一種噪聲環(huán)境下的多維盲分離方法
【專利摘要】本發(fā)明屬于信號處理【技術(shù)領(lǐng)域】，尤其涉及一種噪聲環(huán)境下的多維盲分離方法。本發(fā)明公布了一種去噪FastIVA算法,能較好的適應(yīng)噪聲IVA模型。與傳統(tǒng)的IVA算法不同，該算法采用偽白化處理并且在分離矩陣的更新公式中引入了噪聲項，從而實現(xiàn)了噪聲環(huán)境下的多維盲分離。仿真驗證了去噪FastIVA算法相對傳統(tǒng)的FastIVA算法能在較寬的信噪比范圍內(nèi)達到很好的分離效果，并且只要采樣數(shù)足夠多，去噪FastIVA算法在較低信噪比(-10dB)情況下仍能達到較好的分離效果，而這是傳統(tǒng)的FastIVA算法無法達到的。
【專利說明】
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于信號處理【技術(shù)領(lǐng)域】，尤其涉及一種噪聲環(huán)境下的多維盲分離方法。 一種噪聲環(huán)境下的多維盲分離方法

【背景技術(shù)】
[0002] 在功能磁共振信號處理或者頻域中解決卷積混合的時候，經(jīng)常需要同時解決多組 信號盲分離的問題。然而，傳統(tǒng)的獨立分量分析（Independent Component Analysis, ICA) 的方法來對每一組進行盲分離會產(chǎn)生多個組之間恢復(fù)出來的信號順序不一致的問題。獨立 向量分析（Independent Vector Analysis, IVA)作為一種解決多維盲分離的方法，是ICA從 單變量成分到多變量成分的一種擴展。IVA利用了多變量信號之間的統(tǒng)計獨立性和每個多 變量信號內(nèi)部的統(tǒng)計相關(guān)性，已經(jīng)在解決多維盲分離的排列問題中有所應(yīng)用。然而，傳統(tǒng)的 IVA算法均是基于理想無噪聲的模型而提出的，在實際有噪聲的環(huán)境下這些算法不能準(zhǔn)確 的對接收數(shù)據(jù)進行白化，并且在后續(xù)的固定點迭代過程中也沒有考慮到噪聲的影響，因而 性能會非常差。迄今沒有人提出過噪聲模型下的IVA算法，所以，結(jié)合噪聲背景下的IVA模 型，提出一種有效地分離算法顯得尤為重要。
[0003] IVA在本質(zhì)上就是多維獨立分量分析，但是它解決了不同組ICA分離后的信號順 序不一致的問題。
[0004] 噪聲背景下的IVA模型為：

【權(quán)利要求】
1. 一種噪聲環(huán)境下的多維盲分離方法，其特征在于，包括以下步驟： 51、 對系統(tǒng)參數(shù)進行初始化； 52、 對每組接收數(shù)據(jù)進行偽白化處理，得到每一組的噪聲方差、偽白化矩陣和偽白化后 的混合信號，具體如下： 521、 設(shè)置k - 1，其中，k表示第k組接收數(shù)據(jù)，符號一表示賦值； 522、 計算第k組接收數(shù)據(jù)的自相關(guān)矩P
對所述自相關(guān)矩陣
做特 征分解
其中，Λ = diag( λ λ 2，…，λ M); 523、 估計第1^組接收數(shù)據(jù)的噪聲方差（〇1;)2=(入1"-* +入")八|^〇，其中，1表示每 組傳感器的數(shù)目，Ν表示每組信源的數(shù)目； 524、 計算第k組接收數(shù)據(jù)的偽白化矩陣
辱到偽白化后的混合信號xk = Vkzk，其中，As = diag〇「（〇k)2, X2-(〇k)2,…， 525、 如果k < K，則設(shè)置k - k+1，并返回S22,若k = K，則進入S3,其中，K為總共要處 理的盲分離的組數(shù)； 53、 選取Ν階的單位矩陣ΙΝ作為每組的初始化分離矩陣，初始化n = l，nmax = 1000,其 中，nmax為最大的迭代次數(shù)； 54、 對每個組的分離矩陣進行更新，具體如下： 541、 設(shè)置 k - 1，i - 1 ; 542、 對第k組第i列的分離矩陣wf按照如下公式進行更新：
其中，η表示 更新次數(shù)，為非線性函數(shù)
和G"分別為G的一階和二 階導(dǎo)數(shù)；
543、 當(dāng)i < Ν時，則設(shè)置i - i+Ι，返回S42,當(dāng)i = Ν時，則進入S44 ; 544、 當(dāng)k < K，則設(shè)置k - k+1，i - 1，返回S42,當(dāng)k = K，則進入S5 ; 55、 對更新后的每個組的分離均值進行正交化處理：wk - [wk(wk)Hr1/2w(k)，其中，k = 1,2, 3,......,Κ； 56、 判斷分離矩陣是否收斂，具體為： 如果分離矩陣收斂或者n = nmax，則輸出分離矩陣，信號分離結(jié)束； 如果分尚矩陣不收斂且η < nmax，則設(shè)置η - n+1返回S4。
2. 根據(jù)權(quán)利要求1所述的一種噪聲環(huán)境下的多維盲分離方法，其特征在于：S6所述判 斷分離矩陣是否收斂的準(zhǔn)則為
【文檔編號】G10L21/0272GK104064195SQ201410307957
【公開日】2014年9月24日 申請日期:2014年6月30日 優(yōu)先權(quán)日:2014年6月30日
【發(fā)明者】錢國兵, 李立萍, 廖紅舒, 劉亮 申請人:電子科技大學(xué)