一种盲信号分离方法及装置.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CN112217749A(43)申请公布日2021.01.12(21)申请号202011039886.2(22)申请日2020.09.28(71)申请人武汉工程大学地址430000湖北省武汉市东湖新技术开发区光谷一路206号(72)发明人王咏平(74)专利代理机构北京轻创知识产权代理有限公司11212代理人尉保芳(51)Int.Cl.H04L25/02(2006.01)H04L25/03(2006.01)权利要求书3页说明书8页附图1页(54)发明名称一种盲信号分离方法及装置(57)摘要本发明提供一种盲信号分离方法及装置，方法包括：从n个预设传感器中分别获得n个混合信号，并分别对n个混合信号的超球面映射集合处理得到映射至超球面上数据点的集合；对集合进行超球面上数据点的估计处理得到最佳不相似阈值和最佳聚类数量；根据最佳聚类数量对集合和最佳不相似阈值的划分处理得到多个聚类。本发明剔除了各聚集方向在球心位置的混杂数据，从而去除了聚集方向信息不明显的多数数据，提高了分析效率，并通过球面投影改善聚类的聚集性，保证了盲信号分离的有效进行，算法简单高效，可以准确方便的分析聚类数量和聚类中心，提高了分析效率，易于实施且灵活性较高。CN112217749ACN112217749A权利要求书1/3页1.一种盲信号分离方法，其特征在于，包括如下步骤：从n个预设传感器中分别获得n个混合信号，并分别对所述n个混合信号进行超球面映射集合处理，得到映射至超球面上数据点的集合；对所述集合进行超球面上数据点的估计处理，得到最佳不相似阈值和最佳聚类数量；根据所述最佳聚类数量对所述集合和所述最佳不相似阈值进行划分处理，得到多个聚类；分别对多个所述聚类进行均值点判断，得到多个列矢量；对多个所述列矢量进行混合矩阵的计算，得到混合矩阵；对所述混合矩阵进行矩阵的判断，得到原始信号矢量估计值。2.根据权利要求1所述的盲信号分离方法，其特征在于，所述分别对所述n个混合信号进行超球面映射集合处理，得到映射至超球面上数据点的集合的过程包括：利用短时傅里叶变换算法分别对n个所述混合信号进行转换处理，得到n个时频域信号；将所述n个时频域信号映射在n维空间中，得到多个数据点；对多个所述数据点进行标准差计算，得到数据点标准差；通过所述数据点标准差对多个所述数据点进行集合处理，得到映射至超球面上数据点的集合。3.根据权利要求2所述的盲信号分离方法，其特征在于，所述通过所述数据点标准差对多个所述数据点进行集合处理，得到映射至超球面上数据点的集合的过程包括：通过第一式以及所述数据点标准差对多个所述数据点进行集合处理，得到映射至超球面上数据点的集合，所述第一式为:-1C＝{||x||x|||x||>m×L0},其中，L0为数据点标准差，C为映射至超球面上数据点的集合，x为数据点，m为倍数。4.根据权利要求3所述的盲信号分离方法，其特征在于，所述对所述集合进行超球面上数据点的估计处理，得到最佳不相似阈值和最佳聚类数量的过程包括：对所述集合进行不相似阈值的计算，得到多个不相似阈值；通过BSAS顺序聚类算法分别对多个所述不相似阈值进行聚类数量的估计，得到多个聚类数量；对多个所述聚类数量的重复次数进行统计，并将重复次数最多的所述聚类数量作为最佳聚类数量；计算所述最佳聚类数量对应的多个所述不相似阈值的几何平均值，得到最佳不相似阈值。5.根据权利要求4所述的盲信号分离方法，其特征在于，所述对所述集合进行不相似阈值的计算，得到多个不相似阈值的过程包括：通过第二式对所述集合进行不相似阈值的计算，得到多个不相似阈值，所述第二式为：Θi＝exp(-i/4)×d，其中，i＝1,…,H，d为所述集合中任意两个数据点间距离的最大值，Θi为不相似阈值。6.根据权利要求5所述的盲信号分离方法，其特征在于，所述根据所述最佳聚类数量对所述集合和所述最佳不相似阈值进行划分处理，得到多个聚类的过程包括：2CN112217749A权利要求书2/3页利用MBSAS聚类算法根据所述最佳聚类数量对所述集合和所述最佳不相似阈值进行划分处理，得到多个聚类。7.根据权利要求6所述的盲信号分离方法，其特征在于，所述分别对多个所述聚类进行均值点判断，得到多个列矢量的过程包括：S1：将多个所述聚类中只含有1个所述数据点的所述聚类进行删除，得到多个筛选后聚类；S2：分别计算多个所述筛选后聚类的算术平均值，得到多个均值点；S3：判断每两个所述均值点是否满足第三式，若不满足，则将两个所述均值点均作为列矢量；若满足，则执行S4；所述第三式为：||mcl+mcj||<D，其中，mcl为第一个均值点，mcj为第二个均值点，D为预设阈值；S4：将两个所述均值点对应的所述筛选后聚类进行数据点数量