一种改进的基于小波分析的欠定盲源分离源数估计方法.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CN106371070A(43)申请公布日2017.02.01(21)申请号201610762923.X(22)申请日2016.08.30(71)申请人电子信息系统复杂电磁环境效应国家重点实验室地址471003河南省洛阳市涧西区085信箱(72)发明人王川川曾勇虎赵明洋王华兵于涛蒙洁李林许佳奇胡明明(74)专利代理机构洛阳市凯旋专利事务所41112代理人陆君(51)Int.Cl.G01S7/02(2006.01)权利要求书1页说明书10页附图1页(54)发明名称一种改进的基于小波分析的欠定盲源分离源数估计方法(57)摘要本发明属于阵列信号处理技术领域，公开了一种改进的基于小波分析的欠定盲源分离源数估计方法，对观测信号应用小波变换进行分解；对分解得到的小波系数进行单层重构；重构观测信号矩阵，构造该矩阵的协方差矩阵；求解矩阵的特征值；计算源数目；本发明能够将白化后的观测信号和其部分小波分解系数重构的信号组合成为新的多维观测信号，能够在混合信号信噪比变化范围较大的情况下准确地估计得到源信号个数，原理简单，可操作性较强。CN106371070ACN106371070A权利要求书1/1页1.一种改进的基于小波分析的欠定盲源分离源数估计方法，其特征是：对观测信号应用小波变换进行分解；对分解得到的小波系数进行单层重构；重构观测信号矩阵，构造该矩阵的协方差矩阵；求解矩阵的特征值；计算源数目，其具体实现步骤如下：T1)n部辐射源发射信号表示为s(t)＝[s1(t),s2(t),L,sn(t)]，T0为信号采样点数，m个T接收阵列接收的混合信号表示为x(t)＝[x1(t),x2(t),L,xm(t)]；欠定盲源分离模型表示为：x(t)＝As(t)+n(t),t＝1,2,L,T0，n(t)＝[n1(t),n2(t),L,nm(t)]T表示接收信号中叠加的m个加性噪声；2)对原始观测数据x(t)进行去均值和白化处理；T3)对处理后的观测数据[x1(t),x2(t),L,xm(t)]进行小波分解，第k路观测信号xk(t)分解得到的多路小波系数为akj，dkj，j＝1,2Li，k＝1,2Lm，akj为低频小波系数，dkj为高频小波系数；4)对每一路原始观测信号的小波分解系数进行重构。对于第k路原始观测信号的低频小波系数akj重构为xk0(t)，j＝1,2Li，最高层高频小波系数dki重构为xki(t)，k＝1,2Lm；5)将观测信号和部分小波重构信号组合成为新的观测信号，xw(t)＝[xk(t),xk0(t),xki(t)]T，k＝1,2Lm；6)计算多维观测信号xw(t)的协方差矩阵Rw；7)对协方差矩阵Rw进行奇异值分解，得到其特征值Λs＝{λ1,λ2,LλM}；8)采用信号与噪声判断阈值公式M＝3×m，计算判断阈值；9)通过特征值与判断阈值比较，完成源信号个数估计。2CN106371070A说明书1/10页一种改进的基于小波分析的欠定盲源分离源数估计方法技术领域[0001]本发明属于阵列信号处理技术领域。背景技术[0002]盲源分离(blindsourceseparation,BSS)是指仅从若干观测到的混合信号中提取、分离出无法直接观测到的原始信号的技术[1-2]，源数估计是盲源分离算法应用的前提，实现源数估计的方法有：基于信息论的方法、奇异值分解法以及盖尔圆法，但这些方法都要求观测信号数目大于或等于源信号数目，对于观测信号数目少于源信号数目的欠定源数估计问题，还没有十分成熟有效的方法，是盲源分离算法和信号参数估计领域的一个难点[3-4]。[0003]与本发明相关的现有技术[0004]目前欠定盲源分离源数估计主要有两种方案：第一种方案是基于源信号的稀疏性实现源数估计；第二种方案是对观测信号升维实现源数估计。[0005]尽管很多信号在时域不满足稀疏性要求，但可以通过稀疏变换工具，如FFT变换、小波变换、短时傅里叶变换等，获得信号的更稀疏表示。若不考虑噪声的影响，采样数据呈现线性聚类特征，直线的条数即为稀疏源信号的个数；如果考虑少量噪声的影响，观测信号的采样数据会分布在各条直线的附近，根据这一特性实现源数估计，相关实现算法如K均值聚类的方法、搜索重构观测信号采样点的方法、基于FFT的源数估计方法等[3-5]，这些算法都严重依赖于源信号在时域或变换域的稀疏性，当源信号稀疏性差时，算法性能急剧下降。[0006]对观测信号升维的方法主要有：时空法、基于小波或小波包变换的方法、基于经验模态分解(EMD)或总体经验模态分解(EEMD)的方法[6-7]。时空法通过对观测信号延时获得更多的观测信号，该方法中对于延迟参数的设置主要依靠工程经验和先验条件，且假设源信号为平稳、非重频信号，在应用中