盲信号分离方法及系统、电子设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113191233A(43)申请公布日2021.07.30(21)申请号202110431484.5(22)申请日2021.04.21(71)申请人东莞理工学院城市学院地址523000广东省东莞市寮步镇文昌路1号(72)发明人崔志涛张利敏蹇柯王宽福方勇牛熠廉玉忠(74)专利代理机构广州粤高专利商标代理有限公司44102代理人罗晓林唐琴(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书7页附图2页(54)发明名称盲信号分离方法及系统、电子设备及存储介质(57)摘要本发明公开了一种盲信号分离方法及系统、电子设备及存储介质，其包括如下步骤：采集混合信号；对混合信号进行白化预处理；建立盲信号分离模型；获取分离矩阵；获取恢复的源信号。本发明通过建立盲信号分离模型，实现了对混合信号中源信号的分离操作，大大提高了源信号的分离精度及分离速度。CN113191233ACN113191233A权利要求书1/2页1.一种盲信号分离方法，其特征在于，包括如下步骤：步骤S110、采集混合信号；步骤S120、对混合信号进行白化预处理；步骤S130、建立盲信号分离模型x(t)＝AS(t),t＝1,2,…,N，xp(t)＝ap1s1(t)+ap2s2(t)+…+apnsn(t)，p＝1，2，…，m，Tx(t)＝[x1(t)，x2(t)，…,xn(t)]，Ts(t)＝[s1(t)，s2(t)，…，sn(t)]；其中，x(t)为混合信号，s(t)为源信号，xp(t)为x(t)中的第p个混合信号，m＝n，A为混合矩阵，a为混合矩阵A中的元素，N为混合信号的采样总点数；步骤S140、获取分离矩阵W；步骤S150、获取恢复的源信号y(t)＝Wx(t)。2.根据权利要求1所述的盲信号分离方法，其特征在于，所述步骤S140、获取分离矩阵W的方法，具体包括如下步骤：步骤S141、定义随机向量y，获取随机向量y的互信息TT其中，y＝(y1，y2，…，yn)；p(y)是随机向量y＝(y1，y2，…，yn)的联合概率密度，p(yi)是边缘概率密度；步骤S142、基于公式y＝Wx，随机向量y的互信息I(y)满足其中，H(x)为信息熵，x为混合信号向量；T步骤S143、基于非线性函数ri＝gi(yi)输出r＝(r1，r2，…，rn)的总熵量H(r,W)满足公式其中，gi(yi)为源信号si(t)的累积分布函数，si(t)为s(t)的第i个分量，i为下标，i＝1,2,…,n。步骤S144、通过梯度算法获取H(r,W)取得最值时的分离矩阵W。3.根据权利要求2所述的盲信号分离方法，其特征在于，所述步骤S144、通过梯度算法获取H(r,W)取得最值的分离矩阵W的具体操作为：①、H(r,W)关于分离矩阵W求导获得2CN113191233A权利要求书2/2页其中，gi(yi)为源信号si(t)的累积分布函数，si(t)为s(t)的第i个分量，i为下标，i＝1,2,…,n；②、获取H(r,W)的自然梯度I为单位矩阵，此时调节公式WT(k+1)＝W(k)+uk[I‑ψ(y(k)y(k))]W(k)，其中，μk为第k步迭代步长；③、基于Extend‑Infomax算法及迭代公式获取H(r,W)取得最值时的分离矩阵W。4.根据权利要求3所述的盲信号分离方法，其特征在于：所述μk为固定迭代步长。5.根据权利要求3所述的盲信号分离方法，其特征在于：所述μk＝0.003。6.根据权利要求3所述的盲信号分离方法，其特征在于：所述λ取值满足λ＞2。7.根据权利要求3所述的盲信号分离方法，其特征在于：所述梯度算法为自然梯度算法。8.一种盲信号分离系统，其特征在于，包括：采集模块，用于采集混合信号；白化预处理模块，用于对混合信号进行白化预处理；建模模块，用于建立盲信号分离模型；分离模块，用于获取分离矩阵；恢复模块，用于获取恢复的源信号。9.一种电子设备，其特征在于，所述电子设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1‑7中任一项所述的盲信号分离方法。10.一种存储介质，其特征在于：所述存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被执行时实现如权利要求1‑7中任一项所述的盲信号分离方法。3CN113191233A说明书1/7页盲信号分离方法及系统、电子设备及存储介质技术领域[0001]本发明涉及信号处理技术领域，尤其是涉及一种盲信号分离方法及系统、电子设备及存储介质。背景技术[0002]在信号处理领域中，很多收集得到的图像或声源信号数据可以看成是不可见、独立源信号的混合，盲源分离(Blindsource