专利名称：一种基于矩阵变换的欠定盲分离方法
技术领域：
本发明涉及一种欠定情况下对瞬时混合信号进行盲分离的方法。该方法可分离稀疏、弱稀疏或者相关信号，可以应用于信号处理、生物医学和通信等领域。
背景技术：
盲源分离(Blind Source Separation, BSS)就是根据观测到的混合数据向量确定某一变换，以恢复原始信号或信源的技术。典型情况下，观测数据向量是一组传感器的输出，其中每个传感器接收到的是源信号的不同组合。术语“盲”有两重含义a.源信号不能被观测；b.源信号如何混合是未知的。当源信号的数目多于观测信号的数目时， 为欠定盲分离(imderdetermined BSS, UBSS)问题，该种情况更贴近于实际应用，同时也是线性瞬时混合盲分离的技术难点，极具挑战性。到目前为止，已经涌现出了多种欠定盲源分离方法。1992年I. F. Gorodnitsky等结合了脑电逆问题提出了欠定系统局灶解法(focal underdetermined system solver, F0CUSS)，这是一种后验迭代加权的方法； 1998年，S. S. Chen提出了基于线性规划理论的基追踪法(Basis Pursuit, BP)。欠定盲源分离方法大致可以分为欠定变超定法、时频掩蔽法和两步法三大类。欠定变超定法通过构造出新的观测信号，将欠定分离变为超定分离，从而达到源信号分离的目的。该方法的优点是可以利用传统的超定分离技术，缺点是分离效果依赖于构造出的新观测信号的质量，一旦该信号构造不好，分离质量就会变差。两步法实际上是基追踪法的推广，是通过解线性方程通过对解加以约束得到最优解，利用信号的稀疏性，最小化O范数进而对解进行约束，O范数处理起来很不方便而且对噪声特别敏感。1999年，D. L. Donoho论证了采用1范数最小和O范数最小在一定条件下的等价性，1范数比O范数好处理，利用线性规划可以方便的得到最优解，抗噪声性能虽然比O范数准则要好，但效果仍然不能令人满意，另外该算法是以信号在时域的稀疏性为前提的，因此一般分离的效果很差。时频掩蔽法最早是在2000年，由Sam T. Roweis提出，2004年，Yilmaz与Rickard结合DUET算法进一步发展了时频掩蔽算法，然而这类方法严格要求源信号在整个时频域中近似满足 W-错位正交性，条件苛刻。2005年，Abrard提出了 TIFROM算法，该方法要求邻近的几个时频窗的观测信号中仅有一个源信号存在，时频窗的长度难以确定，且不能搜索出所有的任意大小的单源时频域。2008年，M. S. Pedersen等人结合ICA和时频掩蔽技术实现了语音的分离。此类方法是基于源信号的时频域稀疏性条件，设计一个相当于时频滤波器的掩蔽模板，利用模板逐个提取每一个源信号的时频点，从而实现了分离，这类算法主要的缺点是对信号稀疏性的要求很严格，而且抗噪声的性能很差。这些方法都有一个共同的缺陷就是基于信号的稀疏性，这就大大的限制了它们的应用。近年来，基于弱稀疏的欠定盲源分离问题逐渐引起了学者们的关注，2007年，A. Aissa-El-Bey等人利用子空间的方法实现了弱稀疏条件下的欠定盲源分离，但是该方法运算量很大有待改进。2009年，彭德中博士等人在降低稀疏性要求的情况下利用子空间方法分离源信号，并且在2010年， 研究了不考虑信号稀疏性，利用空间时频分布进行欠定盲源分离的方法，此方法可以分离2* -1路源信号，IB为瞬时混合信号的数目，其中IB&3。2011年，周郭许等人在信号不严格稀疏的情况下提出一种新方法一非线性投影和列掩蔽(NPCM)方法来估计混合矩阵。
发明内容
在欠定盲源分离问题中，通常利用源信号的稀疏性，采用统计学的方法来分离源信号。如果信号不满足稀疏性，或者是信号之间是相关的，则分离效果不佳。针对这一问题，本发明提出一种基于矩阵变换的欠定盲分离方法，该方法适用于弱稀疏和相关信号的分离。本方法旨在降低分离算法对信号稀疏性的依赖程度，允许信号存在一定程度的混叠。 在假设混合矩阵已经估计获得的基础上，本发明通过对混合矩阵进行逐级变换得到变换矩阵，然后将变换矩阵作用于观测信号来逐步消去各个源信号；并由各观测信号中新产生的零值点来构造多级二值掩蔽模板，将源信号进行逐级分离。理论分析和实验结果表明，本发明所提出的方法相对于其他方法具有优异的性能a.降低了对源信号稀疏性的要求，可以解决最多M-1路源信号的混叠(其中M为传感器个数)，并且确切知道每个时频点由哪些源信号混合而成，解决了音乐信号和噪声信号的欠定分离问题。b.对源信号的统计特性要求不高，解决了高斯信号和相关信号的欠定分离问题。c.根据对分离精度的要求来调整处理级数，处理级数越多，得到的分离结果越好。d.分离过程借助于矩阵变换实现，运算复杂度较低。为了达到上述目的，本发明提供了一种基于矩阵变换的欠定盲分离方法，包括以下步骤
步骤100 利用传感器接收到的瞬时混合观测信号为 X=AS(1)
式(1)，中XzClf^Mf表示由传感器接收到的Jf难观测信号向量A表示JfxHT 维的混合矩阵，S=I^，…表示霣维未知的源信号。步骤200 ；将瞬时混合的观测信号送入正交变换模块进行短时傅里叶变换，得到时频域观测信号X(r·，》》；并将该时频域观测信号XCf，w》送入时频点分类模块。步骤300 利用时频点分类模块将时频域观测信号萬！》 )中的时频点进行分类；
首先判定每个时频点所在级数，然后在各级中进一步判定该时频点所属的类别；具体包括子步骤 310，320，330。步骤310 首先处理第一级，该级上的时频点只是一个源信号作用的结果；包括子步骤 311，312，313。步骤311 利用第一级变换矩阵模块构造第一级变换矩阵。利用混合矩阵A中的元素，构造如式⑵所示的M X M阶第一级变换矩阵 } }(}< <Ν)
权利要求
1. 一种基于矩阵变换的欠定盲分离方法，包括以下步骤 步骤100 利用传感器检测瞬时混合的观测信号，表示为 X = AS(1)式(1)中Χ=[Χι，…^Μτ表示由传感器接收到的M维观测信号向量，A表示Mx犮维的混合矩阵，s=!^，·-·^·1表示jv维未知的源信号；步骤200 ；将瞬时混合的观测信号送入正交变换模块进行短时傅里叶变换，得到时频域观测信号_，》)；并将该时频域观测信号3(r，i)送入时频点分类模块；步骤300 利用时频点分类模块将时频域观测信号XCrs*)中的时频点进行分类；首先判定每个时频点所在级数，然后在各级中进一步判定该时频点所属的类别；具体包括子步骤 310,320,330 ；步骤310 首先处理第一级，该级上的时频点只是一个源信号作用的结果；包括子步骤 311，312，313 步骤311 利用第一级变换矩阵模块构造第一级变换矩阵；利用混合矩阵Jk中的元素，构造如式(2)所示的MXM阶第一级变换矩阵
全文摘要
本发明公开一种基于矩阵变换的欠定盲分离方法。本发明通过对混合矩阵进行逐级变换得到变换矩阵，然后将变换矩阵作用于观测信号来逐步消去各个源信号；并由各观测信号中新产生的零值点来构造多级二值掩蔽模板，将源信号进行逐级分离。本发明降低了对源信号稀疏性的要求，可以解决最多M-1路源信号的混叠(其中M为传感器个数)，并且确切知道每个时频点由哪些源信号混合而成，解决了音乐信号和噪声信号的欠定分离问题。对源信号的统计特性要求不高，解决了高斯信号和相关信号的欠定分离问题。根据对分离精度的要求来调整处理级数，处理级数越多，得到的分离结果越好。分离过程借助于矩阵变换实现，运算复杂度较低。
文档编号G10L21/02GK102222508SQ20111019307
公开日2011年10月19日 申请日期2011年7月12日 优先权日2011年7月12日
发明者朱东岩, 杨捷, 马晓红 申请人:大连理工大学