基于单通道非线性盲源分离的多源目标识别方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115859067A(43)申请公布日2023.03.28(21)申请号202211687265.4(22)申请日2022.12.27(71)申请人西安邮电大学地址710061陕西省西安市长安南路563号(72)发明人杨光刘星聂敏吴朝阳(74)专利代理机构西安亚信智佳知识产权代理事务所(普通合伙)61241专利代理师段国刚(51)Int.Cl.G06F18/21(2023.01)G06F18/10(2023.01)G06F18/23(2023.01)G06F18/22(2023.01)G06N3/045(2023.01)G06N3/084(2023.01)权利要求书3页说明书9页附图4页(54)发明名称基于单通道非线性盲源分离的多源目标识别方法(57)摘要本公开是关于一种基于单通道非线性盲源分离的多源目标识别方法。包括以下步骤：利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型；将多干扰源信息转换成多源非线性混叠信号；对多源非线性混叠信号进行盲源分离处理，得到分离信号；将分离信号进行信号识别处理，得到多源目标识别结果；其中，盲源分离包括自组织特征映射网络和径向基函数网络。本公开提出的基于单通道非线性盲源分离的多源目标识别方法能够有效解决模式混叠问题和端点效应问题，从而提高了分离信号和多干扰源信息之间的相似度。CN115859067ACN115859067A权利要求书1/3页1.一种基于单通道非线性盲源分离的多源目标识别方法，其特征在于，包括以下步骤：利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型；将所述多干扰源信息转换成多源非线性混叠信号；对所述多源非线性混叠信号进行盲源分离处理，得到分离信号；将所述分离信号进行信号识别处理，得到多源目标识别结果；其中，所述盲源分离处理包括自组织特征映射网络和径向基函数网络。2.根据权利要求1所述单通道非线性盲源分离的多源目标识别方法，其特征在于，在所述利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型的步骤中，所述多干扰源信息包括单音干扰、多音干扰、扫频干扰、调频干扰、脉冲干扰、BPSK宽带干扰、BPSK窄带干扰和欺骗干扰。3.根据权利要求1所述单通道非线性盲源分离的多源目标识别方法，其特征在于，将所述多干扰源信息转换成多源非线性混叠信号的步骤包括：将所述多干扰源信息中的每个干扰源信息分别进行线性混叠处理，分别得到多个线性混叠干扰源信息；对多个所述线性混叠干扰源信息分别进行非线性混叠处理，得到所述多源非线性混叠信号。4.根据权利要求1所述单通道非线性盲源分离的多源目标识别方法，其特征在于，对所述多源非线性混叠信号进行盲源分离处理，得到分离信号的步骤包括：对所述多源非线性混叠信号进行降噪预处理；得到多源降噪非线性混叠信号；将所述多源降噪非线性混叠信号进行经验模态分解，得到多个IMF分量信号；利用所述自组织特征映射网络对多个所述IMF分量信号进行聚类处理，将所述聚类处理的结果输入至所述径向基函数网络中，得到所述径向基函数网络输出的所述分离信号。5.根据权利要求4所述单通道非线性盲源分离的多源目标识别方法，其特征在于，对所述多源非线性混叠信号进行降噪预处理的步骤包括：对所述多源非线性混叠信号进行零均值化处理；并将所述零均值化处理后的所述多源非线性混叠信号进行白化处理；得到所述多源降噪非线性混叠信号；所述零均值化处理的公式包括：所述白化处理的公式包括：其中，表示白化处理后的多源降噪非线性混叠信号；Xi0(t)表示零均值处理后的多‑1/2T源降噪非线性混叠信号；Q表示白化矩阵，Q＝ΛU；Xi(t)表示混合信号；Λ＝diag(d1,d2,...,dm)，表示由m个特征值组成的对角矩阵；U表示与m个特征值对应的特征矢量组成的特征矩阵；T表示向量转置；t表示某一时刻。6.根据权利要求5所述单通道非线性盲源分离的多源目标识别方法，其特征在于，将所述多源降噪非线性混叠信号进行经验模态分解，得到多个IMF分量信号的步骤包括：确定所述多源降噪非线性混叠信号中所有局部极值点；所述局部极值点包括多个局部2CN115859067A权利要求书2/3页极大值和多个局部极小值；分别将所有所述局部极大值连接，形成上包络线xmax(t)；分别将所有所述局部极小值连接，形成下包络线xmin(t)；并由此得到平均包络线mi(t)；所述平均包络线mi(t)的公式包括：mi(t)＝(xmax(t)+xmin(t))/2(3)其中，i＝1,2,3,...,N；计算所述多源降噪非线性混叠信号与所述平均包络线mi(t)的差值，计算所述差值hi(t)的公式包括：其中，i＝1,2,3,...,N；用所述差值hi(t)