微弱信号盲提取方法.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CN111160317A(43)申请公布日2020.05.15(21)申请号202010010208.7(22)申请日2020.01.06(71)申请人西南电子技术研究所(中国电子科技集团公司第十研究所)地址610036四川省成都市金牛区茶店子东街48号(72)发明人卢广阔(74)专利代理机构成飞(集团)公司专利中心51121代理人郭纯武(51)Int.Cl.G06K9/00(2006.01)权利要求书2页说明书5页附图1页(54)发明名称微弱信号盲提取方法(57)摘要本发明公开的一种微弱信号盲提取方法，旨在提供一种鲁棒性和抗干扰性更加优越的盲提取方法，本发明通过下述技术方案实现：在基于信源独立的前提下，建立单通道瞬时线性混合模型；将单通道混合信号构造为窗长L为2的矩阵C，再依据奇异谱分析理论，对其矩阵C进行奇异值分解，并通过反汉克尔变换，得到奇异值对应时间序列；不断进行MRSSA变换，将单通道瞬时线性混合模型转换成多通道的共信道瞬时线性混合模型，得到重构矩阵X；重构后，构建MRSSA-ICA滤波器，把单通道混合数据分解成多个ICs，将感兴趣信号分量被从单通道时频部分重叠多信号中提取出来，实现基于MRSSA-ICA的共信道盲提取微弱信号。CN111160317ACN111160317A权利要求书1/2页1.一种微弱信号盲提取方法，具有如下技术特征：在基于信源独立的前提下，建立单通道瞬时线性混合模型x(t)；然后将单通道混合信号x(t)构造为窗长L为2的矩阵C，再依据奇异谱分析理论(SSA)，对其矩阵C进行奇异值分解，并通过反汉克尔Hankel变换，得到奇异值对应时间序列xj2(t)；不断进行MRSSA变换，将单通道瞬时线性混合模型转换成多通道的共信道瞬时线性混合模型，得到重构矩阵X；重构后，使用独立分量分析ICA算法把单通道混合数据x(t)分离成多个尽可能相互独立的ICs作为源信号S的估计；最后，利用MRSSA算法的多尺度分辨特性和ICA算法盲特性建立基于MRSSA-ICA自适应的微弱信号提取滤波器，将感兴趣信号分量被从单通道时频部分重叠多信号中提取出来。2.如权利要求1所述的微弱信号盲提取方法，其特征在于：共信道瞬时线性混合模型建模成x(t)＝a1s1(t)+…aksk(t)+aKsK(t)+η(t)，其中，ak为第k个通信信号的混合系数，sk(t)为待处理的独立通信信号，k＝1，…K，t表示时间，η(t)为协方差未知的零均值加性高斯白噪声。3.如权利要求1所述的微弱信号盲提取方法，其特征在于：依照奇异谱分析理论，将单通道时间序列混合数据x(t)构造为窗长L为2的时延矩阵C：其中，x1、x2…xn分别表示离散时间序列x(t)的第一、第二以及第n个点的值。4.如权利要求3所述的微弱信号盲提取方法，其特征在于：根据奇异值分解理论,时延矩阵C可展开为其中，U为左奇异正交矩阵，V为右奇异正交矩阵，T表示转置,i表示奇异值的个数，σi为奇异值，ui为σi的左奇异向量，vi为σi的右奇异向量，Xi为分解后的奇异值σi对应的时延特征矩阵。5.如权利要求1所述的微弱信号盲提取方法，其特征在于：通过反Hankel变换，把时延特征矩阵Xi重构成时间序列xi，xi(k)表示时间序列xi的每个元素，且等于并且有滤波器将时间序列xi(t)从混合时间序列x(t)中过滤出来，SSA变换是一种线性变换，且基于SSA变换构造的滤波器是相互正交，其中，时延特征矩阵Xi的行列数(m,n)满足m＝1,2,...k，m+n＝k+1，k表示时间序列xi的第k个元素,L表示窗长，N表示时间序列xi的个数。6.如权利要求5所述的微弱信号盲提取方法，其特征在于：时延特征矩阵Xi重构后得到2CN111160317A权利要求书2/2页单通道混合数据x(t)＝x1(t)+x2(t)的时间序列，其中x1(t)为较大奇异值对应时间序列，反映的是单通道混合数据中的主要部分；x2(t)为较小奇异值对应时间序列，反映的是次要或者微弱部分。7.如权利要求6所述的微弱信号盲提取方法，其特征在于：取窗长L为2，对较小奇异值对应时间序列x2(t)进行SSA变换，得到x2(t)＝x21(t)+x22(t)，继续对较小奇异值对应时间序列进行SSA处理，得到混合时间序列x(t)的最终MRSSA展开：其中，t为时间，j表示连续进行SSA变换的次数。8.如权利要求7所述的微弱信号盲提取方法，其特征在于：提取混合时间序列x(t)最终MRSSA展开后生成的子时间序列xj2(t)，建立伪多通道阵列模型X＝{x2(t)，x22(t)，...xj2(t)}。9.如权利要求1所述的微弱信号盲提取方法，其特征在于：基于最小互信息量的ICA算法的迭代