一种源信号提取方法、系统和存储介质与流程

本公开涉及信号处理技术领域，尤其涉及一种用于从混合信号中提取干扰信号的信号处理技术。

背景技术：

在当前信号处理和大数据领域，观察信号的测量经常会受到无用信号的干扰，因此，如何提高所测观察信号的信噪比是一个巨大挑战。同样的问题也出现在录音(如摄影棚录音、助听器、360音频器)、生物医学应用(如脑电波记录、脑成像)以及遥感(如雷达信号、回声定位)等领域。消除这类干扰信号最常用的方法是利用模拟或数字形式的滤波器。但是，有用信号和干扰信号经常共用一个频段，滤波器很难将它们分离开来。

当前分离技术主要是通过选择性调节信号比重的方式来操作听力装置，重点聚焦在如何更有效地计算系数矩阵，或者采用一个方向性麦克风和一个全方向麦克风的组合来增强语音的清晰度，但传统的独立成分分析方法(ica)无法达到理想的效果，对干扰信号的去除效果不理想，而且破坏了ica的准确性。

因此，当前急需一种能有效地将有用信号和干扰信号分离出来的技术。

公开内容

针对上述技术存在的问题，本公开创造性地通过对信号做时域同步化处理等方法，在简化步骤的同时解决了信号分离不彻底的技术问题，达到了极高精度的去除干扰信号的效果。

本公开的一方面是提供一种从多重信号中去除目标干扰信号的方法，该方法包括：

接收一组输入信号，该组输入信号中的每条输入信号既包含有用信号也包含干扰信号；

提高所述输入信号的独立性；

计算提升所述输入信号的独立性所得的系数矩阵；

同步所述输入信号；

将同步后的输入信号分离为含有目标干扰信号的频道和不含目标干扰信号的频道；

智能选择合适的、不含目标干扰信号的频道作为信号输出。

本公开的另一方面是提供一种从多重信号中去除目标干扰信号的系统，该系统包括：

一套用于输入两路或多路信号的输入设备；

处理器；以及

存储计算机可读指令的存储器，当所述处理器执行所述指令时，该处理器可进行：

提升所述输入信号的独立性；

计算在输入通道提升所述输入信号的独立性所得的系数矩阵；

同步所述输入信号；

将同步后的输入信号分离为含有目标干扰信号的频道和不含目标干扰信号的频道；

智能选择合适的、不含目标干扰信号的频道作为信号输出。

另一方面，本公开还提供一种非临时性计算机存储介质，其特征在于，该介质存储有计算机可读指令，当处理器执行该指令时，可实现一种从多重信号中去除目标干扰信号的方法，所述方法包括：

接收一组输入信号，该组输入信号中的每条输入信号既包含有用信号也包含干扰信号；

提升所述输入信号的独立性；

计算提升所述输入信号的独立性所得的系数矩阵；

同步所述输入信号；

将同步后的输入信号分离为含有目标干扰信号的频道和不含目标干扰信号的频道；

智能选择合适的、不含目标干扰信号的频道作为信号输出。

本申请能消除或减弱异步化影响，提高信号源提取性能，即便在有用信号和干扰信号的运动过程中，也能通过持续去除干扰信号从而改善目标信号的感知度。

附图说明

下面将参照附图对本公开的实施方式进行示例而非限制性的描述。附图是示范性的且不受图中表现出来的比例尺的限制。不同附图中相同的或相似的元件采用相同的符号标记。

图1是本公开实施例的一种从多重信号中去除目标干扰信号的方法的流程图；

图2是本公开实施例的同步化输入信号的操作流程图方法一；

图3是本公开实施例的同步化输入信号的操作流程图方法二；

图4是本公开实施例的同步化输入信号的操作流程图方法三；

图5是本公开实施例的同步化输入信号的操作流程图方法四；

图6是本公开的一种用于实现本公开实施例的计算机系统结构示意图；

图7为不同声源至不同传感器的位置示意图；

图8示两个有一定间隔的传感器的信号延迟。

具体实施方式

下文将结合附图详细描述本公开的具体实施例。

图1是本公开实施例的一种从输入信号中去除目标干扰信号的方法1000的流程图。

在步骤100中，首先使用n个信号接收装置接收m个信号源发出的信号，每个信号接收装置接收的混合信号称为该信号接收装置的输入信号。决定每条输入信号(均为m个信号源发出的信号的混合信号)中的一个或多个信号源发出的信号为有用信号，其他为干扰信号。所述信号接收装置可以是传感器或云平台。信号接收装置也可以是输入数据接口，与存储单元相连接，存储单元预先存储有信号数据，输入数据接口从存储单元里接收信号数据。此外，每条输入信号还可以包括多种彼此并不相同的干扰信号。可以理解的是，输入信号中的这些干扰信号也可以是相同的，本公开对此并无特殊限制。例如，在电子监听装置的场景中，电子监听装置通常包含至少两个麦克风，每个麦克风都可用于接收由发声源(有用信号)和环境背景音效(干扰信号)构成的混合信号。由于麦克风通常安放在不同的位置，有用信号和干扰信号被两个或更多的麦克风在相互有间隔的不同位置接收，所以由不同的麦克风接收到的环境背景音效在时域和/或幅度上彼此是有差异的。再比如，在摄影棚录制和/或360音频录制场景中，用两个或更多的麦克风测量音效，由于麦克风通常安放在不同的位置，因此有用信号和干扰信号被两个或更多的麦克风在相互有间隔的不同位置接收，由不同的麦克风接收到的环境背景音在时域和/或幅度上彼此是有差异的。又比如在脑-机接口装置场景中,脑电波设备通常包含至少两个电极，每个电极都可接收包含由脑波源信号和干扰信号构成的混合信号。由于电极通常安放在不同的位置，因此有用信号和干扰噪音被两个或更多的电极在相互有间隔的不同位置接收，由不同的电极接收到的环境噪音在时域和/或幅度上彼此是有差异的。同样的，在水下回波检测场景中，回波接收装置通常包括至少两个传感器，每个传感器都可用于接收来自声源和环境噪音的混合信号。由于传感器通常安放在不同的位置，因此有用信号和干扰信号被两个或更多的传感器在相互有间隔的不同位置接收，由不同的传感器接收到的环境噪音在时域和/或幅度上彼此是有差异的。假设有两个不同的传感器mi，mj和多个不同的信号源s1，s2,…sn,则mi,mj所接收到的信号应由如下公式构成，每个不同的信号源以不同的幅度a及不同的时间延迟传播到传感器mi和mj。

mi＝a1is1(t1+τ1i)+a2is2(t2+τ2i)+…+anisn(tn+τni)

mj＝a1js1(t1+τ1j)+a2js2(t2+τ2j)+…+anjsn(tn+τnj)

同理，其他的传感器接收到的信号亦可以相同公式类推。

为简化表述，如图7所述，为两个传感器和两个信号源在二维空间内的位置。请注意，该图只为简化解释于二维平面内表述，所有位置可拓展至一维、三维或者更高维度的表述。为了更加简化表述，以声学信号为例，假设s1，s2为两个声源，m1，m2为麦克风。假设声音传播速度为v,同时假设该传感器的采样率为fs。因此声源到传感器的传播时间可以用如下公式表示：

tij＝fs*dis{si，mj}/v(1)

在一个随机实施例里，v＝34029cm/s,fs＝44.1khz。

理想情况下，声音的能量会随着距离的增加成反比减少，则可用下列公式表示传感器接收到的声音信号：

具体到图7所述，该公式表述如下，请注意为了简化表述，该公式已将所有常数项简化为1。

由于实际情况中，s1，s2及公式中右边所示的系数矩阵是未知的；公式左半边的m1real和m1real是m1和m2麦克风所接收到的混合信号。下一步，步骤200，分解系数矩阵，将混合信号的一部分还原为有用信号。

在步骤200中，通过分解系数矩阵来提高混合信号的独立性。优选的，通过分解系数矩阵来最大化混合信号的独立性。本实施例的前提假设为：每一个信号源都是相互独立的，然后根据中心极限定理的统计概率理论(即多个独立变量之和的概率统计分布会比每一个独立变量的概率统计分布更趋向于正态分布)，判断实施例混合信号的概率统计分布会比每一个信号源的概率分布更趋向于正态分布。由此，正态在本实施例中，通过尽可能将混合信号的概率分布统计远离正态分布来分解系数矩阵以提高信号源的独立性。具体的，以系数矩阵参数为因变量，设置一目标函数来计算并衡量变量是否接近正态分布，计算得到目标函数收敛的最佳参数，即得出分解参数矩阵。

例如：步骤200选取下列函数作为计算并衡量变量是否接近正态分布的目标函数：

kurt(y)＝e{y⁴}-3(e{y²})²(4)

e{}代表了计算期望值，y为混合信号。当目标函数值为0时，即表明，y的概率分布呈正态分布。当然也可以由其他衡量方式来替代kurtosis作为远离正态分布的标准，本公开对此并没有特定的限制。对于此公式，目标函数可改写为以下公式：

j(y)∝[e{g(y)}-e{g(v)}]²(5)

因此以系数矩阵参数为因变量，以上公式为目标函数，通过牛顿迭代方法寻找到目标函数收敛的最佳参数，即分解参数矩阵。下面简要列出具体计算方法：

1.chooseaninitial(e.g.random)weightvectorw.

2.letw⁺＝e{xg(w^tx)}-e{g′(w^tx)}w

3.letw＝w⁺/||w⁺||

4.ifnotconverged，gobackto2.

其中g为g的导函数。

步骤300，在时域上同步所述输入信号。该步骤可由四种不同的方法实现，结合附图2、3、4、5，本步骤300具体说明如下。

如图2所示，步骤3101是截取干扰信号的两个或更多的离散片段，离散片段的时长控制在n毫秒。若信号为音频信号，n需要大于0.98毫秒，小于20.03毫秒。当时长n控制在这个区间内时，在保证精确度的情况下使得人类听不到回声，因此实时处理效果最好，用户听觉效果最佳。

优选的，步骤3101实时持续截取混合信号的每个的离散片段。此实施例的方法可以实时对信号处理。

然后，针对于每个离散片段区间的混合信号，通过模式识别的方式判断该离散片段是否为目标干扰信号，并提取目标干扰信号。例如，在声学案例中，有两个声源分别为男人和女人，假设目标干扰信号为男声，则该模式识别会对混合信号的每个n毫秒的离散片段做判断是否为男声，若为男声则将该片段提取进行下一步骤，若干扰信号为女声，则将判断为女声的片段提取进行下一步骤。再例如，两个声源分别为人声或非人声。本领域一般技术人员应该明白其他合理的方式也是可行的。

步骤3101的干扰信号的检测过程可以通过在n毫秒内检测到有干扰信号从低电平到高电平(即，干扰信号开始阶跃信号响应或者从高电平到低电平，举个例子，设定男人发出的声音为干扰信号，男人说话时候不需要说完整个词，只需要探测到这个人说话的嗓音出现的n毫秒，即确定其声音为干扰信号。该方法极大的降低了对复杂的信号(例如声音信号)检测过程的要求，因而降低了计算的复杂度及其成本。

在步骤3102中，计算两个检测到的干扰信号片段的离散时间卷积以获取它们的时间延迟。假设两个混合信号分别为x,y，则计算该两个信号之间的相关性公式为：

其中，mx是x的平均值，my是y的平均值，d为时间延迟，此公式的分子部分即为离散时间卷积。

通过不同d，即不同时间延迟的选取，其相关性公式为：

基于此，在r(d)中选取最大值产生时的那个d即为时间延迟。

在步骤3103中，基于获取的时间延迟d同步化处理所述输入信号。例如，如果从第一输入信号f1(t)中检测到的第一干扰信号和从第二输入信号f2(t)中检测到的第二干扰信号的时间延迟记作δ，则第一输入信号f1(t)被延迟时间δ，即修正成f1(t-δ)，由此与第二输入信号f2(t)同步。在另一实施例中，如果从第一输入信号f1(t)中检测到的干扰信号和从第二输入信号f2(t)中检测到的干扰信号的时间延迟记作-δ，则第一输入信号f1(t)被同步为f1(t+δ)。由于此实施例中持续地实时监测干扰信号片段，此方法可以在信号源和传感器不同移动或者相对移动时，不停地更新迭代时间延迟，动态地跟踪干扰信号的变化。

参见图3，步骤3201中，由于多个传感器被安放在不同的位置，因此干扰信号被两个或更多的传感器在相互有间隔的不同位置接收。此实施例是先行计算各个干扰信号相对于传感器的位置，即各个干扰信号的相对延迟；然后根据各个干扰信号的相对延迟选取一个干扰信号。其中，选取一个干扰信号也可以由用户实时选择。

优选的，假设信号源到传感器1之间的距离为d1,到传感器2之间的距离为d2,信号采样率为fs，信号传播速度为v。其相对延迟dir的计算公式如下：

dir＝fs*(d1-d2)/v(8)

假设传感器之间的距离为d，最大的方向max(dir)由如下公式计算得到：

max(dir)＝fs*d/v(9)

若上述结果不是整数，采取四舍五入法取得整数。则所有的方向有：-max(dir),…,-1,0,1,…,max(dir)。

详见图8中距离描述的方向，假设采样率(fs)为48khz，两个传感器(在本例子中为声学信号，所以此传感器为麦克风)之间的距离(d)为2.47cm,声音在空气中传播的速度(v)为340m/s，所以最大的延时为3。则可以分为7块区域，分别为延时为-3、-2、-1、0、1、2、3。在图8例子中，如预设干扰信号来自延时为-3的区域，则将延时固定为-3。

参见图3，步骤3202中，根据用户实时选择的干扰信号区域或者预设的干扰信号区域，提取时间延迟。

参见图3，步骤3203中，根据3202提取的时间延迟做同步化处理，同3103步骤。

参见图4，此实施例是选择来自所有相对延迟的干扰信号。在步骤3301中，根据不同的信号(如声音)，传感器距离，信号传播速度进行分析计算所有的时间延迟。

参见图4，在步骤3302中，提取所有可能的时间延迟τ1,τ2,…,τn,

参见图4，在步骤3303中，对每一个不同的时间延迟分别重复做步骤3103中的同步化处理。

参见图5，在步骤3401中，通过用户实时选择或者预设的有用信号方向。

参见图5，在步骤3402中，计算这些方向的时间延迟。

参见图5，基于图4得到的所有信号方向的方法中，在步骤3403中，将这些有用信号的时间延迟在所有可能的方向中排除，对剩余的每一个不同的时间延迟分别重复做步骤3103中的同步化处理。再次参见图1，在步骤400中，同步后的输入信号分离为含有目标干扰信号的频道和不含目标干扰信号的频道。优选的，步骤400是通过同步化的信号矩阵和步骤200确定的系数矩阵的乘法运算来实现的。

举例来说，参见步骤100的例子，假设混合信号组成如下：

通过步骤200得出的系数矩阵之后，与同步化后的信号矩阵相乘，公式如下：

由该公式可知，将产生两个频道，其中一个频道

换言之，该频道由包含96％的s2和4％的s1，如果目标干扰信号为s1的话，该频道就该被选中而输出。因此，在此例，同步化的分离效果达到了96％。

如何在此两个频道中选择，会在步骤500中展开。

同理，若目标干扰信号为s2的话，则将同步s2的混合信号与系数矩阵相乘。同时选择合适的频道输出。

参见图1，在步骤500中，基于步骤400中得到的两个频道，可以根据不同的信号相对能量来选择，选择信号能量相对较低的那个频道为输出频道。信号能量的计算方法可以是该信号的均方根值。该选择过程运用到从步骤500中得到的含有目标干扰信号的频道和不含目标干扰信号的频道中。

进一步地，在图4和5的实施例中，将会在不同的时间延迟中产生一个输出频道，在图4的实施例中，基于特征检测选择最优频道作为信号输出(如产生频道中的目标干扰信号成分最少的频道)；在图5的实施例中可以根据信号能量选择最优频道作为信号输出(如产生频道中目标干扰信号能量最低的频道)。

优选的，在步骤500分离了干扰信号之后，还可以包括对分离后的有用信号和干扰信号进一步处理的步骤，比如做频域增强。例如，在助听器应用中，可以将分离后的有用音频信号做个性化频域增强。

在一个实施例里，本公开提供一种装置，其包括处理器，和人工交互界面。该装置还可以包括但不局限于存储器，控制器，输入输出模块，信息接收模块。处理器用于执行上述步骤100,200,3201-3203(或者3401-3403)，和400，500，及频域增强(可选的)。用户通过人工交互界面实时来选择他希望那个区域为干扰信号区域。人工交互界面包括但不仅限于语音接收模块，传感器，视频接收模块。触控屏，键盘，按钮，旋钮，投影界面，虚拟3d界面。用户通过人工交互界面实时选择的方式包括通过语音指令，通过用户的不同姿势或动作，通过选择不同标识的区域。人工交互界面为触控屏时，用户可以点击其中某个区域，该公开提供一种用户可控可选择的去除干扰信号的机器，并且可以实时地对延迟进行调整。

上述步骤100-400可能以不同于附图中描述的先后顺序出现。例如，步骤100和步骤300的第二个实施例(即3201-3203)的顺序可以互相调换。再例如，在实际应用中，根据具体涉及的功能，步骤100-400中的任意两个步骤可能平行执行或以相反的顺序执行。

优选的，步骤200在步骤300前实施，即先计算系数矩阵，然后在时域上同步化输入信号。这么做的好处在于，不需要根据不同的时间延迟，都重新计算一次系数矩阵。如此可以大量节约计算量。尤其是在图4和图5所描述的实施例中，只需要计算一次系数矩阵，就可以得到结果。同时，本公开通过进行大量的实验得出结论：同步化之后的混合信号计算出的系数矩阵和原始混合信号计算出的系数矩阵相差无几。因此，这种方法在不损失系数矩阵的精度的同时大量节约了计算量。

优选的，在步骤100中，在使用m个信号接收装置接收n个输入信号之后，根据判断条件决定是否去除多个信号接收装置中一个或多个信号接收装置所接收的输入信号。

在某个实施例里，输入信号是声学信号，信号接收装置为声学信号接收装置(例如麦克风)。判断条件为fs*x/v<l/3时候(其中l为截取的离散信号长度，x为任意两个声学信号接收装置的距离，v为信号传播速度，fs为采样率)，将两个声学信号接收装置中的其中一个所接收到的声学信号去除。本实施例在不影响模式识别的精确性的同时减少了需要计算的数据量，提高了计算效率，降低了功耗。

所述信号包括音频信号、图像信号、电磁信号、脑电波信号、电信号、无线电波信号及其他形式的可被传感器接收的信号，本公开对此并无特定的限制。

本公开可极大地提升目标信号的感知度同时降低运算成本。此外，本公开输入信号在时域上经过了同步化处理，因此本公开的方法最小化了频率失真。

图6是本公开的一种适用于实现上述实施方式的计算机系统3000的结构示意图。

如图6所示，该计算机系统3000包括中央处理器(cpu)3001，该处理器能根据储存在电可编程只读存储器(eprom)3002或随机存取存储器(ram)3003上的程序指令执行各种适宜的操作和流程。随机存取存储器(ram)3003上还可以存储运行所述系统3000的必要程序和数据。所述中央处理器(cpu)3001、电可编程只读存储器(eprom)3002和随机存取存储器(ram)3003通过总线3004相互连接。所述总线3004还连接有输入/输出(i/o)接口3005。所述总线3004还连接有直接存储器存取接口3004以便加快数据交换。

所述输入/输出(i/o)接口3005还连接有下列元件：可移动数据存储器3007，包括usb存储器，固态硬盘等；无线数据传输线路3008，包括局域网(lan),蓝牙，近场通信设备(nfc)；以及与数据输入通道2010和数据输出通道3011相连接的信号变换器3009。根据本公开的另一实施例，上述流程图涉及的过程可由与所述计算机系统3000相似的不带键盘、鼠标和硬盘的嵌入式计算机系统实现。无线数据传输线路3008或可移动数据存储器3007有利于程序的更新升级。

其中，上述处理器可以为云端处理器，存储器可以为云端存储器。

进一步地，根据本公开的又一实施例，上述流程图涉及的过程可由计算机软件程序实现。例如，本公开实施例提供一种计算机程序产品，其包括存储于有形的机读介质中的计算机程序，该程序包括执行流程图中所示方法的程序代码。在本实施例中，所述计算机程序可通过无线数据传输线路3008下载和安装，以及/或者从可移动介质3007安装。

附图中的流程图和方框图阐释了本公开不同实施例中系统、方法及计算机程序产品的构架、功能及操作的实现过程。就此而言，流程图和方框图中的每一个方框代表一种模块、程序段或代码单元。所述模块、程序段或代码单元包含一个或多个用于实现指定的逻辑功能的可执行指令。需要指出的是，在某些优选实施例中，模块表示的功能可能以不同于附图中描述的先后顺序出现。例如，在实际应用中，根据具体涉及的功能，相连的两个方框所示的操作可能平行执行或以相反的顺序执行。同时需要说明的是，流程图和/或方框图中的每一个方框或其组合可通过一个专用的、以硬件为基础的、可执行特定功能或运算的体系实现，或通过专用软件和计算机指令的组合实现。

本公开实施例中涉及的单元或模块可通过软件或硬件实现，所述单元或模块可安装在处理器中。所述单元或模块的名称不应该对单元或模块的自身造成限定。

另一方面，本公开还提供一种计算机可读存储介质。所述计算机可读存储介质可以是安装在上述实施例应用的仪器设备中的计算机可读存储介质，也可以是独立的并不装配于仪器设备中的计算机可读存储介质。所述计算机可读存储介质存储一个或多个程序，所述程序由一个或多个处理器执行以实现本公开的从噪音信号中分选目标信号的方法。

以上内容是结合具体的优选实施方式对本公开所作的进一步详细说明，不能认定本公开的具体实施只局限于这些说明。对于本公开所属技术领域的普通技术人员来说，在不脱离本公开构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本公开的保护范围。