專利名稱：一種基于矩陣變換的欠定盲分離方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種欠定情況下對(duì)瞬時(shí)混合信號(hào)進(jìn)行盲分離的方法。該方法可分離稀疏、弱稀疏或者相關(guān)信號(hào)，可以應(yīng)用于信號(hào)處理、生物醫(yī)學(xué)和通信等領(lǐng)域。
背景技術(shù)：
盲源分離(Blind Source Separation, BSS)就 是根據(jù)觀測(cè)到的混合數(shù)據(jù)向量確定某一變換，以恢復(fù)原始信號(hào)或信源的技術(shù)。典型情況下，觀測(cè)數(shù)據(jù)向量是一組傳感器的輸出，其中每個(gè)傳感器接收到的是源信號(hào)的不同組合。術(shù)語(yǔ)“盲”有兩重含義a.源信號(hào)不能被觀測(cè)；b.源信號(hào)如何混合是未知的。當(dāng)源信號(hào)的數(shù)目多于觀測(cè)信號(hào)的數(shù)目時(shí)，為欠定盲分離(underdetermined BSS, UBSS)問題,該種情況更貼近于實(shí)際應(yīng)用，同時(shí)也是線性瞬時(shí)混合盲分離的技術(shù)難點(diǎn)，極具挑戰(zhàn)性。到目前為止，已經(jīng)涌現(xiàn)出了多種欠定盲源分離方法。1992年I. F. Gorodnitsky等結(jié)合了腦電逆問題提出了欠定系統(tǒng)局灶解法(focalunderdetermined system solver, FOCUSS),這是一種后驗(yàn)迭代加權(quán)的方法；1998 年，S.S. Chen提出了基于線性規(guī)劃理論的基追蹤法(Basis Pursuit, BP)。欠定盲源分離方法大致可以分為欠定變超定法、時(shí)頻掩蔽法和兩步法三大類。欠定變超定法通過構(gòu)造出新的觀測(cè)信號(hào)，將欠定分離變?yōu)槌ǚ蛛x，從而達(dá)到源信號(hào)分離的目的。該方法的優(yōu)點(diǎn)是可以利用傳統(tǒng)的超定分離技術(shù)，缺點(diǎn)是分離效果依賴于構(gòu)造出的新觀測(cè)信號(hào)的質(zhì)量，一旦該信號(hào)構(gòu)造不好，分離質(zhì)量就會(huì)變差。兩步法實(shí)際上是基追蹤法的推廣，是通過解線性方程通過對(duì)解加以約束得到最優(yōu)解，利用信號(hào)的稀疏性，最小化0范數(shù)進(jìn)而對(duì)解進(jìn)行約束，0范數(shù)處理起來很不方便而且對(duì)噪聲特別敏感。1999年，D. L. Donoho論證了采用I范數(shù)最小和0范數(shù)最小在一定條件下的等價(jià)性，I范數(shù)比0范數(shù)好處理，利用線性規(guī)劃可以方便的得到最優(yōu)解，抗噪聲性能雖然比0范數(shù)準(zhǔn)則要好，但效果仍然不能令人滿意，另外該算法是以信號(hào)在時(shí)域的稀疏性為前提的，因此一般分離的效果很差。時(shí)頻掩蔽法最早是在2000年，由SamT. Roweis提出，2004年，Yilmaz與Rickard結(jié)合DUET算法進(jìn)一步發(fā)展了時(shí)頻掩蔽算法，然而這類方法嚴(yán)格要求源信號(hào)在整個(gè)時(shí)頻域中近似滿足W-錯(cuò)位正交性，條件苛刻。2005年，Abrard提出了 TIFROM算法，該方法要求鄰近的幾個(gè)時(shí)頻窗的觀測(cè)信號(hào)中僅有一個(gè)源信號(hào)存在，時(shí)頻窗的長(zhǎng)度難以確定，且不能搜索出所有的任意大小的單源時(shí)頻域。2008年，M.S. Pedersen等人結(jié)合ICA和時(shí)頻掩蔽技術(shù)實(shí)現(xiàn)了語(yǔ)音的分離。此類方法是基于源信號(hào)的時(shí)頻域稀疏性條件，設(shè)計(jì)一個(gè)相當(dāng)于時(shí)頻濾波器的掩蔽模板，利用模板逐個(gè)提取每一個(gè)源信號(hào)的時(shí)頻點(diǎn)，從而實(shí)現(xiàn)了分離，這類算法主要的缺點(diǎn)是對(duì)信號(hào)稀疏性的要求很嚴(yán)格，而且抗噪聲的性能很差。這些方法都有一個(gè)共同的缺陷就是基于信號(hào)的稀疏性，這就大大的限制了它們的應(yīng)用。近年來，基于弱稀疏的欠定盲源分離問題逐漸引起了學(xué)者們的關(guān)注，2007年，A. Aissa-El-Bey等人利用子空間的方法實(shí)現(xiàn)了弱稀疏條件下的欠定盲源分離，但是該方法運(yùn)算量很大有待改進(jìn)。2009年，彭德中博士等人在降低稀疏性要求的情況下利用子空間方法分離源信號(hào)，并且在2010年，研究了不考慮信號(hào)稀疏性，利用空間時(shí)頻分布進(jìn)行欠定盲源分離的方法，此方法可以分離2* -1路源信號(hào)力瞬時(shí)混合信號(hào)的數(shù)目，其中 >3。2011年，周郭許等人在信號(hào)不嚴(yán)格稀疏的情況下提出一種新方法一非線性投影和列掩蔽(NPCM)方法來估計(jì)混合矩陣。

發(fā)明內(nèi)容
在欠定盲源分離問題中，通常利用源信號(hào)的稀疏性，采用統(tǒng)計(jì)學(xué)的方法來分離源信號(hào)。如果信號(hào)不滿足稀疏性，或者是信號(hào)之間是相關(guān)的，則分離效果不佳。針對(duì)這一問題，本發(fā)明提出一種基于矩陣變換的欠定盲分離方法，該方法適用于弱稀疏和相關(guān)信號(hào)的分離。本方法旨在降低分離算法對(duì)信號(hào)稀疏性的依賴程度，允許信號(hào)存在一定程度的混疊。在假設(shè)混合矩陣已經(jīng)估計(jì)獲得的基礎(chǔ)上，本發(fā)明通過對(duì)混合矩陣進(jìn)行逐級(jí)變換得到變換矩陣，然后將變換矩陣作用于觀測(cè)信號(hào)來逐步消去各個(gè)源信號(hào)；并由各觀測(cè)信號(hào)中新產(chǎn)生的零值點(diǎn)來構(gòu)造多級(jí)二值掩蔽模板，將源信號(hào)進(jìn)行逐級(jí)分離。理論分析和實(shí)驗(yàn)結(jié)果表明，本發(fā)明所提出的方法相對(duì)于其他方法具有優(yōu)異的性能a.降低了對(duì)源信號(hào)稀疏性的要求，可以解決最多M-I路源信號(hào)的混疊(其中I力傳感器個(gè)數(shù))，并且確切知道每個(gè)時(shí)頻點(diǎn)由哪些源信號(hào)混合而成，解決了音樂信號(hào)和噪聲信號(hào)的欠定分離問題。b.對(duì)源信號(hào)的統(tǒng)計(jì)特性要求不高，解決了高斯信號(hào)和相關(guān)信號(hào)的欠定分離問題。c.根據(jù)對(duì)分離精度的要求來調(diào)整處·理級(jí)數(shù)，處理級(jí)數(shù)越多，得到的分離結(jié)果越好。d.分離過程借助于矩陣變換實(shí)現(xiàn)，運(yùn)算復(fù)雜度較低。為了達(dá)到上述目的，本發(fā)明提供了一種基于矩陣變換的欠定盲分離方法，包括以下步驟
步驟100 :利用傳感器接收到的瞬時(shí)混合觀測(cè)信號(hào)為
X = AS⑴
式(1)，中=表示由傳感器接收到的^維觀測(cè)信號(hào)向量，A表示
Af XiV維的混合矩陣，S = [S15 - ■ - ,Sn]1"表不jy維未知的源信號(hào)。步驟200 ;將瞬時(shí)混合的觀測(cè)信號(hào)送入正交變換模塊進(jìn)行短時(shí)傅里葉變換，得到時(shí)頻域觀測(cè)信號(hào)X(jT5W);并將該時(shí)頻域觀測(cè)信號(hào)W)送入時(shí)頻點(diǎn)分類模塊。步驟300 :利用時(shí)頻點(diǎn)分類模塊將時(shí)頻域觀測(cè)信號(hào)W)中的時(shí)頻點(diǎn)進(jìn)
行分類；首先判定每個(gè)時(shí)頻點(diǎn)所在級(jí)數(shù)，然后在各級(jí)中進(jìn)一步判定該時(shí)頻點(diǎn)所屬的類別；具體包括子步驟310，320, 330。步驟310 :首先處理第一級(jí)，該級(jí)上的時(shí)頻點(diǎn)只是一個(gè)源信號(hào)作用的結(jié)果；包括子步驟 311，312，313。步驟311 :利用I"級(jí)變換矩陣模塊構(gòu)造第一級(jí)變換矩陣。利用混合矩陣A戶的元素，構(gòu)造如式⑵所示的MXM階第一級(jí)變換矩陣
權(quán)利要求
1.一種基于矩陣變換的欠定盲分離方法，包括以下步驟 步驟100 :利用傳感器檢測(cè)瞬時(shí)混合的觀測(cè)信號(hào)，表示為
全文摘要
本發(fā)明公開一種基于矩陣變換的欠定盲分離方法。本發(fā)明通過對(duì)混合矩陣進(jìn)行逐級(jí)變換得到變換矩陣，然后將變換矩陣作用于觀測(cè)信號(hào)來逐步消去各源信號(hào)；并由各觀測(cè)信號(hào)中新產(chǎn)生的零值點(diǎn)來構(gòu)造多級(jí)二值掩蔽模板，將源信號(hào)進(jìn)行逐級(jí)分離。本發(fā)明降低了對(duì)源信號(hào)稀疏性的要求，可以解決最多M-1路源信號(hào)的混疊(其中M為傳感器個(gè)數(shù))，并且確切知道每個(gè)時(shí)頻點(diǎn)由哪些源信號(hào)混合而成，解決了音樂信號(hào)和噪聲信號(hào)的欠定分離問題。對(duì)源信號(hào)的統(tǒng)計(jì)特性要求不高，解決了高斯信號(hào)和相關(guān)信號(hào)的欠定分離問題。根據(jù)對(duì)分離精度的要求來調(diào)整處理級(jí)數(shù)，處理級(jí)數(shù)越多，得到的分離結(jié)果越好。分離過程借助于矩陣變換實(shí)現(xiàn)，運(yùn)算復(fù)雜度較低。
文檔編號(hào)G06F17/14GK102789783SQ201210236738
公開日2012年11月21日 申請(qǐng)日期2012年7月10日 優(yōu)先權(quán)日2011年7月12日
發(fā)明者朱東巖, 楊捷, 馬曉紅 申請(qǐng)人:大連理工大學(xué)