基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法
【專利摘要】本發(fā)明公開了一種基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，首先將從傳感器接收的時(shí)域卷積混疊信號(hào)重新排列成觀測(cè)數(shù)據(jù)矢量；計(jì)算觀測(cè)數(shù)據(jù)矢量在指定時(shí)延下的二階時(shí)延相關(guān)矩陣組；利用基于三因子迭代的非正交聯(lián)合塊對(duì)角化方法計(jì)算出真實(shí)塊混疊矩陣的塊本質(zhì)相等矩陣；求塊本質(zhì)相等矩陣的偽逆矩陣；利用偽逆矩陣計(jì)算源信號(hào)估計(jì)信號(hào)，實(shí)現(xiàn)時(shí)域卷積混疊信號(hào)盲源分離。本發(fā)明構(gòu)建的目標(biāo)函數(shù)，并以此評(píng)價(jià)分離效果，進(jìn)而求解三組矩陣因子，有效地提高了時(shí)域卷積混疊信號(hào)盲源分離效果，降低了計(jì)算復(fù)雜度，克服了易產(chǎn)生奇異解、對(duì)噪聲敏感等缺點(diǎn)。在適用條件、收斂及分離性能方面都更具優(yōu)勢(shì)，是一種普遍適用且有效的盲源分離方法。
【專利說明】基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于盲信號(hào)處理【技術(shù)領(lǐng)域】，主要涉及盲信號(hào)處理中的時(shí)域卷積混疊信號(hào)盲源分離非正交聯(lián)合塊對(duì)角化技術(shù)，具體地說是一種基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，應(yīng)用于語音信號(hào)、通信信號(hào)等時(shí)域卷積混疊信號(hào)分離。
【背景技術(shù)】
[0002]近二十年來，盲信號(hào)處理在語音、圖像、雷達(dá)、通信等各個(gè)領(lǐng)域得到了廣泛應(yīng)用，尤其是在無線通信和生物醫(yī)學(xué)方面有著成功應(yīng)用，如應(yīng)用于胎兒心電圖信號(hào)提取，首先通過電極從母體上測(cè)量心電圖信號(hào)，由于所測(cè)量的心電圖信號(hào)中混疊有母體心電圖信號(hào)和胎兒心電圖信號(hào)，可通過盲信號(hào)處理技術(shù)從所測(cè)量的混疊心電圖信號(hào)中分離出胎兒心電圖信號(hào)，為醫(yī)生判斷胎兒的健康狀況提供了有效的參考依據(jù)。又例如，在著名的“雞尾酒會(huì)”問題中，可以首先記錄客人的一大堆談話和背景噪聲，然后利用盲信號(hào)處理從語音記錄中分別分離多個(gè)甚至全部客人的談話語音。由此可見，盲信號(hào)處理技術(shù)已得到廣泛應(yīng)用而且有很大的發(fā)展?jié)摿Α?br> [0003]從應(yīng)用角度看,盲信號(hào)處理可以分為盲辨識(shí)、盲解卷積/盲均衡和盲源分離三大類。其中盲源分離是指在未知源信號(hào)和傳輸信道參數(shù)的情況下，根據(jù)輸入源信號(hào)的統(tǒng)計(jì)特性，僅利用觀測(cè)信號(hào)分離出各個(gè)統(tǒng)計(jì)獨(dú)立的源信號(hào)的過程。
[0004]盲源分離的混疊過程通常采用多輸入多輸出(MMO)模型描述，這種模型可分稱為瞬時(shí)混疊和卷積混疊兩類。盲源分離問題的早期研究集中于相對(duì)簡(jiǎn)單的瞬時(shí)混疊情形，但在實(shí)際應(yīng)用中，比如上述的“雞尾酒會(huì)”問題，考慮到聲音傳播的多徑效應(yīng)，源信號(hào)的混疊方式采用卷積混疊模型比較貼近實(shí)際。目前，已有的用于處理卷積混疊盲源分離問題的方法主要分為兩類——頻域方法和時(shí)域方法。
[0005]頻域方法必須處理頻間排列和尺度模糊的問題，而時(shí)域方法則聯(lián)合估計(jì)有限階沖激響應(yīng)(FIR)濾波器矩陣的所有參數(shù)，規(guī)避了這些問題。在時(shí)域方法中，聯(lián)合塊對(duì)角化(JBD)方法是首先通過滑窗處理，將卷積混疊模型轉(zhuǎn)換為塊間獨(dú)立、塊內(nèi)相關(guān)的源信號(hào)與擴(kuò)展的超定線性傳輸信道的瞬時(shí)混疊模型，使得變換后的觀測(cè)信號(hào)的相關(guān)矩陣具有可聯(lián)合塊對(duì)角化結(jié)構(gòu)，然后從中提取塊混疊矩陣的估計(jì)，從而在時(shí)域解決卷積混疊盲源分離問題。
[0006]聯(lián)合塊對(duì)角化方法可分為正交聯(lián)合塊對(duì)角化方法和非正交聯(lián)合塊對(duì)角化方法兩類。正交聯(lián)合塊對(duì)角化需要保證混疊矩陣為正交矩陣，所以要對(duì)目標(biāo)矩陣進(jìn)行預(yù)白化處理，這就要求至少一個(gè)目標(biāo)矩陣為正定矩陣。此外，由于目標(biāo)矩陣存在估計(jì)誤差，同時(shí)預(yù)白化處理還會(huì)引入額外誤差，而且這些誤差在正交聯(lián)合塊對(duì)角化方法后續(xù)過程中不能得到修正，使得預(yù)白化處理不可能精確實(shí)現(xiàn)。相反，非正交聯(lián)合塊對(duì)角化方法則不需要白化處理，也就不存在預(yù)白化處理是否精確的問題，同時(shí)也不要求目標(biāo)矩陣為正定矩陣，所以其應(yīng)用范圍更廣，對(duì)誤差也比較不敏感。
[0007]目前，現(xiàn)有的非正交聯(lián)合塊對(duì)角化方法有基于改進(jìn)JZD方法的非正交聯(lián)合塊對(duì)角化方法(ZJBD)、交替最小二乘非正交聯(lián)合塊對(duì)角化方法(ALS-N0JBD)、基于Givens旋轉(zhuǎn)和Hyperbolic旋轉(zhuǎn)的非正交聯(lián)合塊對(duì)角化方法(GH-NOJBD)等，其中ZJBD方法每次只估計(jì)一個(gè)混疊矩陣的一個(gè)子塊，增加了計(jì)算復(fù)雜度，也易產(chǎn)生奇異解，不能有效的分離所有源信號(hào)，而ALS-N0JBD方法聯(lián)合估計(jì)待定矩陣的所有參數(shù)實(shí)現(xiàn)了非正交聯(lián)合對(duì)角化，克服了現(xiàn)有的非正交ZJBD方法易于產(chǎn)生奇異解以及GH-NOJBD方法對(duì)噪聲敏感的不足，但是ALS-N0JBD方法涉及高階矩陣運(yùn)算，計(jì)算復(fù)雜度高。
[0008]綜上所述，現(xiàn)有的聯(lián)合塊對(duì)角化方法中，正交聯(lián)合塊對(duì)角化方法均需要對(duì)目標(biāo)矩陣組進(jìn)行預(yù)白化處理，要求至少一個(gè)目標(biāo)矩陣為正定矩陣，且目標(biāo)矩陣本身存在誤差，以及預(yù)白化處理引入的額外誤差在正交聯(lián)合塊對(duì)角化方法后續(xù)過程中不能得到修正，預(yù)白化處理不可能精確實(shí)現(xiàn)，而現(xiàn)有的非正交聯(lián)合塊對(duì)角化方法則存在計(jì)算復(fù)雜度高、易產(chǎn)生奇異解、對(duì)噪聲敏感等缺點(diǎn)。

【發(fā)明內(nèi)容】

[0009]針對(duì)現(xiàn)有卷積混疊盲源分離方法存在的很多如計(jì)算復(fù)雜度高、易產(chǎn)生奇異解、收斂速度慢、分離性能差、對(duì)信號(hào)要求高等不足之處，本發(fā)明提出一種計(jì)算復(fù)雜度低、穩(wěn)健、收斂速度快、分離性能好、應(yīng)用范圍廣的基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，該方法以三因子二次塊擬合函數(shù)為目標(biāo)函數(shù)，采用三因子迭代方法求解，從而克服了現(xiàn)有技術(shù)以上諸 多不足之處。
[0010]本發(fā)明提供的基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，是針對(duì)卷積混疊信號(hào)進(jìn)行盲源分離，利用目標(biāo)函數(shù)評(píng)價(jià)分離效果，盲源分離過程包括:
[0011]步驟一.從傳感器接收并記錄時(shí)域卷積混疊信號(hào)數(shù)據(jù)Xm(t)，該信號(hào)也稱為觀測(cè)信號(hào)，采樣時(shí)刻 t = 1，2，…，T,取 Xm(t) = [Xm(t), Xm(t-1),…，Xm(t-W+1)]T,其中 m =1，2，...，Μ，M為傳感器數(shù)目，t =ff, ff+1,-,T, T為采樣時(shí)刻總數(shù)，也稱為觀測(cè)時(shí)間長(zhǎng)度，W為觀測(cè)滑窗長(zhǎng)度，對(duì)接收的時(shí)域卷積混疊信號(hào)Xm(t)根據(jù)傳感器編號(hào)順序重新排列成觀測(cè)數(shù)據(jù)矢量 x(t)，x(t) = [XlT(t) x2T(t)…xMT(t)]T，其中[]τ 表示口 的轉(zhuǎn)置。
[0012]步驟二.計(jì)算觀測(cè)數(shù)據(jù)矢量x(t)在指定時(shí)延τ I下的二階時(shí)延相關(guān)矩陣組R(I)，R(I) = E{[x(t)xH(t+ T1)]) = x(t)xH(t+ T1)/ (Τ-ff+l)，其中，I = 1，2，…，L, L 為指定時(shí)延的總個(gè)數(shù)，[]H表示口的共軛轉(zhuǎn)置，E{*}表示對(duì){*}取期望。
[0013]步驟三.利用三因子迭代的非正交聯(lián)合塊對(duì)角化方法求從傳感器接收的時(shí)域卷積混疊信號(hào)的真實(shí)塊混疊矩陣A的塊本質(zhì)相等矩陣，針對(duì)含二階時(shí)延相關(guān)矩陣組R(I)構(gòu)建目標(biāo)函數(shù)，按任意指定順序?qū)?gòu)建的目標(biāo)函數(shù)循環(huán)迭代分別求使目標(biāo)函數(shù)的值最小的左塊
混疊矩陣v(k)、右塊混疊矩陣u(k)和塊對(duì)角矩陣組^?(α)./ = Κ2.…乂，循環(huán)迭代直到三因
子迭代的非正交聯(lián)合塊對(duì)角化方法收斂，方法收斂后，所得到的最終的左塊混疊矩陣V(k)和右塊混疊矩陣U (k)都是真實(shí)塊混疊矩陣A的塊本質(zhì)相等矩陣，并記真實(shí)塊混疊矩陣A的
一個(gè)塊本質(zhì)相等矩陣為』，取i = V(k)或^ = U{k)。
[0014]步驟四.求塊本質(zhì)相等矩陣j的偽逆矩陣4 A
[0015]步驟五.實(shí)現(xiàn)觀測(cè)信號(hào)的盲源分離，從傳感器接收、記錄的觀測(cè)信號(hào)中分離出源信號(hào)的估計(jì)信號(hào)y (t)，利用塊本質(zhì)相等矩陣的偽逆矩陣A計(jì)算源信號(hào)的估計(jì)信號(hào)y (t)，源信號(hào)的估計(jì)信號(hào)就是分離信號(hào)，分離信號(hào)是塊本質(zhì)相等矩陣的偽逆矩陣#與觀測(cè)信號(hào)的乘積，>(/)-^；..ν(0 ,實(shí)現(xiàn)了時(shí)域卷積混疊信號(hào)的盲源分離過程。
[0016]本發(fā)明利用時(shí)域卷積混疊信號(hào)的二階相關(guān)矩陣組構(gòu)建目標(biāo)函數(shù)，并利用該目標(biāo)函數(shù)評(píng)價(jià)分離效果，進(jìn)而利用該目標(biāo)函數(shù)求解三組矩陣因子，有效地提高了時(shí)域卷積混疊信號(hào)的盲源分離效果，同時(shí)，降低了計(jì)算復(fù)雜度，克服了傳統(tǒng)方法計(jì)算復(fù)雜度高、易產(chǎn)生奇異解、對(duì)噪聲敏感等缺點(diǎn)。
[0017]本發(fā)明的實(shí)現(xiàn)還在于:步驟三中所述的三因子迭代的非正交聯(lián)合塊對(duì)角化方法包括有:
[0018]3.1根據(jù)觀測(cè)數(shù)據(jù)矢量x(t)在指定時(shí)延τ ?下計(jì)算二階時(shí)延相關(guān)矩陣組R(I)，以左塊混疊矩陣V、右塊混疊矩陣U和對(duì)角矩陣組/1(/)為參數(shù)構(gòu)建一個(gè)三因子二次塊擬合函
數(shù)j(F;i/;；i(i).；i(2),....；i(/.))，其中，I = 1，2，...，l，三因子二次塊擬合函數(shù)具體表達(dá)式為
【權(quán)利要求】
1.一種基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，其特征是針對(duì)卷積混疊信號(hào)進(jìn)行盲源分離，盲源分離過程包括: 步驟一從傳感器接收并記錄時(shí)域卷積混疊信號(hào)數(shù)據(jù)Xm(t)，該信號(hào)也稱為觀測(cè)信號(hào)，采樣時(shí)刻
2.根據(jù)權(quán)利要求1所述的基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，其特征是:步驟三中所述的三因子迭代的非正交聯(lián)合塊對(duì)角化方法包括有: .3.1.根據(jù)觀測(cè)數(shù)據(jù)矢量x(t)在指定時(shí)延h下計(jì)算二階時(shí)延相關(guān)矩陣組R(I)，以左塊混疊矩陣V、右塊混疊矩陣U和塊對(duì)角矩陣組Λ/)為參數(shù)構(gòu)建一個(gè)三因子二次塊擬合函數(shù),
3.根據(jù)權(quán)利要求2所述的基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，其特征是:通過循環(huán)迭代求使目標(biāo)函數(shù)最小的三組矩陣因子，實(shí)現(xiàn)對(duì)目標(biāo)函數(shù)的三因子迭代的非正交聯(lián)合塊對(duì)角化，目標(biāo)函數(shù).J(v;u^Λ(1),Λ^2,...Λ^(L))是關(guān)于三組待定矩陣參數(shù)左混疊矩陣V、右混疊矩陣U和塊對(duì)角矩陣組^Λ(1)，|= 1，2,…，L的二次函數(shù)，固定任意兩組待定矩陣參數(shù)，通過求解最小二乘擬合問題得到第三組待定矩陣參數(shù)的閉式解，其中 右塊混疊矩陣U的具體求解過程如下 函數(shù)J(v;u^Λ(1),Λ^2,...Λ^(L))關(guān)于矩陣U求共軛導(dǎo)數(shù)，有
4.根據(jù)權(quán)利要求2所述的基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，其特征是:通過循環(huán)迭代求使目標(biāo)函數(shù)最小的三組矩陣因子，實(shí)現(xiàn)對(duì)目標(biāo)函數(shù)的三因子迭代的非正交聯(lián)合塊對(duì)角化，固定任意兩組待定矩陣參數(shù)，通過求解最小二乘擬合問題得到第三組待定矩陣參數(shù)的閉式解，其中 塊對(duì)角矩陣組Λ^(ι),ι =丨,2,…,L的具體求解過程如下 構(gòu)造子目標(biāo)函數(shù)
5.根據(jù)權(quán)利要求2所述的基于三因子迭代聯(lián)合塊對(duì)角化的時(shí)域混疊盲信號(hào)分離方法，其特征是:通過循環(huán)迭代求使目標(biāo)函數(shù)最小的三組矩陣因子，實(shí)現(xiàn)對(duì)目標(biāo)函數(shù)的三因子迭代的非正交聯(lián)合塊對(duì)角化，固定任意兩組待定矩陣參數(shù)，通過求解最小二乘擬合問題得到第三組待定矩陣參數(shù)的閉式解，其中左塊混疊矩陣V的具體求解過程如下考慮到Tr{AB} = Tr {BA}，函數(shù)也可以表示為:
【文檔編號(hào)】G10L21/0272GK103871422SQ201410008337
【公開日】2014年6月18日 申請(qǐng)日期:2014年1月8日 優(yōu)先權(quán)日:2014年1月8日
【發(fā)明者】馮大政, 楊振偉, 張華 , 劉玉胡, 虞泓波, 向平葉, 趙海霞 申請(qǐng)人:西安電子科技大學(xué)