一種基于接收先驗和單源點檢測的欠定盲辨識方法
【專利摘要】本發(fā)明公開了一種基于接收先驗和單源點檢測的欠定盲辨識方法，綜合了信號混合過程的先驗信息進行單源時頻點檢測，更貼近實際對象，具有更高的檢測精度；實際的計算過程中，只需要利用第一和第二個陣元的混合信號進行一次聚類運算，估計出混合矩陣中的第二行元素，即可根據(jù)先驗信息實現(xiàn)對整個混合矩陣的重構(gòu)，在提高估計精度的同時提高了計算效率。
【專利說明】一種基于接收先驗和單源點檢測的欠定盲辨識方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及多信號混合的盲分離問題，具體是一種基于接收先驗和單源點檢測的 欠定盲辨識方法。

【背景技術(shù)】
[0002] 在現(xiàn)實中，我們采集到的信號往往不是純凈的，通?；旌嫌衅渌蓴_信號和噪聲。 盲源分離（Blind Source Separation, BSS)技術(shù)可以簡單描述為：當(dāng)傳輸信道未知，僅僅 從一個傳感器陣列或轉(zhuǎn)換器的輸出信號中分離或估計出各個未知源信號。"盲"有兩層含 義，即所要估計的原信號不能直接被觀測，且所觀測的信號由原信號如何混合而成也是未 知的。盲源分離技術(shù)是現(xiàn)代信號處理領(lǐng)域的一個嶄新的研究方向，它具有堅實的理論基礎(chǔ)， 例如獨立成分分析（Independent Component Analysis, ICA)就是解決盲源分離問題的一 類主要方法。然而現(xiàn)實中，待分離信號的數(shù)目極有可能大于觀測到的混合信號的數(shù)目，此時 的盲源分離被稱為欠定盲源分離（Underdetermined Blind Source Separation, UBSS)。目 前，解決欠定盲源分離問題主要采用"兩步法"，即首先估計出混合矩陣，再由混合信號和估 計出的混合矩陣實現(xiàn)源信號的分離，對應(yīng)的難點主要體現(xiàn)在兩個方面：第一，欠定條件下混 合矩陣的估計；第二，即使混合矩陣已經(jīng)估計出，欠定條件下信號的分離由于是個病態(tài)的模 型，尤其在源信號非充分稀疏條件下，仍舊難以解決。


【發(fā)明內(nèi)容】
：
[0003] 本發(fā)明的目的是為了解決上述【背景技術(shù)】存在的不足，提出一種基于接收先驗和單 源點檢測的欠定盲辨識方法，運用線性時延混合模型混合矩陣的先驗信息，從接收端提取 復(fù)數(shù)混合矩陣的先驗信息，推導(dǎo)出單源時頻點的判斷標準，然后通過凝聚層次聚類法實現(xiàn) 自動聚類，估計出混合矩陣的各元素最后重構(gòu)出混合矩陣，實現(xiàn)欠定盲辨識。
[0004] 為了解決上述技術(shù)問題本發(fā)明的技術(shù)方案為：
[0005] -種基于接收先驗和單源點檢測的欠定盲辨識方法，其特征在于，包括如下步驟： 步驟一，利用均勻線性陣列天線接收混合信號并對其進行時頻變換，構(gòu)建時頻域盲源分離 模型；步驟二，根據(jù)步驟一所得的時頻域盲源分離模型，提取混合矩陣的先驗信息；步驟 三，依據(jù)先驗信息推導(dǎo)出單源時頻點的判定標準；步驟四，依據(jù)判定標準對時頻域進行單源 時頻點檢測；步驟五，計算經(jīng)檢測的各個單源時頻點對應(yīng)的數(shù)據(jù)對，采用凝聚層次聚類法對 數(shù)據(jù)對進行自動聚類，并利用聚類中心估計出混合矩陣的第二行元素值；步驟六，依據(jù)步驟 二所得先驗信息所示的混合矩陣的特殊結(jié)構(gòu)結(jié)合步驟四所得混合矩陣的第二行元素值，實 現(xiàn)混合矩陣所有元素的重構(gòu)，完成混合矩陣的欠定盲辨識。
[0006] 較佳地，步驟一的具體步驟包括：11)利用M陣元的均勻線性陣列天線接收N個窄 帶信號Sn(t)，則第m個陣元接收到的混合信號為

【權(quán)利要求】
1. 一種基于接收先驗和單源點檢測的欠定盲辨識方法，其特征在于，包括如下步驟： 步驟一，利用均勻線性陣列天線接收混合信號并對其進行時頻變換，構(gòu)建時頻域盲源 分離模型； 步驟二，根據(jù)步驟一所得的所述時頻域盲源分離模型，提取混合矩陣的先驗信息； 步驟三，依據(jù)所述先驗信息推導(dǎo)出單源時頻點的判定標準； 步驟四，依據(jù)所述判定標準對時頻域進行單源時頻點檢測； 步驟五，計算經(jīng)檢測的各個所述單源時頻點對應(yīng)的數(shù)據(jù)對，采用凝聚層次聚類法對所 述數(shù)據(jù)對進行自動聚類，并利用聚類中心估計出混合矩陣的第二行元素值； 步驟六，依據(jù)步驟二所得先驗信息所示的混合矩陣的特殊結(jié)構(gòu)結(jié)合步驟四所得混合矩 陣的第二行元素值，實現(xiàn)混合矩陣所有元素的重構(gòu)，完成混合矩陣的欠定盲辨識。
2. 根據(jù)權(quán)利要求1所述的一種基于接收先驗和單源點檢測的欠定盲辨識方法，其特征 在于，所述步驟一的具體步驟包括： 11)利用M陣元的均勻線性陣列天線接收N個窄帶信號Sn(t)，則第m個陣元接收到的
x(t) =As(t)+g(t)，x(t) = = 和 g(t)= Lg1⑴，…，gM(t) ]T分別為混合信號、源信號和噪聲。J 為復(fù)數(shù)值混合矩陣，矩陣各元 素為; 13)對x(t) =As(t)+g(t)兩邊同時進行傅里葉變換，構(gòu)建得出時頻域盲源分離模型 X(t，f) = AS(t，f)+G(t，f)，式中，X(t，f) = [X1 (t，f)，…，XM(t，f)]T，S(t，f) = [S1U, f)，… ，SN(t，f)]T。
3. 根據(jù)權(quán)利要求I或2所述的一種基于接收先驗和單源點檢測的欠定盲辨識方法， 其特征在于，所述步驟二是依據(jù)步驟11)至13)所得的時頻域盲源分離模型X(t，f)= 八5(1:，;〇+6(1:，;〇、第1]1個陣元接收第11個源信號的時延1：11111=(1]1-1)(1〇〇8 4)1/〇和混合矩陣
4. 根據(jù)權(quán)利要求3所述的一種基于接收先驗和單源點檢測的欠定盲辨識方法，其特征 在于，所述步驟三包括以下步驟： 31) 忽略頻域盲源分離模型X(t，f) =AS(t，f)+G(t，f)中的噪聲項，即令A(yù)= Ib2，… ，bN]，得到 X (t，f) = AS (t，f) = Id1S1 (t，f)+b2S2 (t，f)+...+bNSN (t，f); 32) 設(shè)X(t，f)在時頻點Upf1)處為只出現(xiàn)信號sn(t)的單源時頻點，得到X(Lf 1)= bKt,，，其中 b" = [1，A9 "，A%，…，Am Jt ;
5. 根據(jù)權(quán)利要求4所述的一種基于接收先驗和單源點檢測的欠定盲辨識方法，其特征 在于，所述步驟四包括：首先提取所述時頻域盲源分離模型X(t，f) = AS(t，f)+G(t，f)中混 合信號矩陣的時頻域表示X(t，f)中的時頻域信號X1(Lf)和X2(t，f)，然后利用單源時頻 點檢測標準的公式計算時頻域信號X1 (t，f)和X2 (t，f)中的各個點，滿足所述單源時頻點檢 測標準公式的即為單源時頻點。
6. 根據(jù)權(quán)利要求5所述的一種基于接收先驗和單源點檢測的欠定盲辨識方法，其特征
計算各個單源時頻點所對應(yīng)的數(shù)據(jù)對；采用聚類法對所述數(shù)據(jù)對進行自動聚類得出聚類中 心；估計出混合矩陣中的第二行元素。
7. 根據(jù)權(quán)利要求6所述的一種基于接收先驗和單源點檢測的欠定盲辨識方法，其 特征在于：所述聚類法為改進的凝聚層次聚類法，通過設(shè)定類間最小歐式距離閾值d_ threshold來判斷兩個類是否合并，以及聚類是否完成，設(shè)定閾值N_threshold，選擇類中 元素個數(shù)大于閾值【threshold的類作為最終的類。
【文檔編號】G10L21/0272GK104332161SQ201410508985
【公開日】2015年2月4日 申請日期:2014年9月28日 優(yōu)先權(quán)日:2014年9月28日
【發(fā)明者】楊杰, 張良俊, 王川, 孫亞東, 劉海波 申請人:武漢理工大學(xué)