一种联合平稳相关源信号的盲源分离方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116010786A(43)申请公布日2023.04.25(21)申请号202211601835.3(22)申请日2022.12.13(71)申请人北京计算机技术及应用研究所地址100854北京市海淀区永定路51号(72)发明人刘宗宝张力刘更程智鹏(74)专利代理机构中国兵器工业集团公司专利中心11011专利代理师刘瑞东(51)Int.Cl.G06F18/15(2023.01)权利要求书3页说明书5页附图1页(54)发明名称一种联合平稳相关源信号的盲源分离方法(57)摘要本发明涉及一种联合平稳相关源信号的盲源分离方法，属于信号处理领域。本发明首先基于盲源分离的线性模型，提出了对模型的基本假设；然后将观测信号分解为常规部分和可预测部分，研究了从可预测部分中提取有用信息的方法；基于这种方法进行了混合矩阵的估计，并实现了相关源信号的分离。本发明将观测信号分解为常规部分和可预测部分，从可预测部分中提取有用信息，解决了传统盲源分离方法基于源信号独立或者不相关的假设，无法进行相关源信号分离的问题。CN116010786ACN116010786A权利要求书1/3页1.一种联合平稳相关源信号的盲源分离方法，其特征在于，该方法包括如下步骤：S1、计算观测信号的相关函数：S2、计算谱密度函数：S3、从谱密度函数中提取对应可预测部分的谱成分：S4、去除谱密度函数中对应共用频率成分的项：S5、计算期望的相关函数：S6、构造相关矩阵：S7、应用S0BI方法；S8、得到混合矩阵A和源信号s(t)。2.如权利要求1所述的联合平稳相关源信号的盲源分离方法，其特征在于，假设d个信号s1(t)，…，sd(t)是来源于不同位置的d个信号源，x(t)＝a1s1(t)+…+adsd(t)+n(t)因此x(t)＝y(t)+n(t)＝A·s(t)+n(t)其中是从m个传感器获得的观测信号，是由d个未知源信号组成的源信号，是加性噪声信号，是混合矩阵；假设：s(t)中的每一个成分都是零均值的平稳随机过程；n(t)是零均值的平稳随机过程，与源信号相互独立；混合矩阵A满秩；源信号是联合平稳的，但不要求源信号必须是相互独立或者不相关的。3.如权利要求2所述的联合平稳相关源信号的盲源分离方法，其特征在于，观测信号表示为以下模型形式：其中是混合矩阵；因此，xi(t)＝αis1(t)+βis2(t)+ni(t)，i＝1，2，…源信号的常规和预测部分可分别表示为sir(t)和sip(t)，i＝1，2：si(t)＝sip(t)+sir(t)其中2CN116010786A权利要求书2/3页其中{aK}和{bL}是正交随机变量，{ω1K}，{ω2L}是频率集；由于任何信号的常规和预测部分都是正交的，可得xi(t)＝xip(t)+xir(t)+ni(t)，i＝1，2，…其中xip(t)＝αis1p(t)+βis2p(t)，i＝1，2，…xir(t)＝αis1r(t)+βis2r(t)，i＝1，2，…因此，其中[diq}是正交随机变量，{ωq}＝[ω1K}∪[ω2L}。4.如权利要求3所述的联合平稳相关源信号的盲源分离方法，其特征在于，所述步骤S1中，观测信号的相关函数为其中N0是噪声的方差，和分别是常规部分和可预测部分的相关函数。5.如权利要求4所述的联合平稳相关源信号的盲源分离方法，其特征在于，所述步骤S2中，观测信号的率谱密度函数为：其中，6.如权利要求5所述的联合平稳相关源信号的盲源分离方法，其特征在于，所述步骤S3中，{Ωn}表示频率集，观测信号的可预测部分可写为：因此，因此3CN116010786A权利要求书3/3页7.如权利要求6所述的联合平稳相关源信号的盲源分离方法，其特征在于，所述步骤S4中，去除谱密度函数中共用频率成分对应的项，即函数的第二部分，得到8.如权利要求7所述的联合平稳相关源信号的盲源分离方法，其特征在于，所述步骤S5中，期望的相关函数为其中，F‑1{·}表示傅里叶反变换。9.如权利要求8所述的联合平稳相关源信号的盲源分离方法，其特征在于，所述步骤S6中，因和不相关，可得到以下的矩阵形式其中H表示复数共轭转置，10.如权利要求9所述的联合平稳相关源信号的盲源分离方法，其特征在于，所述步骤S7、S8具体包括：应用二阶盲辨识SOBI算法计算正交矩阵T和单位矩阵U；正交矩阵T为其中用μ1和μ2为的特征值，v1和v2为特征值对应的特征向量；当τ≠0时应用正交矩阵T，相关矩阵写为因此，由单位矩阵U得到混合矩阵A＝T‑1·U因此源信号为s(t)＝A‑1·x(t)。4CN116010786A说明书1/5页一种联合平稳相关源信号的盲源分离方法技术领域[0001]本发明属于信号处理领域，具体涉及一种联合平稳相关源信号的盲源分