的波形图，其中， 图5(a)为用现有信号分离方法恢复的三个语音信号的波形图，图5(b)为用本发明方法恢 复的三个语音信号的波形图。
【具体实施方式】
[0047] 下面结合附图对本发明做进一步的描述：
[0048] 本实施例是基于一个酒会场景，对麦克风接收到的客人的谈话内容和一大堆背景 噪声，利用本发明分离出客人的谈话语音。在本实施例中，传感器为麦克风，接收到的卷积 混叠信号为语音信号。
[0049] 参照图1，本发明的具体实施步骤如下：
[0050] 步骤1，获取观测数据。
[0051] 从传感器接收卷积混叠信号数据，为了有序处理数据，对使用的传感器进行顺序 编号，将该卷积混叠信号数据根据传感器编号顺序重新排列成观测数据矢量\(t)。
[0052] 步骤2,计算二阶时延相关矩阵。
[0053] 计算观测数据矢量Xi (t)在指定时延下的二阶时延相关矩阵R(tk):
[0055] 其中，G表示观测信号样本数据段的总数目，Tk表示设定的第k个时延，k = 1，…，Z，Z表示指定时延的总数目，考虑到人类语音平稳时间约为几十微秒，设定的时延要 保证语音信号的短时相关性，同时，时延间隔应该尽量大，以保证在各个时延下的相关矩阵 有所差别。
[0056] 步骤3,构造块对角化矩阵，并进行子阵划分。
[0057] 3a)构造MXN维块对角化矩阵B，其中，M表示二阶时延相关矩阵R(Tk)的行数， N表示待分离源信号向量的行数；
[0058] 3b)令构造的块对角化矩阵B = [I，0]T，得到初始块对角化矩阵，其中I表示单位 矩阵，（*)T表示转置；
[0059] 3c)将初始块对角化矩阵按列分成r个子矩阵，r的取值为待分离源信号的个数， 每个子矩阵的维数为MXn，其中?二色。 V
[0060] 步骤4,建立非正交联合块对角化多目标优化模型。
[0061] 4a)计算块对角化矩阵的估计误差：
[0062]
[0063] 其中，7(B)表示块对角化矩阵B的估计误差，B表示块对角化矩阵，Z表示指定时 延的总数目，r表示子矩阵的总数目，n表示每个子矩阵的总列数，blm表示第1个子矩阵的 第m列，b1;ni;表示第1'个子矩阵的第m'列，R(Tk)表示第k个时延对应的二阶时延相关 矩阵，I ? I 2表示取平方操作，（?）H表示复共轭操作；
[0064] 4b)计算块对角化矩阵的条件数nB:
[0065] q B= det (B HB)，
[0066] 其中，det( ?)表示求矩阵行列式操作，B表示块对角化矩阵，（?）H表示复共轭操 作；
[0067] 4c)根据块对角化矩阵的估计误差：T(B)和块对角化矩阵的条件数qB，建立如下 非正交联合块对角化多目标优化模型：
[0068]
[0069] 其中，bj表示块对角化矩阵B的第j个列向量，min表示取最小化操作，max表示 取最大化操作，s. t.表示约束条件。
[0070]步骤5，估计块对角化矩阵。
[0071] 利用步骤4c)建立的非正交联合块对角化多目标优化模型，对块对角化矩阵B每 个子矩阵的列向量依次进行更新，估计块对角化矩阵，具体步骤包括：
[0072] 5a)令m = 1，m表示子矩阵的列数；
[0073] 5b)令1 = 1，1表示子矩阵的个数；
[0074] 5c)按照下式计算海森矩阵Q1:
[0076] 其中，表示块对角化矩阵B的第1个子矩阵，Z表示指定时延的总数目，R(tk) 表示第k个时延对应的二阶时延相关矩阵，Ba)表示块对角化矩阵B删除第1个子矩阵后剩 余元素构成的矩阵；
[0077] 5d)按照下式计算正交投影矩阵Plm:
[0079] 其中，blm表示第1个子矩阵的第m列，B am)表示块对角化矩阵B删除第1个子矩 阵的第m列元素后剩余元素构成的矩阵，I表示单位矩阵，[? r表示矩阵的求逆操作；
[0080] 5e)按照下式，计算海森矩阵仏的条件数|:
[0081] C = I I Qi I I ? I I Qr1
[0082] 其中，[? r1表示矩阵的求逆操作，N ? | |表示求范数操作；
[0083] 5f)设定条件数的阈值0，0的数量级一般为103,将海森矩阵仏的条件数|与 设定条件数的阈值0进行比较：若I > 0，则海森矩阵仏是病态的，执行步骤5g)_5h)， 否则，执行步骤5i);
[0084]5g)按照下式计算中间矩阵C :
[0085] C = UHPlmU
[0086] 其中，U表示海森矩阵仏的M-N+n个最小的特征值对应的特征向量矩阵，M表示块 对角化矩阵B的行数，N表示块对角化矩阵B的列数，n表示每个子矩阵的总列数；
[0087] 5h)计算第1个子矩阵的第m列向量：blm= Uw，并执行5j)，其中，w表示中间矩阵 C的最大特征值对应的特征向量；
[0088] 5i)按如下步骤计算矩阵对（Plm，QD最大的广义特征值对应的特征向量，作为第1 个子矩阵的第m列，并执行5j):
[0089] 5i. 1)计算矩阵对（Plm，的广义特征值和对应的特征向量：
[0090] [VD] = eig(Plm,Q1)
[0091] 其中，D表示矩阵对（Plm，的广义特征值构成的对角矩阵，V表示矩阵对（P lm，QD 的广义特征值对应的特征向量构成的矩阵，eig表示求广义特征值操作；
[0092] 5i. 2)将所述V的第一列作为矩阵对（Plm，QD最大的广义特征值对应的特征向 量；
[0093] 5j)将1的值增加1，判断此时1的值是否小于子矩阵的总数目r :若是，则返回 5c)，否则，执行5k);
[0094] 5k)将m的值增加1，判断此时m的值是否小于每个子矩阵的总列数n :若是，则返 回5b)，否则，执行步骤6。
[0095] 步骤6根据需求设定迭代终止阈值f，P的数量级一般为1〇_2,计算当前块对角化 矩阵B的估计误差和前一次的块对角化矩阵B的估计误差，判断前后两次估计误差的差值 绝对值是否大于设定迭代终止阈值若是，则返回步骤5,否则，将得到的块对角化矩阵B 输出，并执行步骤7。
[0096] 步骤7,分离源信号。
[0097] 将块对角化矩阵B的伪逆矩阵#与观测数据矢量Xjt)相乘，得到从传感器接收 的卷积混叠信号中分离出的源信号：
[0098]
[0099] 其中，y(t)表示t时刻的源信号，表示求矩阵的伪逆操作。
[0100] 本发明的效果可通过以下仿真进一步说明。
[0101] 1.仿真条件：
[0102]本发明的仿真运行系统为 Intel (R)Core(TM)i7-2600CPU 65003. 40GHz，32 位 Windows操作系统，仿真软件采用MATLAB(R2013a)。
[0103]2.仿真内容与结果分析：
[0104]仿真一：人工合成数据仿真
[0105]按照下式产生二阶时延相关矩阵R(tk):
[0107] 其中，块混叠矩阵A，噪声矩阵Ek，以及块对角矩阵Dk的r个对角块中的元素都是 随机产生的复数，且服从均值为〇,方差为1的复高斯分布，k= 1，…，Z，Z表示二阶时延相 关矩阵的总数目，〇 2表示噪声方差，（?）H表示复共轭操作。
[0108] 定义干扰信号比ISR为：
[0110]其中，G = BHA表示全局变换矩阵，具有rXr个子块，B表示块对角化矩阵，A表示 块混叠矩阵，表示全局变换矩阵G的第（i，j)个子块，G ip表示全局变换矩阵G的第（i，p) 个子块，GW.表示全局变换矩阵G的第（p，j)个子块，inf x表示求取得最大值时的p的取值， IH氏.表示求F范数操作。
[0111]设定M = 15, N = 12, Z = 20, r = 3,信噪比
，用本发明和现 有信号分离方法一：JBD-NU各进行500次独立实验，当得到的干扰信号比ISR小于设定阈 值y = -20