基于预分离的盲信号分离方法.pdf

(19)中华人民共和国国家知识产权局*CN103337246A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103337246103337246A(43)申请公布日2013.10.02(21)申请号201310206700.1(22)申请日2013.05.29(71)申请人电子科技大学地址611731四川省成都市高新区（西区）西源大道2006号(72)发明人刘亮李万春李立萍(74)专利代理机构电子科技大学专利中心51203代理人邹裕蓉(51)Int.Cl.G10L21/0272(2013.01)权权利要求书1页利要求书1页说明书7页说明书7页附图8页附图8页(54)发明名称基于预分离的盲信号分离方法(57)摘要本发明提供一种基于预分离的盲信号分离方法。本发明抽取部分快拍数据作预分离找到一个较好的初值，利用此初值再做全部数据的分离的信号处理，这样能减少长数据的迭代次数，而抽取的部分快拍数据的计算量相对较少，从而可以在保证分离性能的前提下，减少计算量。CN103337246ACN1037246ACN103337246A权利要求书1/1页1.基于预分离的盲信号分离方法，其特征在于，包括以下步骤：1）采样步骤：对信号进行采样得到采样序列{x(t)}，其中t表示采样时刻，快拍数为N；2）预分离步骤：2-1）对采样序列{x(t)}进行等间距抽样，每D个快拍数据抽取一个数据，得到采样序列采样序列的快拍数为N/D；2-2）对采样序列进行基于ICA的盲源分离，通过迭代运算得到最终的分离矩阵W1，迭代运算初始的分离矩阵W0使用随机可逆矩阵或者单位矩阵；3）高精度分离步骤：对采样序列{x(t)}使用分离矩阵W1作为初始的分离矩阵进行基于ICA的盲源分离。2CN103337246A说明书1/7页基于预分离的盲信号分离方法技术领域[0001]本发明涉及信号处理技术，特别涉及盲信号处理技术。背景技术[0002]盲信号处理(BlindSignalProcess，BSP)技术或盲信号分离指的是：在源信号和传输通道的参数未知的情况下，根据源信号的统计特性，仅由观测信号估计出源信号的过程，有时也称为盲源分离(BlindSourceSeparation，BSS)。[0003]独立分量分析(IndependentComponentAnalysis，ICA)起源于盲源分离。盲源分离与传统的处理方法完全不同，它是对源信号和传输通道几乎没有可利用信息的情况下，仅从观测到的混合信号中提取或恢复出源信号的一种信号处理方法。ICA是为非高斯数据找到一种线性变换，这样成分与成分之间是统计独立的或者尽可能的独立。基于ICA方法，使得被分析信号各成分之间的统计依赖性得到了最小化，突出了源信号的本质结构。ICA是基于信号高阶统计特性的分析方法，经ICA分解出的各信号之间是相互独立的。[0004]独立分量分析，在语音信号识别、阵列天线处理、通信信号分离、医学信号处理、模式识别及图象处理等领域有着广泛的应用。[0005]ICA的基本目标就是要找到一个线性变换，使变换后的各信号之间尽可能统计独立。如图1所示，x为观测值，对应于一个N维离散时间信号x(t),t=1,...,T是源信号si(t)，i=1,...,M经过线性混合矩阵A后的观测信号。通常假定源信号si之间是相互独立的。若将观测信号x(t)通过分离矩阵W，使得输出信号y的各分量相互独立，就可以得到源信号的估计。即，ICA算法需要通过寻找到合适的分离矩阵W，使得信号精确分离。[0006]在独立分量分析ICA算法中以FastICA、C-FastICA、NC-FastICA最为流行，因为它们的收敛速度快、迭代次数少而已经被广泛的应用于以上领域。这些算法利用了牛顿迭代法的原理，采用牛顿迭代法优化目标函数，对初始值的选择比较敏感，当初值选择不恰当时，算法可能要迭代很多次才会收敛，原因在于迭代的方向不一定是下降方向，经过迭代，目标函数值可能收敛缓慢。尤其当快拍数据的长度很长时，计算量会很大，将影响工程应用。[0007]在处理长快拍数据时，传统的信号处理方式有两种，第一种方式SPT-L如图2所示，先对数据进行采样，再对快拍数据进行基于ICA的盲源分离，通过迭代运算得到最终的分离矩阵，迭代运算的初始化分离矩阵采用随机可逆矩阵或者单位矩阵；第二种处理方式SPT-S如图3所示，与SPT-L的区别是，采样后，还对快拍数据进行抽样，在对抽样数据进行基于ICA的盲源分离。SPT-L在迭代初期使用的是长数据，初期算法的收敛速度并不好，将导致总体的计算时间较长。SPT-S只是使用部分短数据来作分离，计算量将减少很多，但分离性能势必降低。发明内容[0008]本发明所要解决的技术问题是，提供一种在保证分离性能的前提下减少迭代运算3CN1033372