专利名称：用于信号分离的设备的制作方法
技术领域：
背景技术：
信号分离的算法是众所周知的。所述算法中的许多算法都是处理不涉及存储问题的混合信号(mixture)(所谓“瞬时混合信号”)。这些混合信号是保持不变的混合信号，即没有延迟的混合信号。这些信号被假定为在传感器之间没有任何时间延迟地混合在一起。
一种更适合于调整判据的方案是对于带有延迟的混合(所谓的“动态混合”)。着手解决这个问题的第一类方法之一是由Widrow等人提出的(“自适应噪声消除原理和应用”)，(“Adaptive noise cancellingPrinciples andapplications”，IEEE论文集，1975，12)。这种方法是基于两个可测量信号的，其中只有一个信号包含干扰并且不受所期望信号的影响。根据本发明，干扰和所期望的信号两者都可以存在于所有可测量的信号之中。当传感器相互之间靠得较近时，例如，在蜂窝式电话或助听器中时，这个问题是不可避免的。
一个常用的判据是基于由Comon提出的对比度函数的(“独立成分分析，一个新概念？”，信号处理，1994)(“Independent component analysis，anew Concept？”，Signal Processing，1994)。对于统计独立的信号，对比度函数必须是缩放(scaling)不变的，并且取其极大值。到目前为止，已经提出了各种互不相同的对比度函数。
已经提出了许多基于来自分离结构的输出信号之间的交叉关联的判据。Lindgren等人已经描述了一个用于两个可观测信号的判据(Lindgren，Broman，“信号源分离使用一个基于二阶统计的判据”，技术报告CTH-TE-36，Chalmers，Sweden，1996，即将在IEEE论文集上发表，信号处理)(Lindgren，Broman，“Source SeparationUsing a Criterion based on Secondorder Statistics”，Technical Report CTH-TE-36，Charmers，Sweden，1996，forthcoming in IEEE Trans，on Signal Processing)V=Σm=-LL(Rs1s2(m))2]]>这里，L是一个正整数，Rs1s2(m)表示对于含有m个样值的信号中之一出现的延迟，在s1和s2之间的交叉关联。这个判据描述了对于在-L到L之间的延迟，在信号s1和s2之间的关联程度。
需要分离的信号并不一定是声信号，Sahlin描述了(Sahlin和Broman，“图像的盲分离”，第30届Asilomar信号、系统和计算机会议论文集，1996)(Sahlin and Brouan，“Blind Separation of Iniages”，Proceedings of 30thAsilomar Conference on Signals、Systems and Computers，1996)信号分离如何可以应用到图像信号(二维信号)上。
调整(regularise)可以出现在系统识别过程中，因此，该方法可以用于，例如，避免对条件差的矩阵求逆所带来的问题(例如，Ljung，“系统识别，用户的理论”，Prentice-Hall，Englewood Cliffs，NJ，1987)(e.g.Ljung，“SystemIdenlificatlon，Theory for the User”，Prentice-Hall，Englewood Cliffs，NJ，1987)，或以增加系统误差为代价来降低参数估值的方差(Ljung，Sjoberg，“评述自适应算法中的“泄漏”，技术报告LiTH-I-ISY-1304，Linkoping大学，Sweden，1992)。后一个参考文献利用线性回归模型和基于预测误差的平方的判据已经对δ幅值的选择进行了处理。
欧洲专利申请第565479号公开了一种基于交叉的多频谱的方法。根据这个专利申请的过程是基于高阶统计(HOS)的。众所周知，为了获得好的估值，基于高阶统计的方法要求大量的样本值。由此产生的结果是，与基于二阶统计的方法相比，基于HOS的算法收敛缓慢，并且效果更为不好。
专利US-4,208,786公开了一种基于二阶统计的信号分离算法，但是这种方法并不适用于普通的情况。所提出的算法只适用于当两个信道滤波器具有相同的直接项的值时，即在其说明书中，方程(14)和(15)中的ao和bo相等ao＝bo。从方程(49)和(50)中可以清楚地看到，此方法并不适用于具有不同直接项的情况。这些方程描述了系数是如何估算的。当只处理直接项时，关于滤波器系数的修正方程具有如下的形式。Ao(n)＝ao(n-1)+Y1V2(n)V1(n)和Bo(n)＝bo(n-1)+Y2V1(n)V2(n)很显然，关于直接项的修正项是相同的。此外，别人也已经提出了类似的算法，但假定两个直接项均为O(Van GerVen，Van Compemolle；“通过对称自适应去相关进行信号分离稳定性、收敛性和独特性”，IEEE论文集，信号处理，1995.7)(Van Gerven，Van Compemolle；“Signal Seperation bySymmetric adaptive decorrelationStability，Convergence and Uniqueness ”，IEEE Trans.Signal Processing，July，1995)。本发明本发明涉及一组通过信号分离来分离两个或更多个以未知的方式相混合的信号的方法。本发明还涉及通过调整判据的手段来改善该方法的性能效果的途径。调整(regularising)意味着将参数“拖”到特定的值。由此，调整缓解了由于过度参数化所可能引起的问题。图附简述下面将结合附图对本发明的优选实施例进行说明，在附图中，
图1显示实施本发明的蜂窝式电话；图2显示了根据本发明的框图；图3a-3f显示了系统误差、标准偏差或och均方差的图形；和图4显示了作为根据本发明的调整的函数的SNB的增加。优选实施例的详细说明信号分离可以应用在当人们需要将许多个信号相互分开时。这种方法是基于能得到至少与需要分离的信号数一样多的不同的混合信号这样一个条件的。例如，当两个人同时在一个房间里相互交谈时，而你只想听其中一人的说话，但由于另一个话音的存在你难以听清其中一个在说些什么，此时就可以使用这种信号分离法。信号分离法是一种基于由来自例如两个麦克风的信号来确定分离结构中的滤波并从中滤波出每个话音的方法。
本方法的原理是借助于含有延迟的滤波器(filter)来模拟混合信号。图2显示了其中存在两个信号相混合的模型的例子。这里，X1和X2表示想要的但未知的和不可测量的信号。唯一可测量的信号是Y1和Y2，Y1是用X1加上X2的滤波后的形态来模拟的，即，Y1＝X1+B2X2类似地，Y2按如下的方式来模拟Y2＝X2+B1X1混合信号模型包括滤波参数(filter)B1和B2。信号Y1和Y2是可测量的，根据Y1和Y2可以估算出在分离结构中的滤波。来自分离结构的输出信号是S1＝Y1-D2Y2＝(1-D2B1)X1+(B2-D2)X2和S2＝Y2-D1Y1＝(1-D1B2)X2+(B1-D1)X1从上面公式可以明显地看出，如果B1＝D1和B2＝D2，那么信号就被分离开，即输出信号S1和S2分别只依赖于X1和X2。一种用来确定分离结构中滤波参数的估算值的通用方法是搜索使判据V取极小值或极大值的滤波参数。如上所述，根据例如交叉关联、对比度函数和交叉多频谱，人们已经提出了许多不同的判据。
信号分离的性能效果可以用许多方式来定义。在被估算参数和实际参数之间的均方偏差是这些量度中的一个。更接近于实用的量度是该方法能把干扰信号抑制到什么程度，即信噪比(SNR)为多少。最重要的是，在被测信号与分离出的信号之间的SNR增加的测量值是令人感兴趣的。调整的效果对信道的估算自然要受到偏离真值的影响。对真值的平均偏离的量度称为“系统误差”。对于某一参数的系统误差是估算的参数与真值之间的偏离的平均值。参数估算值的“方差(variance)”是对估算值的的平均值的平均偏离的变化的量度，即参数估算值在每个估算值之间的变化程度的量度。方差是估算值与平方均值之差的平均值。“标准偏差”是方差的平方根。最后，“均方差”是参数的平方的估算值与真值之差的平均值。
可以将调整引入到信号分离算法之中作为减少待估算参数的方差的手段。这些参数通常是在分离结构中滤波器的系数。关于调整的另一个名字是“泄漏”。需要调整的情况主要出现在当问题被非常过度地参数化时。这种现象可以发生在当只有几个滤波参数将不为0，但又不知道是哪几个滤波参数时。解决这个问题的方法是试图通过一些方法来估算什么参数是必需的，然后只确定这些参数的值。如果系统随着时间发生变化，那么这种模型结构也一定随着时间而变化。使用这种方法来获取模型估算值的另一种方式是引入调整。
可以以修正判据V′的形式引入调整V′＝V+δ|θ-θ#|这里，V表示准备对其求极小值以便估算分离结构的参数的判据，δ是一个用来确定判据应该被调整的程度的设计变量，θ是一个包括由待估算的参数的列向量，和θ#是一个含有真参数的可能知识的列向量，因此，调整是通过将所谓的调整项加到原始判据之中来引入的。
更一般的公式是V′＝V+(θ-θ#)C(θ-θ#)H，这里，C是一个权重矩阵和H表示哈密顿算符(共轭转置算符)。后一公式提供了，例如，改变参数的调整的可能性。
因此，当在算法中使用调整时所产生的可能性是通过适当选择θ#来控制参数逼近特定的值。这些参数的特定值可以从在受控的环境之下的物理模拟(例如，在一个房间中的声传播)或测量中获得。在过度参数化的情况下，有可能选择θ#为零向量，这意味着将所有的参数“拖”向零。
如图3所示，从中可以看出系统误差、标准偏差和均方差如何随着调整参数δ的不同值而变化的。从图中还可以看出在δ的一个区间内均方差如何大大地减小而在这个区间之外它却明显增大。在图4中，此方法所产生的结果以信噪比(SNR)表示的信号之一的品质的提高的形式体现出来。与未调整的判据(小δ值)的情况相比较，在一个区间内对于S1的SNR大大地提高了。图1和2中所使用的信号是计算机产生的序列。
调整以增大系统误差为代价减小参数的方差，因此，应该选择参数δ使得本方法由于减小方差所得到的性能效果上的好处不要超过由于增大了系统误差所导致的性能效果上的坏处。应该选择理想的δ使得在导致本算法的性能效果取极大值这一点上这两种效应相互补偿。
本方法的应用之一是应用于来自位于相互之间相距大约10cm的麦克风的信号。图1显示了根据本发明的方法在蜂窝电话中的应用，这个蜂窝电话配备了两个作为第一和第二信号源的麦克风11和12。声波在房间中的传输可以用几个参数来描述，但关于是哪几个参数的知识一般并非轻易可得。为了不引入对发射信号的来源的限制，需要含有直到20个系数的滤波器。在判据中调整的引入使得这种算法变得切实可行。
下面提供使用调整的信号分离法可以应用到其中的一些可能领域的概况。本方法应用在当存在两个或多个以未知的方式och混合的信号而希望滤波出其中的一个或多个信号时。本方法要求传感器数量(或换一种说法，不同的混合信号的形态数)与待滤波出的信号的数目相同。引入调整的好处在于对过度参数化的灵敏度的降低。
利用调整的信号分离非常适用于电话中的噪声抑制。没有应用任何噪声抑制方法的信号接收器将会接收到环境中的严重干扰说话者的噪声和其它干扰。当在变化很快的环境中使用蜂窝电话时情况尤其如此。此外，用于当今适应于人们说话的蜂窝电话的编码方法也说明为什么声波干扰会更加干扰接收器。因此，重要的是在信号发射到接收器之前获得更高的信号品质。本方法起作用的要求是电话包括至少两个麦克风。它们安装在相隔一定距离的位置上使得基本上能区分来自它们的信号。同时，麦克风之间的远距离会造成在模拟麦克风之间的信道时需要含有许多系数的滤波器。当这种引入允许许多滤波参数的引入而性能效果没有更大下降时，这会强化对调整的需要。
戴助听器的人们经常会遇到这样的问题，周围环境中的所有声音都被同等地放大了。几个人同时谈话、音乐和机器声等形成了这样的环境，在这种环境中由于对其它人说话的受限的听觉，使戴助听器的人难以进行正常的会话。通过在助听器上安装多于一个的麦克风和引入信号分离算法和调整，听觉的水平就会大大地提高。
正如在Zarzoso等人所撰写的文章中所描述的(Bacharis，A.K.Nandi.和V.Zarzoso，“使用盲信号源分离方法进行胎儿ECG提取”，EUSIPCO′96论文集)，信号分离可以用来滤波胎儿的ECG(心电图)。当测量胎儿的心电图时，他母亲的ECG也包含在里面。人们希望通过使用几个传感器和信号分离算法的滤波手段来降低母亲的ECG。Zarzoso只使用了没有延迟的信道模型，在高取样速率下和当传感器分散在母体上时，这种做法被认为是不充分的。此外，基于高阶统计的方法常常应用在与基于高阶统计的方法相反的情况中，这种情况要求大量的样本值(意味着长的测量时间)，以便达到好的效果。调整的判据的引入可能提高了性能效果并且还提供了一种更加强健的算法。带有调整的信号分离还可以应用在象EEG(脑电图记录)和ENG(神经电图)那样的相近的领域中。
在由Sahlin等人撰写的文章中(H.Sahlin和H.Broman，“图像的盲分离”，第30届Asilomar信号、系统和计算机会议论文集)(H.Sahlin and H.Broman，“Blind Separation of Images”，Proceedings of 30th Asilomar Conference onSignals、Systems and Computers)，提出了在图像处理中使用信号分离。这种方法是基于交叉关联的平方的判据和可得到多于一个的图像的混合信号。这种方法被建议应用在，例如，医学图像处理(X射线、超声波、磁共振等)中，在这些医学图像处理过程中内部器官和类似的构造的表示经常受到上面和下面组织的干扰。因此，信号分离算法将估算各种被记录图像之间的差异，并利用这个信息生成所需要结构的清晰图像。被记录图像之间的差异可以是，例如，在不同层次上的清晰度、器官的自然运动或摄像的微小运动。在后两种情况下，当运动可以用只有少数几个系数不为0而绝大多数参数均为0的滤波器来模拟时，调整的引入将可能意味着效果的大大提高。当使用这些滤波器进行模拟时，通常没有有关哪些系数待估算和哪些参数为零的知识，也就没有这种情况会导致过度严重的参数化的问题。被调整的判据的引入将会导致更好的结果。
其它可能的应用是水下听音器技术、振动的测量、宽带信号的无线通信、或甚至当需要获取未知的信号混合中的两个或更多个测量结果时。
本发明并不限于所述的优选实施例。不用说，所作的各种变动和修改均在所附权利要求书的范围之内。
权利要求
1.一种用来从多信号的混合信号中分离出至少两个信号的方法，其中不同的混合信号数量至少等于待分离的信号数，该方法包括一个基于一个判据的、为估算分离结构中的参数而对其求极小值的修改判据和一个调整修正项，其特征在于，该修正项包括一个含有待估算的参数的第一向量；一个含有与真参数有关的可能信息和一权重矩阵的第二向量；和所述第一向量和第二向量之间的差、所述权重矩阵与所述第一向量和第二向量之间的差的共轭转置三者的乘积。
2.一种用来从多信号的混合信号中分离出至少两个信号的方法，其中不同的混合信号数至少等于待分离的信号数，该方法包括一个基于一个判据的、为估算分离结构中的参数而对其求极小值的修改判据和一个调整修正项，其特征在于，该修正项包括一个含有待估算的参数的第一向量、一个含有与真参数有关的可能信息和一设计变量的第二向量；和所述设计变量与所述第一向量和第二之差的模的乘积。
3.根据权利要求1或2的方法，其特征在于，含有与真参数有关的可能信息的第二向量是通过物理模拟，诸如房间中的声波传播的手段来确定的。
4.一种包括至少两个麦克风(11，12)的通信设备，该设备被配置成用来从多信号的混合信号中分离出至少两个信号，其中不同的混合信号数至少等于待分离的信号数，该设备被配置成包括一个基于一个判据的、为估算分离结构中的参数而对其求极小值的修改判据和一个调整修正项，其特征在于，该修正项被安排成包括一个含有待估算的参数的第一向量；一个含有与真参数有关的可能信息和一权重矩阵的第二向量；和所述第一向量和第二向量之间的差、所述权重矩阵与所述第一向量和第二向量之间的差的共轭转置三者的乘积。
5.根据权利要求4的设备，其特征在于，该设置是一个电话(10)或一个助听器。
6.一种包括至少两个用于医疗诊断，诸如ECG的传感器的设备，该设备被配置成用来从多信号的混合信号中分离出至少两个信号，在该设备中不同的混合信号数至少等于待分离的信号数，该设备被配置成包括一个基于一个判据的、为估算分离结构中的参数而对其求极小值的修改判据和一个调整修正项，其特征在于，该修正项被安排成包括一个含有待估算的参数的第一向量；一个含有与真参数有关的可能信息和一权重矩阵的第二向量；和所述第一向量和第二向量之间的差、所述权重矩阵与所述第一向量和第二向量之间的差的共轭转置三者的乘积。
7.一种在图像处理过程中用来提供所希望结构的清晰图像的设备，该设备被配置成用来从多信号的混合信号中分离出至少两个信号，其中不同的混合信号数至少等于待分离的信号数目，该设备被配置成包括一个基于一个判据的、为估算分离结构中的参数而对其求极小值的修改判据和一个调整修正项，其特征在于，该修正项被安排成包括一个含有待估算的参数的第一向量、一个含有与真参数有关的可能信息和一权重矩阵的第二向量；和所述第一向量和第二向量之间的差、权重矩阵和所述第一向量和第二向量之间的差的共轭转置三者的乘积。
全文摘要
一种用来从多信号的混合信号中分离出至少两个信号的方法,该方法包括一个基于一个判据的、为估算分离结构中的参数而对其求极小值的修改判据和一个调整修正项,其特征在于该修正项包括一个含有待估算的参数的第一向量;一个含有与真参数有关的可能信息和一权重矩阵的第二向量;和一个所述第一向量和第二向量之间的差、所述权重矩阵与所述第一向量和第二向量之差的共轭转置三者的乘积。
文档编号H03H21/00GK1277756SQ9881058
公开日2000年12月20日 申请日期1998年9月7日 优先权日1997年9月5日
发明者乌尔夫·林格伦, 霍尔格·布罗曼, 亨里克·萨林 申请人:乌尔夫·林格伦, 霍尔格·布罗曼, 亨里克·萨林