一种改进的自适应盲源分离方法

文档序号:7795431
一种改进的自适应盲源分离方法
【专利摘要】针对现有技术中还没有一种能够有效地解决收敛速度与串音误差之间矛盾的盲源分离方案这一缺陷,本发明提供了一种改进的自适应盲源分离方法NVS-NGA,首先对传统分离系统的结构进行改进,再对盲源分离的性能指标进行改进,以改进的分离性能指标为自变量,以瑞利分布函数为因变量,以瑞利分布函数为变步长函数。与传统盲源分离方法相比,本方法可以从接收到的混合信号进行快速有效分离出原始信号,且有效地解决了收敛速度与串音误差之间的矛盾,不仅收敛速度快、串音误差小,而且稳定性强,在无线通信、图像处理、语音信号处理等方面均有广泛的应用前景。
【专利说明】一种改进的自适应盲源分离方法
【技术领域】
[0001]本发明属于信号处理【技术领域】,尤其是涉及一种改进的自适应盲源分离方法。
【背景技术】
[0002]盲源分离是指在信号的理论模型和源信号无法精确获知的情况下,如何从混迭信号(观测信号)中分离出各源信号的过程。盲源分离(Blind Source Separation, BSS)的基本任务是在源信号未知以及源信号的混合方式也未知的情况下,从一组接收到的观测信号中恢复出源信号,在人脸识别、语音信号处理、生物医学信号处理、卫星及微波通信等方面具有巨大的应用潜力。盲源分离方法可分为批处理方法以及自适应方法两大类。与批处理方法相比,自适应方法能够实时跟踪信号变化。
[0003]传统自适应盲源分离系统,简称为传统分离系统,如图1所示。传统分离系统是由未知非奇异混合矩阵A与分离矩阵W(k)串联构成;由M个互相独立的源信号S(k) = [si(k),s2(k),…,sM(k)]T经过一个未知非奇异混合矩阵A进行混合得到观测信号X(k) = [xi(k),x2 (k), - ,xM(k)]T,xM(k)是第M个观测信号。在忽略传输延迟效应和噪声时,得
[0004]X (k) =AS (k)(I)
[0005]式中,A是MXM维矩阵。盲源分离的目标是在仅知道观测信号X(k)时,通过迭代得到一个满秩的分离矩阵w(k)后,从观测信号X(k)中得到分离信号Y(k)
[0006]Y(k)=ff(k)X(k)(2)
[0007]式中,Y(k)是对源信号S (k)的一个估计,为MX I维矩阵;W(k)是MXM维矩阵。
`[0008]利用互信息和信息熵的关系,将分离系统的代价函数定义为
[0009]Ak)= HiyJk)) - ln|det(『卩))| = -f>(ln /7,,( v,?(/c))) — ln|det(fF(^r))|(J)




OT = I
[0010]式中,H(ym(k))为分离信号向量Y(k)中第m个分离信号ym(k)的熵,py(ym(k))为分离信号向量Y (k)中第m个分离信号ym(k)的边缘概率密度,E表示数学期望运算,In表示以e为底的自然对数,det表示取W(k)的行列式。当分离系统的代价函数J(k)为极小时,最佳的分离矩阵W(k)能使分离信号向量Y(k)中各分量彼此独立。利用概率密度的Edgeworth展开并取到四阶累积量,则
[0011]
II⑷)~ Il V (.1.,,, (/<)) -+ 士 cum: (.<(々))
124ο/.\
L(4)

+^cum4(y:,(/f)) - ^cum2 (v: _醒(穴(k))
[0012]式中,HN(ym(k))服从正态分布,与ym(k)具有相同的均值和方差,设ym(k)的均值为零、方差为l,HN(ym(k))中的下标N表示正态分布,则//w(.v?,(/c)) = |ln(2;re),cum表示ym(k)的累积量运算;[0013]把H(yi(k))代入J(k),J(k)对W(k)中第i行和第j列元素WijGO的随机梯度为
【权利要求】
1.一种改进的自适应盲源分离方法,其特征在于:基于改进的自适应盲源分离系统实现,所述改进的自适应盲源分离系统包括混合矩阵A、分离矩阵W(k)、以及与分离矩阵W (k)并联的逆系统Wa (k),所述Wa (k)与非奇异混合矩阵A的逆A—1近似,所述盲源分离方法包括如下步骤: 步骤A,M个未知且彼此独立的源信号S (k) = [S1 (k),S2 (k),…,sM (k) ]τ经过改进分离系统中未知非奇异混合矩阵A进行混合得到观测信号X (k) = [X1 (k),x2 (k),…,xM(k) ]τ ;在忽略传输延迟效应和噪声时,得到X (k) =AS (k),k为时间序列,上标T表示共轭转置;M为正整数,表示S(k)中分量的个数;A是MXM维矩阵; 步骤B,将步骤A得到的观测信号X (k) = [X1 (k),X2 (k),…,xM (k) ]τ同时送入改进分离系统中分离矩阵W(k)和Wa(k),分别得到分离信号Y(k)=W(k)X(k)和Ya(k)=Wa(k)X(k),其中Y(k)是MXl维向量,为源信号S(k)的一个估计,其分量相互独立;W(k)是改进分离系统中一个MXM维满秩的最终分离矩阵;Wa(k)的逆》?—1(卟是对改进分离系统中未知非奇异混合矩阵A的最终估计;W(k)与Wa(k)的维数相同,上标“-1”表示取逆操作; 其中分离矩阵W(k)和1(10的更新公式为:
2.根据权利要求1所述的改进的自适应盲源分离方法,其特征在于:改进分离系统的初始矩阵为w (O)和Wa (ο),其中m > 1,改进分离系统的初始全局矩阵Cc(O)=P(O)I1(O)。
3.根据权利要求1或2所述的改进的自适应盲源分离方法,其特征在于:所述f(Y(k))=Y3(k)。
4.根据权利要求1或2所述的改进的自适应盲源分离方法,其特征在于:所述分离矩阵W(k)和Wa(k)的更新公式通过如下步骤获得: 步骤a,利用互信息和信息熵的关系,将分离系统的代价函数定义为
【文档编号】H04L25/03GK103763230SQ201410022179
【公开日】2014年4月30日 申请日期:2014年1月17日 优先权日:2014年1月17日
【发明者】郭业才, 张政, 柏鹤, 黄友锐 申请人:南京信息工程大学
再多了解一些
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1