预览加载中,请您耐心等待几秒...
1/8
2/8
3/8
4/8
5/8
6/8
7/8
8/8

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN106898361A(43)申请公布日2017.06.27(21)申请号201710156644.3(22)申请日2017.03.16(71)申请人杭州电子科技大学地址310018浙江省杭州市下沙高教园区2号大街(72)发明人强芳芳赵知劲黄艳波杨安锋尹辉张笑菲毛翊君(74)专利代理机构杭州君度专利代理事务所(特殊普通合伙)33240代理人杜军(51)Int.Cl.G10L21/0308(2013.01)G10L21/0208(2013.01)权利要求书2页说明书4页附图1页(54)发明名称基于反馈变分模式分解的单通道盲源分离方法(57)摘要本发明公开了一种基于反馈变分模式分解的单通道盲源分离方法。本发明首先假定模态数目为两个并初始化源信号个数,利用变分模式分解方法对观测信号进行分解,得到相应的模式分量;其次,计算两个模式分量与观测信号的相似系数,并选取较大相似系数对应的模式分量;将选出的模式分量反馈到变分模式分解输入端,即观测信号减去该模式分量,更新待分解信号;重复以上的反馈和分解步骤,直到当前分解得到的两个模式分量与观测信号的相似系数的最大值小于前一次分解得到的相似系数的最小值。本发明针对模态数目不确定的情况,将反馈机制引入变分模式分解算法中,自动确定源信号数目并很好得实现了单通道混合信号的盲分离。CN106898361ACN106898361A权利要求书1/2页1.基于反馈变分模式分解的单通道盲源分离方法,其特征在于该方法包括以下步骤:步骤1、假定复合信号始终盲分离为两个分量,即令模态数目K=2,初始化源信号数目Kn=2,即令信号xKn(t)=x2(t)=x(t),x(t)为观测信号;0步骤2、初始化和λ,对信号xKn(t)作VMD处理,即根据和λ的更新公式迭代,并判断是否满足收敛条件,若满足则停止迭代,得到两个模式分量,记为uKn1(t)和uKn2(t),否则继续迭代直到满足收敛条件为止;步骤3、分别计算两个模式分量uKn1(t)和uKn2(t)与观测信号x(t)的相似系数δKn1和δKn2,并选取较大的相似系数对应的模式分量,记为ui(t),其中i的取值为1或2;步骤4、将步骤3选取的模式分量反馈到VMD的输入端,令信号xKn(t)减去该模式分量,完成xKn(t)的更新,即xKn(t)=xKn-1(t)-ui(t),此xKn(t)即为新的VMD输入;步骤5、判断max{δKn1,δKn2}<min{δ(Kn-1)1,δ(Kn-1)2}是否成立,若成立则算法结束,否则重复步骤2到步骤4继续执行。2.根据权利要求1所述的基于反馈变分模式分解的单通道盲源分离方法,其特征在于步骤2具体包括如下内容:2-1.初始化K个模态各模态对应中心频率拉格朗日乘子λ0和迭代次数l为02-2.计算更新模态其中i表示第i个模态,1≤i≤K,1≤k≤K,α表示数据保真平衡参数;2-3.计算中心频率更新参数其中1≤k≤K;2-4.计算拉格朗日乘子其中τ表示双上升时间步长;2-5.判断是否满足收敛条件,如果满足则停止迭代,得到两个模式分量,记为uKn1(t)和uKn2(t),否则返回执行步骤2-2至2-4,其中ε表示判别约束条件且ε>0。3.根据权利要求1所述的基于反馈变分模式分解的单通道盲源分离方法,其特征在于在步骤3具体如下:2CN106898361A权利要求书2/2页首先确定相似系数表达式:δ的值越大,说明所对应的模式分量与观测信号越相似,成功分离出源信号的可能性越大;比较相似系数δKn1和δKn2的大小,选取较大的相似系数所对应的模式分量,记为ui(t),其中i的取值为1或2。4.根据权利要求1所述的基于反馈变分模式分解的单通道盲源分离算法,其特征在于步骤4和步骤5具体如下:从步骤3中可确定出一个可能的源信号,故可先将其从xKn(t)中剔除,即xKn(t)=xKn-1(t)-ui(t)(7)由此反馈完成xKn(t)的更新,将xKn(t)作为新的VMD算法输入样本,进行后续步骤;判断max{δKn1,δKn2}<min{δ(Kn-1)1,δ(Kn-1)2}是否成立,若是则算法结束,否则重复步骤2到步骤4继续执行。3CN106898361A说明书1/4页基于反馈变分模式分解的单通道盲源分离方法技术领域[0001]本发明属于盲信号处理领域,具体涉及一种基于反馈变分模式分解的单通道盲源分离方法。背景技术[0002]盲源分离(BlindSourcesSeparation,BSS)通常是指从混合若干单独信号的复合信号中恢复出这些单独的源信号,是信号处理中的一个典型问题。熟悉的鸡尾酒会效应就是一个例子,聚会的参加者能从房间中所有人的混合声音中分离出一个单独的声音。这种分离通常是对