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)