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立理工学院）
从盲和半盲多元观测中提取非平稳信号是一个经常出现的问题。许多算法已经开发了这个问题，这是基于精确或近似的联合对角化的二阶或高阶累积量矩阵/张量的多通道数据。虽然大量的研究一直致力于联合对角化算法，对角化矩阵/张量集的选择仍然是高度特定的问题。本文综述了非平稳信号识别的各种方法，提出了一种基于假设检验的新的通用框架，从分类/聚类的角度研究了非平稳信号的半盲源分离。将该方法应用于胎儿心电的无创提取。
2021-06-28 cs.LG eess.SP
A Blind Signal Separation Algorithm for Energy Detection of Dynamic PU Signals
用于在动态主用户（PU）场景中实现机会性频谱接入的能量检测过程需要估计范围从噪声方差和信噪比（SNR）到瞬时和平均PU活动的若干参数，其中PU在随机时间实例处将状态从活动改变到不活动。参数估计的先决条件是在接收信号时间帧中准确提取信号和噪声样本。在这封信中，我们提出了一个低复杂度和准确的信号分离算法相比，众所周知的方法，这也是盲目的PU活动分布。该算法的准确性和时间复杂度，在识别信号和噪声样本，并在信道占用估计，在不同的占用率和信噪比的PU信号的半实验仿真设置进行了分析。结果证实其适用于获得必要的信息，PU的动态行为，这是否则假定在文献中是已知的。
2020-03-20 cs.IT eess.SP math.IT
Semi-blind source separation using convolutive transfer function for nonlinear acoustic echo cancellation
Key Laboratory of Modern Acoustics, Institute of Acoustics, Nanjing University（南京大学声学研究所现代声学重点实验室）；NJU-Horizon Intelligent Audio Lab, Horizon Robotics（南京大学-地平线智能音频实验室，地平线机器人）
最近提出的用于非线性声学回声消除（NAEC）的半盲源分离（SBSS）方法在衰减非线性声学回声方面优于自适应NAEC。然而，乘性传递函数（MTF）近似使其不适合实时应用，特别是在高混响环境中，自然梯度使其难以在快速收敛速度和稳定性之间取得平衡。在本文中，我们提出了两个更有效的SBSS方法的基础上，基于独立的函数的独立向量分析（MATIVA）和独立的低秩矩阵分析（ILRMA）。使用卷积传递函数（CTF）近似代替MTF，以便可以用短延迟来模拟长脉冲响应。根据NAEC的约束解混矩阵，对MARIVA和ILRMA中的优化方案进行了严格的正则化。实验结果验证了所提出的方法具有更好的回波消除性能。
2022-07-04 cs.SD eess.AS eess.SP
AN An ica-ensemble learning approach for prediction of uwb nlos signals data classification
Landmark University（兰德马克大学）
针对SAR场景UWB NLOS信号中的被困人员识别问题，提出基于ICA特征提取与集成学习分类的方法，在静态和动态数据集上分别取得88.37%和87.20%的准确率。
2024-02-27 cs.IT cs.LG eess.SP
Lorentzian Peak Sharpening and Sparse Blind Source Separation for NMR Spectroscopy
本文介绍了一种非负重叠数据盲源分离的预处理方法。对于核磁共振谱（NMR），Naanaa和Nuzillard（NN）的经典方法要求源信号在某些位置不重叠，而允许它们在其他地方彼此重叠。NN的方法适用于具有独立峰（SAP）的数据信号。然而，SAP并不完全适用于实际的NMR光谱。违反SAP通常会在NN的分离结果中引入错误或伪影。为了解决这个问题，一个预处理技术的基础上洛伦兹峰形状和加权峰锐化。其思想是用其加权负二阶导数对原始峰值信号进行去噪。由此产生的尖锐（更窄和更高）峰使NN的方法能够与更宽松的SAP条件（所谓的主峰条件（DPS））一起工作，并提供改进的结果。为了实现最佳锐化，同时保持数据的非负性，我们证明了存在的上界的权重参数，并提出了一个选择标准。对核磁共振谱数据的数值实验表明，我们提出的方法具有令人满意的性能。
2020-09-04 cs.NA eess.SP math.NA
Nonparametric Evaluation of Noisy ICA Solutions
University of Texas at Austin（德克萨斯大学奥斯汀分校）；University of California, Berkeley（加州大学伯克利分校）；University of Wisconsin, Madison（威斯康星大学麦迪逊分校）
本文提出了一种非参数评分方法，用于适应性选择ICA算法，适用于任意高斯噪声，并分析了算法的收敛性质。
2026-02-06 cs.LG eess.SP math.ST
Directional Sparse Filtering using Weighted Lehmer Mean for Blind Separation of Unbalanced Speech Mixtures
Nanyang Technological University（南洋理工大学）；Delta-NTU Corporate Lab for Cyber-Physical Systems（Delta-南大网络物理系统联合实验室）；Delta Electronics Inc（台达电子公司）
在语音信号的盲源分离中，源频谱中固有的不平衡性对依赖于单源优势来估计混合矩阵的方法提出了挑战。我们提出了一种算法的基础上的方向稀疏滤波（DSF）的框架，利用Lehmer平均与可学习的权重，自适应占源不平衡。在多个真实声学环境中的性能评估显示，与基线方法相比，源分离有所改善。
2021-05-14 cs.LG cs.SD eess.AS
Decomposition of Higher-Order Spectra for Blind Multiple-Input Deconvolution, Pattern Identification and Separation
与普通功率谱一样，高阶谱（HOS）描述了在时间平移下不变的信号特性。与功率谱不同，HOS保留相位信息，从相位信息可以恢复信号波形的细节。在这里，我们考虑的问题，识别多个未知的瞬态波形内发生的合奏记录在相互随机延迟。我们开发了一种新的技术，用于恢复滤波器从HOS的波形检测的性能接近的最佳匹配滤波器，不需要有关波形的先验信息。与以前的技术通过HOS的信号识别，该方法同样适用于确定性和非确定性HOS的信号。在非确定性的情况下，它会产生一个添加剂分解，引入一个新的方法来分离的非高斯信号具有非确定性的高阶矩的分量过程。我们展示了与最小熵盲反卷积（MED）的密切关系，本技术通过避免对数值优化的需要而改进，同时仅需要时移、逐元素乘法和平均的数值稳定操作，使其特别适合于实时应用。HOS分解在实际信号中的应用通过心电图中正常和异常心跳的盲去噪、检测和分类来展示。
2019-08-25 eess.SP q-bio.QM stat.AP
Convolutive Blind Source Separation on Surface EMG Signals for Respiratory Diagnostics and Medical Ventilation Control
Cambridge University（剑桥大学）；Institute for Electrical Engineering in Medicine, University of Lübeck（吕贝克大学生物医学电气研究所）；Drägerwerk AG（德尔格有限公司）
本文提出利用卷积盲源分离技术对表面肌电信号进行预处理，以解决区分吸气、呼气和心肌活动的问题，从而提升呼吸诊断和医疗通气控制的应用效果。
2019-04-08 cs.SY eess.SP eess.SY
Blind Separation of Vibration Sources using Deep Learning and Deconvolution
RSL Electronics LTD（RSL电子有限公司）
针对齿轮振动掩盖低能量轴承故障信号的问题，提出结合 dilated CNN、残差平方对数包络与 WBD 的两阶段盲分离方法，可在无设备先验信息时早期检测局部及分布式轴承故障。
2024-05-21 cs.AI cs.LG eess.AS
