本發(fā)明涉及信號(hào)處理技術(shù)領(lǐng)域，特別涉及一種盲源信號(hào)分離的方法及裝置。

背景技術(shù)：

未知強(qiáng)干擾下的弱信號(hào)盲源分離是一個(gè)比較困難的盲源分離問題，也一直沒有比較理想的方法。近年來，常用的方法是經(jīng)驗(yàn)?zāi)B(tài)分解法。emd(empiricalmodedecomposition，經(jīng)驗(yàn)?zāi)B(tài)分解)方法，由美籍華人huang在深入研究了瞬時(shí)頻率概念的基礎(chǔ)上，提出了imf(intrinsicmodefunction，本征模態(tài)函數(shù))的概念，采用emd能夠?qū)⑷我庑盘?hào)分解為基本模式分量。

基于經(jīng)驗(yàn)?zāi)B(tài)分解，是將信號(hào)分解為一系列imf(intrinsicmodefunction，固有模態(tài)函數(shù))之和，對(duì)每一個(gè)固有模態(tài)函數(shù)進(jìn)行hilbert變換，得到其瞬時(shí)頻率，并將其以時(shí)間-頻率為坐標(biāo)的平面表示出來，得到時(shí)間-頻率-能量的分布，稱為hilbert譜。從理論上分析，hht不僅解決了多輻射聲源時(shí)小波分析的分辨率問題和對(duì)不同聲源信號(hào)的適應(yīng)性問題，而且解決了winger-ville分布的多分量信號(hào)交叉項(xiàng)問題。強(qiáng)干擾弱信號(hào)的分離可以采用emd方法將實(shí)測(cè)信號(hào)分解成一系列imf，其結(jié)果是將信號(hào)中不同尺度的波動(dòng)或趨勢(shì)逐級(jí)分解，產(chǎn)生一系列具有不同特征尺度的數(shù)據(jù)序列，達(dá)到分離趨勢(shì)項(xiàng)的目的。

emd分解方法基于以下幾點(diǎn)假設(shè):(1)信號(hào)至少有兩個(gè)極值點(diǎn)，一個(gè)極大值和一個(gè)極小值，或者極大值或極小值數(shù)目比零點(diǎn)的數(shù)目多2個(gè)(或2個(gè)以上)；(2)信號(hào)的特征時(shí)間尺度是由極值點(diǎn)之間的時(shí)間間隔確定的；(3)如果數(shù)據(jù)中缺乏極值點(diǎn)，但存在奇異點(diǎn)，可以通過一次或多次差分來求出極值點(diǎn)。

emd分解的具體處理方法是，找到數(shù)據(jù)x(t)的極大值點(diǎn)集和極小值點(diǎn)集后，用插值法擬合x(t)的上、下兩條包絡(luò)線。計(jì)算兩條包絡(luò)線的平均值，記為m1(t)。計(jì)算得到x(t)與m1(t)的差，記為h1(t)，即:h1(t)＝x(t)-m1(t)，一般來講，h1(t)仍然不是一個(gè)imf分量，為此需要對(duì)它重復(fù)上述處理過程。即將h1(t)視為新的數(shù)據(jù)序列，擬合其上、下包絡(luò)，得到兩條包絡(luò)線的平均值m11(t)，并計(jì)算h1(t)與m11(t)的差值，記為h11(t)，即:h11(t)＝h1(t)-m11(t)，重復(fù)以上操作i次，直到h1i(t)滿足imf的條件為止，至此得到了信號(hào)x(t)的第一個(gè)imf分量，記為:imf1(t)＝h1i(t)，從數(shù)據(jù)中分離出imf1，即:r1(t)＝x(t)-imf1(t)，若剩余量r1(t)仍含有較長的周期成分，則將其看作新的數(shù)據(jù)，并重復(fù)以上步驟，分解出新的imf：

r1-imf2＝r2,

r2-imf3＝r3

...

rn-1-imfn＝rn

當(dāng)剩余量變?yōu)橐粋€(gè)常量，或者一個(gè)單調(diào)函數(shù)，再或者一個(gè)有且僅有一個(gè)極點(diǎn)的函數(shù)時(shí)，數(shù)據(jù)篩選結(jié)束。此時(shí)的rn(t)稱為余項(xiàng)，每一個(gè)篩分出的imf分量與前一個(gè)篩分出imf的分量相比，含有較低的頻率特性。最后，原始的數(shù)據(jù)序列即可由這些imf分量以及一個(gè)均值或趨勢(shì)項(xiàng)表示:

以上方法采用簡(jiǎn)單收斂準(zhǔn)則，即只要信號(hào)的極值點(diǎn)和過零點(diǎn)的數(shù)目相等時(shí)，篩選過程就終止準(zhǔn)則。這種停止準(zhǔn)則很簡(jiǎn)單，同時(shí)考慮了imf的定義，更加趨于合理化。

雖然采用emd可以進(jìn)行強(qiáng)干擾下的盲源信號(hào)分離，但是在干信比較高的情況下會(huì)面臨計(jì)算復(fù)雜度高，分離性能差的局面。

技術(shù)實(shí)現(xiàn)要素：

根據(jù)本發(fā)明實(shí)施例提供的方案解決的技術(shù)問題是現(xiàn)有的盲源信號(hào)分離存在計(jì)算復(fù)雜度高和性能差。

根據(jù)本發(fā)明實(shí)施例提供的一種盲源信號(hào)分離的方法，包括：

通過對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征；

根據(jù)所得到未知強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述未知強(qiáng)干擾信號(hào)進(jìn)行重組處理，得到用于抵消所述源混合信號(hào)中未知強(qiáng)干擾信號(hào)的強(qiáng)干擾抵消信號(hào)；

利用得到的強(qiáng)干擾抵消信號(hào)對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)，并通過對(duì)所得到的弱混合目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)。

優(yōu)選地，所述第一盲源分離是指對(duì)所述源混合信號(hào)中對(duì)未知強(qiáng)干擾信號(hào)的分離處理；所述第二盲源分離是指對(duì)弱混合目標(biāo)信號(hào)中各弱目標(biāo)信號(hào)的分離處理。

優(yōu)選地，所述通過對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征包括：

確定用于對(duì)所述源混合信號(hào)進(jìn)行分離的第一初始點(diǎn)；

利用所確定的第一初始點(diǎn)對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征；

其中，所述參數(shù)特征包括頻率、功率、相位、幅度、采樣率、調(diào)頻速率以及傳輸比特率的特征。

優(yōu)選地，所述利用得到的強(qiáng)干擾抵消信號(hào)對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)，包括：

獲取所述強(qiáng)干擾抵消信號(hào)的參數(shù)特征；

根據(jù)所述未知強(qiáng)干擾信號(hào)的參數(shù)特征和所獲取的強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)；

其中，所述未知強(qiáng)干擾信號(hào)的參數(shù)特征與所述強(qiáng)干擾信號(hào)的參數(shù)特征中頻率、功率、幅度、采樣率、調(diào)頻速率以及傳輸比特率均相同，但相位相反。

優(yōu)選地，所述通過對(duì)所得到的弱混合目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)，包括：

確定用于對(duì)所述弱混合目標(biāo)信號(hào)進(jìn)行分離的第二初始點(diǎn)；

利用所確定的第二初始點(diǎn)對(duì)弱混合目標(biāo)信號(hào)中的多個(gè)弱目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)。

根據(jù)本發(fā)明實(shí)施例提供的一種盲源信號(hào)分離的裝置，包括：

信號(hào)分離模塊，用于通過對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征，以及通過對(duì)所得到的弱混合目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)；

信號(hào)重組模塊，用于根據(jù)所得到未知強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述未知強(qiáng)干擾信號(hào)進(jìn)行重組處理，得到用于抵消所述源混合信號(hào)中未知強(qiáng)干擾信號(hào)的強(qiáng)干擾抵消信號(hào)；

信號(hào)抵消模塊，用于利用得到的強(qiáng)干擾抵消信號(hào)對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)。

優(yōu)選地，所述第一盲源分離是指對(duì)所述源混合信號(hào)中對(duì)未知強(qiáng)干擾信號(hào)的分離處理；所述第二盲源分離是指對(duì)弱混合目標(biāo)信號(hào)中各弱目標(biāo)信號(hào)的分離處理。

優(yōu)選地，所述信號(hào)分離模塊包括：

第一信號(hào)分離單元，用于確定用于對(duì)所述源混合信號(hào)進(jìn)行分離的第一初始點(diǎn)，以及利用所確定的第一初始點(diǎn)對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征；

其中，所述參數(shù)特征包括頻率、功率、相位、幅度、采樣率、調(diào)頻速率以及傳輸比特率的特征。

優(yōu)選地，所述信號(hào)抵消模塊具體用于獲取所述強(qiáng)干擾抵消信號(hào)的參數(shù)特征，并根據(jù)所述未知強(qiáng)干擾信號(hào)的參數(shù)特征和所獲取的強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)；

其中，所述未知強(qiáng)干擾信號(hào)的參數(shù)特征與所述強(qiáng)干擾信號(hào)的參數(shù)特征中頻率、功率、幅度、采樣率、調(diào)頻速率以及傳輸比特率均相同，但相位相反。

優(yōu)選地，所述信號(hào)分離模塊包括：

第二信號(hào)分離單元，用于確定用于對(duì)所述弱混合目標(biāo)信號(hào)進(jìn)行分離的第二初始點(diǎn)，以及利用所確定的第二初始點(diǎn)對(duì)弱混合目標(biāo)信號(hào)中的多個(gè)弱目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)。

根據(jù)本發(fā)明實(shí)施例提供的方案，計(jì)算復(fù)雜度低，對(duì)強(qiáng)干擾的先驗(yàn)信息要求少，分離性能好的優(yōu)點(diǎn)。

附圖說明

圖1是本發(fā)明實(shí)施例提供的一種盲源信號(hào)分離的方法流程圖；

圖2是本發(fā)明實(shí)施例提供的一種盲源信號(hào)分離的裝置示意圖；

圖3是本發(fā)明實(shí)施例提供的盲源信號(hào)分離的結(jié)構(gòu)示意圖；

圖4是本發(fā)明實(shí)施例提供的盲源信號(hào)中未知強(qiáng)干擾信號(hào)抵消的結(jié)構(gòu)示意圖；

圖5是本發(fā)明實(shí)施例提供的盲源信號(hào)的信道參數(shù)估計(jì)誤差示意圖；

圖6是本發(fā)明實(shí)施例提供的盲源信號(hào)分離性能示意圖。

具體實(shí)施方式

以下結(jié)合附圖對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)說明，應(yīng)當(dāng)理解，以下所說明的優(yōu)選實(shí)施例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。

圖1是本發(fā)明實(shí)施例提供的一種盲源信號(hào)分離的方法流程圖，如圖1所示，包括：

步驟s101：通過對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征；

步驟s102：根據(jù)所得到未知強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述未知強(qiáng)干擾信號(hào)進(jìn)行重組處理，得到用于抵消所述源混合信號(hào)中未知強(qiáng)干擾信號(hào)的強(qiáng)干擾抵消信號(hào)；

步驟s103：利用得到的強(qiáng)干擾抵消信號(hào)對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)，并通過對(duì)所得到的弱混合目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)。

其中，所述第一盲源分離是指對(duì)所述源混合信號(hào)中對(duì)未知強(qiáng)干擾信號(hào)的分離處理；所述第二盲源分離是指對(duì)弱混合目標(biāo)信號(hào)中各弱目標(biāo)信號(hào)的分離處理。

其中，所述通過對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征包括：確定用于對(duì)所述源混合信號(hào)進(jìn)行分離的第一初始點(diǎn)；利用所確定的第一初始點(diǎn)對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征；其中，所述參數(shù)特征包括頻率、功率、相位、幅度、采樣率、調(diào)頻速率以及傳輸比特率的特征。

其中，所述利用得到的強(qiáng)干擾抵消信號(hào)對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)，包括：獲取所述強(qiáng)干擾抵消信號(hào)的參數(shù)特征；根據(jù)所述未知強(qiáng)干擾信號(hào)的參數(shù)特征和所獲取的強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)；其中，所述未知強(qiáng)干擾信號(hào)的參數(shù)特征與所述強(qiáng)干擾信號(hào)的參數(shù)特征中頻率、功率、幅度、采樣率、調(diào)頻速率以及傳輸比特率均相同，但相位相反。

其中，所述通過對(duì)所得到的弱混合目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)，包括：確定用于對(duì)所述弱混合目標(biāo)信號(hào)進(jìn)行分離的第二初始點(diǎn)；利用所確定的第二初始點(diǎn)對(duì)弱混合目標(biāo)信號(hào)中的多個(gè)弱目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)。

圖2是本發(fā)明實(shí)施例提供的一種盲源信號(hào)分離的裝置示意圖，如圖2所示，包括：信號(hào)分離模塊201，用于通過對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征，以及通過對(duì)所得到的弱混合目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)；信號(hào)重組模塊202，用于根據(jù)所得到未知強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述未知強(qiáng)干擾信號(hào)進(jìn)行重組處理，得到用于抵消所述源混合信號(hào)中未知強(qiáng)干擾信號(hào)的強(qiáng)干擾抵消信號(hào)；信號(hào)抵消模塊203，用于利用得到的強(qiáng)干擾抵消信號(hào)對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)。

其中，所述第一盲源分離是指對(duì)所述源混合信號(hào)中對(duì)未知強(qiáng)干擾信號(hào)的分離處理；所述第二盲源分離是指對(duì)弱混合目標(biāo)信號(hào)中各弱目標(biāo)信號(hào)的分離處理。

其中，所述信號(hào)分離模塊201包括：第一信號(hào)分離單元，用于確定用于對(duì)所述源混合信號(hào)進(jìn)行分離的第一初始點(diǎn)，以及利用所確定的第一初始點(diǎn)對(duì)源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行第一盲源分離操作，得到未知強(qiáng)干擾信號(hào)的參數(shù)特征；其中，所述參數(shù)特征包括頻率、功率、相位、幅度、采樣率、調(diào)頻速率以及傳輸比特率的特征。

其中，所述信號(hào)抵消模塊203具體用于獲取所述強(qiáng)干擾抵消信號(hào)的參數(shù)特征，并根據(jù)所述未知強(qiáng)干擾信號(hào)的參數(shù)特征和所獲取的強(qiáng)干擾信號(hào)的參數(shù)特征，對(duì)所述源混合信號(hào)中的未知強(qiáng)干擾信號(hào)進(jìn)行抵消操作，得到弱混合目標(biāo)信號(hào)；其中，所述未知強(qiáng)干擾信號(hào)的參數(shù)特征與所述強(qiáng)干擾信號(hào)的參數(shù)特征中頻率、功率、幅度、采樣率、調(diào)頻速率以及傳輸比特率均相同，但相位相反。

其中，所述信號(hào)分離模塊201包括：第二信號(hào)分離單元，用于確定用于對(duì)所述弱混合目標(biāo)信號(hào)進(jìn)行分離的第二初始點(diǎn)，以及利用所確定的第二初始點(diǎn)對(duì)弱混合目標(biāo)信號(hào)中的多個(gè)弱目標(biāo)信號(hào)進(jìn)行第二盲源分離操作，得到分離后的弱目標(biāo)信號(hào)。

本發(fā)明在被動(dòng)雷達(dá)系統(tǒng)中，接收到的源混合信號(hào)包括強(qiáng)干擾信號(hào)和弱目標(biāo)信號(hào)，強(qiáng)信號(hào)是未知的、干擾信號(hào)，而弱信號(hào)是目標(biāo)信號(hào)，這在隱蔽通信和實(shí)際工程應(yīng)用中經(jīng)常遇到。

本發(fā)明的信號(hào)模型是基于盲源信號(hào)分離的線性瞬時(shí)混合模型考慮，線性瞬時(shí)混合模型是盲源信號(hào)分離中最常見的混合方式，其它復(fù)雜的混合模型通過一定的變換都可以轉(zhuǎn)換成線性瞬時(shí)混合模型。

本發(fā)明包括三部分：

一、運(yùn)用優(yōu)化的fastica算法直接對(duì)包括未知強(qiáng)干擾信號(hào)在內(nèi)的混合信號(hào)進(jìn)行盲源信號(hào)分離，包括步驟如下：

步驟一：借助k-means優(yōu)化算法對(duì)初始數(shù)據(jù)進(jìn)行優(yōu)化，得到能使盲源信號(hào)分離性能優(yōu)良的初始點(diǎn)，使得盲源信號(hào)分離的效果穩(wěn)定。

本發(fā)明給出了初始點(diǎn)w0的選擇方法：

k-均值優(yōu)化算法是基于數(shù)據(jù)特征分類的一種重要的分類方法，是通過最小化每個(gè)數(shù)據(jù)與相關(guān)的數(shù)據(jù)中心的均方距離實(shí)現(xiàn)的。k-均值優(yōu)化算法的主要步驟是：

(1)提供分類數(shù)目k；

(2)計(jì)算每一個(gè)目標(biāo)數(shù)據(jù)與每一個(gè)類之間的均方距離，并把每一個(gè)目標(biāo)分到最近的類；

(3)最小化公式wcss(within-clustersumofsquares，集群內(nèi)平方和)的值，并且更新每一類的聚類中心；

(4)基于每一類新的目標(biāo)數(shù)據(jù)再計(jì)算均方距離；

(5)重復(fù)步驟(3)和步驟(4)，直到?jīng)]有目標(biāo)數(shù)據(jù)可以移動(dòng)。

式中，μi是si類的均值矢量，i＝1,2,···,k。

k-均值優(yōu)化算法輸出的是每一類的均值矢量μi(i＝1,2,···,k)。均值矢量μi(i＝1,2,···,k)既是每一類的聚類中心，又代表著這一類的普通特征。因此，從均值矢量μi(i＝1,2,···,k)中選擇fastica算法(優(yōu)化后的fastica算法)的初始矢量w0具有計(jì)算復(fù)雜度低，分離性能好的優(yōu)點(diǎn)。

步驟二：根據(jù)步驟一得到的初始點(diǎn)做fastica算法進(jìn)行盲源信號(hào)分離。

利用優(yōu)化后的fastica算法對(duì)包含未知強(qiáng)干擾信號(hào)在內(nèi)的混合信號(hào)進(jìn)行盲源信號(hào)分離，從而得到強(qiáng)干擾混合信號(hào)，接下來把得到的強(qiáng)干擾信號(hào)作為已知信號(hào)利用干擾消除法進(jìn)行抵消強(qiáng)干擾。

二、根據(jù)第一部分分離得到的強(qiáng)干擾信號(hào)的信息作為未知強(qiáng)干擾的先驗(yàn)信息，重組干擾信號(hào)，再利用干擾抵消法把源混合信號(hào)中未知強(qiáng)干擾信號(hào)消除。

該方法計(jì)算復(fù)雜度低，分離性能好，且對(duì)強(qiáng)干擾的先驗(yàn)信息要求不高，該方法包括如下步驟：

步驟一：干擾信號(hào)重組技術(shù)

在被動(dòng)雷達(dá)系統(tǒng)中，參考圖3，源混合信號(hào)是由強(qiáng)未知干擾信號(hào)和弱混合目標(biāo)信號(hào)組成。由于強(qiáng)未知干擾信號(hào)相對(duì)于弱目標(biāo)混合信號(hào)來說功率太強(qiáng)，且未知，所以必須根據(jù)利用優(yōu)化后的fastica算法重組未知強(qiáng)干擾信號(hào)。

步驟二：干擾信號(hào)抵消技術(shù)

根據(jù)步驟一重組的干擾信號(hào)，在強(qiáng)干擾信號(hào)和弱目標(biāo)混合信號(hào)的混合信號(hào)中利用干擾抵消技術(shù)把強(qiáng)干擾信號(hào)抵消，從而得到弱目標(biāo)混合信號(hào)。

在圖3中，s1+s2+s3+s4+n是源混合信號(hào)，s1，s2，s3是弱目標(biāo)信號(hào)，s4是未知強(qiáng)干擾信號(hào)，是利用優(yōu)化后的fastica算法重組的強(qiáng)干擾信號(hào)。接下來根據(jù)圖4利用干擾消除法再次從源混合信號(hào)中把強(qiáng)干擾信號(hào)消除。

在圖4中，信號(hào)as1+bs2+cs3+ds4+n是源混合信號(hào)s1+s2+s3+s4經(jīng)過高斯信道生成的信號(hào)，這里n＝[n1,n2,n3,n4]是背景噪聲，并且a＝[a1,a2,a3,a4]，b＝[b1,b2,b3,b4]，c＝[c1,c2,c3,c4]，d＝[d1,d2,d3,d4]，假定有四個(gè)接收天線，能接收到四組傳播信號(hào)l1，l2，l3，l4，則有：

圖4中的ds'4+n'是通過步驟一得到的強(qiáng)干擾信號(hào)的估計(jì)信號(hào)，這時(shí)強(qiáng)干擾信號(hào)可以看成已知信號(hào)。由于|d|||s'4||＞＞||n'||，所以得到：

然后可以利用下面的方法消除強(qiáng)干擾：

因此，可以得到有用的弱混合信號(hào)，記為：y1,y2,y3，則有：

利用干擾抵消算法把強(qiáng)干擾信號(hào)有效的消除，在圖5中給出了在不同干噪比條件下的強(qiáng)干擾信號(hào)信道參數(shù)估計(jì)誤差的結(jié)果。在圖5中，橫軸是干噪比sq/n0(強(qiáng)干擾與背景噪聲的比值)，縱軸是強(qiáng)干擾信號(hào)信道參數(shù)估計(jì)誤差，其計(jì)算公式可以由兩部分組成：

(1)矢量標(biāo)準(zhǔn)化

假設(shè)矢量是a＝(a1,a2,a3)，其標(biāo)準(zhǔn)化矢量為：

(2)計(jì)算強(qiáng)干擾信號(hào)信道參數(shù)估計(jì)誤差error

強(qiáng)干擾信號(hào)信道參數(shù)估計(jì)誤差計(jì)算公式為：

式中，矢量是矢量a＝(a1,a2,a3)的估計(jì)值。

從圖5中可以看出error的值是隨著干噪比sq/n0的增加而變低的。

三、對(duì)消除未知強(qiáng)干擾信號(hào)后的弱混合信號(hào)用步驟一中優(yōu)化的fastica算法再一次對(duì)弱目標(biāo)混合信號(hào)進(jìn)行盲源信號(hào)分離，得到分離后的弱目標(biāo)信號(hào)，分離性能在圖6中展示出來。在圖6中，橫軸是干信比sq/s，縱軸是皮爾遜相關(guān)系數(shù)，皮爾遜相關(guān)系數(shù)的計(jì)算公式為：

從圖6中可以看出給出的方法比傳統(tǒng)的fastica算法分離性能好，并且對(duì)強(qiáng)干擾信號(hào)的先驗(yàn)信息要求不高。

根據(jù)本發(fā)明實(shí)施例提供的方案，計(jì)算復(fù)雜度低，對(duì)強(qiáng)干擾的先驗(yàn)信息要求少，分離性能好的優(yōu)點(diǎn)。

盡管上文對(duì)本發(fā)明進(jìn)行了詳細(xì)說明，但是本發(fā)明不限于此，本技術(shù)領(lǐng)域技術(shù)人員可以根據(jù)本發(fā)明的原理進(jìn)行各種修改。因此，凡按照本發(fā)明原理所作的修改，都應(yīng)當(dāng)理解為落入本發(fā)明的保護(hù)范圍。