本发明涉及信号处理技术领域,具体是一种基于ica降低误码率的盲源分离方法。
背景技术:
对于二维数据,例如图像分离,滤波,增强方面,盲源分离有很大的应用价值,本方法重点对图像分离恢复问题做了研究,图像分离问题主要是为了在先验知识较少的情况下来减小图像的退化程度,从混合的图像中复原原本的图像信号,去除过程中的各类干扰导致的质量问题,这类问题利用盲信号处理能够较好的得以解决。将所需的有用源信号提取或复原出来独立成分过程(此方法也被称作独立分量分析(ica)。
针对通信系统中误码率这一性能在分离过程中常常被忽略的问题,提出了一种基于快速独立分量分析减小误码率的盲源分离方法,此算法主要是基于最大似然原则的快速独立分量分析过程,是一种快速迭代算法,基于最大似然原则构建代价函数,再结合考虑通信系统误码率性能优化代价函数,使图像信号分离精度更高,收敛性更好,并通过相关系数和误码率来进行验证。
技术实现要素:
本发明的目的在于克服现有技术的不足,而提供一种基于ica降低误码率的盲源分离方法,该方法使图像信号分离精度高、收敛性好。
实现本发明目的的技术方案是:
一种基于ica降低误码率的盲源分离方法,具体包括如下步骤:
1)采集源信号数据s(t),并通过线性混合得到混合信号x(t);
2)对步骤1)得到的混合信号进行白化处理,得到白化矩阵z(t);
3)计算步骤1)中源信号数据的误码率p;
4)选取一个初始权矢量wp,以最大似然估计为准则构建迭代函数;
5)结合步骤3)得到的误码率,对步骤4)得到的初始权矢量wp进行规范化处理;
6)判断经过规范化处理的初始权矢量是否收敛,若收敛,执行步骤7);若不收敛,则继续进行迭代至其收敛;
7)算法执行结束后,对解混后的信号从相关系数和系统误码率验证分离效果。
步骤4)中,所述的初始权矢量,是根据步骤2)得到的白化矩阵z(t)计算得到,初始权矢量表达式为:
wp=e{zp(wptz)}-e{λp(wptz)}w(2)。
步骤5)中,所述的初始权矢量进行规范化处理为:wp=wp/||wp。
有益效果:本发明提供的基于ica降低误码率的盲源分离方法,对图像信号分离后更加准确的贴近源信号,在先验知识较少的情况下来减小图像的退化程度,从混合的图像中复原原本的图像信号,去除过程中的各类干扰导致的质量问题。考虑信号传输系统里的误码率这个主要的性质,根据最大似然原则构建出一个代价函数,并根据降低误码率的要求来优化此代价函数,使图像信号分离精度更高,收敛性更好,并通过相关系数和误码率来进行验证。
附图说明
图1为源信号分离过程基本模型;
图2为混合信号波形图;
图3为含有1个噪声信号解混后的信号波形图;
图4为含有2个噪声信号解混后的信号波形图;
图5为不同信噪比的误码率性能统计图。
具体实施方式
下面结合附图和实施例对本发明做进一步阐述,但不是对本发明的限定。
实施例:
一种基于ica降低误码率的盲源分离方法,如图1所示,具体包括如下步骤:
1)采集源信号数据s(t),在实时仿真过程中,为了后续计算验证此方法的分离效果,我们给定几组源信号,s1=2*sin(0.02*pi*t)其中pi=π、t表示时间,s2=2*[a,a,a,a,a,a,a,a,a,a],a=linspace(2,-2,20),s3=rand(1,n),n为采样点数。随机产生混合矩阵a,利用混合矩阵对源信号s(t)进行线性混合得到混合信号x=s*a,如图2所示;
2)对步骤1)得到的混合信号x(t)进行预处理,令z(t)=wox(t),wo是白化矩阵,进而得到白化向量z(t);
3)推导n个源信号的误码率p,每个信号源都具有单位功率,因此,能够推到得出第n个源信号的误码率是:
上述公式(1)中,σ2aat表示噪声的协方差,a为混合矩阵;
4)选取一个初始权矢量wp,以最大似然估计为准则构建迭代函数,根据步骤2)所得的白化向量z(t),初始权矢量表达式为:
wp=e{zp(wptz)}-e{λp(wptz)}w(2)
上述公式(2)中,e{}表示求解均值,
5)对步骤4)得到的wp进行规范化处理,wp=wp/||wp,提高稳定性;
6)判断wp是否收敛,若收敛,执行步骤7);若不收敛的话继续进行迭代至其收敛;
7)判断若迭代次数小于等于n-1,则重新选取一个初始权矢量进行迭代处理;若迭代次数大于n-1,则结束循环;
8)如图3所示,为解混后的波形图,通过计算相关系数:
多组试验后计算发现平均相关系数的绝对值接近于1,证明分离精度较高。
9)如图4所示,增加一组对比试验,将噪声源增加至两个,发现分离效果明显减弱。证明源信号含有的高斯白噪声越少,分离后误差越小,相关系数越高,效果越好,最后统计系统误码率性能,如图5所示,得出系统误码率有效降低,证明此盲源分离方法的有效性。