基于改进的排序算法的频域盲源分离算法.pdf

(19)中华人民共和国国家知识产权局*CN103281269A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103281269103281269A(43)申请公布日2013.09.04(21)申请号201310169634.5(22)申请日2013.05.09(71)申请人合肥工业大学地址230009安徽省合肥市屯溪路193号合肥工业大学电气与自动化工程学院(72)发明人何怡刚薄祥雷方葛丰樊晓腾(74)专利代理机构长沙星耀专利事务所43205代理人姜芳蕊宁星耀(51)Int.Cl.H04L25/03(2006.01)权权利要求书1页利要求书1页说明书4页说明书4页附图2页附图2页(54)发明名称基于改进的排序算法的频域盲源分离算法(57)摘要基于改进的排序算法的频域盲源分离算法，包括以下步骤：获取混合信号；对混合信号进行时频变换得到频域混合信号；对频域混合信号进行白化预处理；对预处理后的频域混合信号，在不同频点进行复数独立成分分析（ICA），得到各频点处独立成分；采用改进的排序算法对各频点独立成分进行排序；对排序后的频域信号进行时频反变换，得到时域信号。本发明相比时域算法具有稳定性强，复杂度低的优点；相比采用信号到达角、脉内特征等信号特征的频域盲源分离算法具有通用性强的优点。经实验，本发明对线性混合信号、卷积混合信号、实际混合信号都具有较好的分离效果。CN103281269ACN1032869ACN103281269A权利要求书1/1页1.基于改进的排序算法的频域盲源分离算法，其特征在于：包括以下步骤：1）获取混合信号；2）对混合信号进行时频变换得到频域混合信号；3）对频域混合信号进行白化预处理；4）对预处理后的频域混合信号，在不同频点进行复数独立成分分析，得到各频点处独立成分；5）采用改进的排序算法对各频点独立成分进行排序；6）对排序后的频域信号进行时频反变换，得到时域信号。2.根据权利要求1所述的基于改进的排序算法的频域盲源分离算法，其特征在于：步骤1）中，所述混合信号通过至少两路源信号混合获得，且源信号应满足统计独立且非高斯。3.根据权利要求1或2所述的基于改进的排序算法的频域盲源分离算法，其特征在于：所述步骤2）中的时频变换是指短时傅里叶变换。4.根据权利要求1或2所述的基于改进的排序算法的频域盲源分离算法，其特征在于：所述步骤5）中的改进的排序算法是指对现有基于幅值相关度的排序算法进行了改进，加入了影响因子，改进后的排序算法的计算公式具体如下：，，其中，表示影响因子，表示频点与的距离，表示频点处第路分离信号的幅值的绝对值，表示时间，为待排序频点上独立分量的原排序的第项，表示频点上独立分量的最终排序，表示频点g上独立分量的排序，表示的第项，表示频点处排序序号为的信号幅值的绝对值，表示频点处第路分离信号的幅值，表示频点处第路分离信号的幅值，表示源信号数，表示两个向量x、y的相关度，表示求组合数，用来控制频点距离对排序的影响，、均为正整数。5.根据权利要求4所述的基于改进的排序算法的频域盲源分离算法，其特征在于：所述相关度的函数式为，其中，表示求均值，。2CN103281269A说明书1/4页基于改进的排序算法的频域盲源分离算法技术领域[0001]本发明属于信号处理领域，涉及一种基于改进的排序算法的频域盲源分离算法。背景技术[0002]盲源分离是一个二十年来在信号处理领域迅速发展的研究课题。按信号分类主要有声音信号盲源分离、混沌信号盲源分离、电磁信号盲源分离等。自上世纪80年代，HeraultJ和JuttenC提出独立分量分析问题以来，涌现出大量优秀的算法。这些算法按照混合模型可分为三类：线性混合，非线性混合和卷积混合。其中卷积混合模型最接近实际问题。目前主要有时域和频域两种算法来解决卷积信号盲源分离问题。随着卷积长度的增加，时域算法的开销变得很大。频域盲源分离算法是利用傅立叶变换将时域的卷积混合方式转化为频域的瞬时混合方式，再对其进行独立成分分析。由于独立成分分析是在每个频点分别进行的，各个频点的独立成分顺序不一致。在将频域信号变换到时域前需要确定各频点独立成分的顺序。[0003]目前主要有两种排序不确定性的消除算法。一种算法利用了信号频谱的相位信息。首先在每个频点上估计源信号的波达方向角(DOA)，再以DOA为特征对每个频点上的独立分量进行聚类，来确定独立分量所对应的信号源。这类算法需要对源信号和传感器的位置进行估计，时间耗费较大，准确性较差。另一种算法利用了信号频谱的幅度信息。AnemullerJ指出，在语音信号中，相邻两个频点的频谱幅度具有很高的相关性。Murata以混合信号的两个相邻频点的幅度相关之和为代价函数，对其进行最大化，找到一组合适的排列（简称Murata算法）。有学者设定了两个相邻频