基于块分割的欠定盲源分离混合矩阵估计方法
【专利摘要】本发明公开了一种基于块分割的欠定盲源分离源混合矩阵估计方法。本发明首先获取采样信号向量，然后提取高能量采样信号向量并归一化，构造二维坐标平面并分割坐标纵轴，然后统计提取出包含聚类中心的子区间，取该子区间的中点值作为聚类中心的纵坐标，进而得到聚类中心的坐标值，最终获得欠定盲源分离混合矩阵。本发明克服了现有技术存在的在源信号非充分稀疏条件下的欠定盲源分离混合矩阵估计精度差和时间复杂度高的缺点，使得本发明适用于源信号非充分稀疏条件下的欠定盲源分离，并且具有能保持较快速度和较高精确度估计出欠定盲源分离混合矩阵的优点。
【专利说明】
基于块分割的欠定盲源分离混合矩阵估计方法
技术领域
[0001] 本发明属于通信技术领域，更进一步涉及信号处理技术领域中的一种基于块分割 的欠定盲源分离混合矩阵估计方法。本发明可以在传输信道参数未知且观测信号数目小于 源信号数目的情况下，利用基站天线接收的观测信号实现欠定盲源分离混合矩阵的估计。
【背景技术】
[0002] 现有的欠定盲源分离混合矩阵估计方法主要是聚类法，将观测信号归一化后投影 到坐标平面，通过聚类算法找出聚类中心，然后估计出混合矩阵。但是，在源信号非充分稀 疏的条件下，利用现有的聚类算法进行欠定盲源分离混合矩阵的估计误差较大，时间复杂 度也较高。因此，研究适用于源信号非充分稀疏条件下的欠定盲源分离混合矩阵估计，同时 兼顾混合矩阵估计精度和时间复杂度的方法成为欠定盲源分离中亟待解决的问题。
[0003] 高礼等人在其发表的论文"欠定盲源分离混合矩阵估计的进化规划策略"（《软件 导刊》，2016年第02期）中提出了一种利用进化规划思想进行混合矩阵的估计。该方法先检 测出观测数据时频散点图中的单源点，然后利用进化规划算法对这些单源点数据进行聚类 分析，提高了混合矩阵估计的精度。但是，该方法仍然存在的不足之处是，该方法在源信号 非充分稀疏条件下估计精度较差，在实际应用中很难保证以较高的精度实现源信号非充分 稀疏条件下的欠定盲源分离混合矩阵估计。
[0004] 李宁等人在其发表的论文"欠定条件下弱稀疏源信号混合矩阵盲估计"（《数据采 集与处理》，2015年第4期）中提出了一种针对源信号非充分稀疏条件下的混合矩阵盲估计 方法。该方法通过对观测信号频率峰值的幅值比值所构成的列向量进行聚类，然后采用遗 传模拟退火聚类算法来进行混合矩阵估计，实现了在源信号非充分稀疏条件下的欠定盲源 分离混合矩阵估计，提高了混合矩阵估计的鲁棒性。但是，该专利仍然存在的不足之处是， 需要对观测信号矩阵进行傅里叶变化，并且需要进行迭代运算，时间复杂度高。
【发明内容】
[0005] 本发明的目的在于针对上述现有技术存在的不足，提出一种基于块分割的欠定盲 源分离混合矩阵估计方法。本发明可以实现源信号非充分稀疏条件下的欠定盲源分离混合 矩阵的估计，提高混合矩阵估计的精确度，同时降低时间复杂度，兼顾混合矩阵估计的精确 度和时间复杂度。
[0006] 实现本发明目的的具体思路是:在二维坐标平面表示出观测点，通过统计并筛选 找到坐标平面观测点密集且独立的位置，认定该位置包含聚类中心。然后计算聚类中心的 坐标，最终获得欠定盲源分离混合矩阵。
[0007] 实现本发明目的的具体步骤如下：
[0008] (1)基站接收信号：
[0009] 基站利用两根天线同时接收来自多个信号源的不同信号；
[0010] (2)构造采样信号向量：
[0011] (2a)基站对两根天线的接收信号在T时刻采样一次，将第一根和第二根天线每次 采样的采样值作为向量元素，构造一个采样信号向量；
[0012] (2b)基站对两根天线的接收信号在T时刻多次采样，构造多个采样信号向量；
[0013] (3)提取高能量采样信号向量：
[0014] (3a)按照下式，计算每个采样信号向量的能量：
[0016]其中，E[x(k)]表示第k次采样得到的采样信号向量的能量，k=l，2,. . .K，K表示总 的采样次数;表示开根号操作；I ? I2表示取绝对值的平方操作;x(k)表示第k次采样得到 的采样信号向量，X1(k)表示第一根天线的第k次采样值， X2(k)表示第二根天线的第k次采样 值；
[0017] (3b)按照下式，计算所有采样信号向量的平均能量：
[0019] 其中，Earer表示所有采样信号向量的平均能量，E[x(l)]表示第一次采样得到的采 样信号向量的能量，E[x(2)]表示第二次采样得到的采样信号向量的能量，E[x(K)]表示第K 次采样得到的采样信号向量的能量，K表示总的采样次数；
[0020] (3c)将提取的所有采样信号向量能量中高于采样信号向量平均能量十分之一的 采样信号向量，存入高能量采样信号向量；
[0021] (4)高能量采样信号向量归一化：
[0022] (4a)按照下式，计算高能量采样信号向量中第一个元素的归一化值：
[0024] 其中，
xSU)表示第n个高能量采样信号向量中第一个元素的归一化值，n=l， 2, ...，N，N表示总的高能量采样信号向量的个数，X1(n)表示第n个高能量采样信号向量的 第一个元素，x(n)表示第n个高能量采样信号向量，|卜| |2表示2范数操作；
[0025] (4b)按照下式，计算高能量采样信号向量中第二个元素的归一化值：
[0027] 其中，Wn)表示第n个高能量采样信号向量中第二个元素的归一化值，n=l， 2, ...，N，N表示总的高能量采样信号向量的个数，X2(n)表示第n个高能量采样信号向量的 第二个元素，x(n)表示第n个高能量采样信号向量，|卜| |2表示2范数操作；
[0028] (4c)按照下式，计算归一化后的高能量采样信号向量：
[0029] X'（n) = [X'i(n)，x'2(n)]T
[0030] 其中，xln)表示第n个归一化后的高能量采样信号向量，x'Kn)表示第n个高能量 采样信号向量中第一个元素的归一化值，n=l，2, ...，N，N表示总的高能量采样信号向量的 个数，Wn)表示第n个高能量采样信号向量中第二个元素的归一化值，T表示转置操作； [0031 ] (5)构造二维坐标平面并分割坐标纵轴：
[0032] (5a)以高能量采样信号向量中第一个元素的值为横坐标，高能量采样信号向量中 第二个元素的值为纵坐标，构造一个二维坐标平面；
[0033] (5b)以第n个高能量采样信号向量中第一个元素的归一化值作为第n个观测点的 横坐标，以第 n个高能量采样信号向量中第二个元素的归一化值作为第n个观测点的纵坐 标，在二维坐标平面上画出第n个观测点；其中，n = l，2, ...，N，N表示总的高能量采样信号 向量的个数；
[0034] (5c)将二维坐标纵轴上的(_1，1)区间分成多个大小相等的子区间；
[0035] (6)统计各子区间范围内的观测点个数：
[0036] 统计观测点纵坐标值在第i个子区间范围内的观测点个数，i = 1，2, . . .M，M表示总 的子区间个数；
[0037] (7)提取聚类中心子区间：
[0038] (7a)找出子区间范围内的观测点个数大于门限值并且大于相邻两个子区间范围 内观测点个数的子区间，将该子区间存入极大值向量；
[0039] (7b)在极大值向量中找出子区间与相邻的两个子区间距离都大于门限值的子区 间，将该子区间存入聚类中心待选向量；
[0040] (7c)在极大值向量中找出子区间只与相邻的一个子区间距离大于门限值，同时子 区间范围内观测点个数大于相邻的另一个子区间范围内观测点个数的子区间，将该子区间 存入聚类中心待选向量；
[0041] (7d)在极大值向量中找出子区间与相邻的两个子区间距离都小于门限值，同时子 区间范围内观测点个数都大于相邻的两个子区间范围内观测点个数的子区间，将该子区间 存入聚类中心待选向量；
[0042] (7e)将聚类中心待选向量中的所有子区间，按照子区间范围内观测点个数的大 小，从大到小进行排序；
[0043] (7f)取出排序的前Q个子区间，得到聚类中心子区间；
[0044] (8)计算聚类中心坐标值：
[0045] (8a)将聚类中心子区间中第i个子区间的中点值作为第i个聚类中心的纵坐标值， i = l，2,. . .Q，Q表示信号源的个数；
[0046] (8b)按照下式，计算聚类中心的横坐标值：
[0047] x^^l-yj2
[0048]其中，Xi表示第i个聚类中心的横坐标值，yi表示第i个聚类中心的纵坐标值，i = l， 2,. . .Q，Q表不信号源的个数，表不开根号操作，? 2表不平方操作；
[0049] (9)将所有的聚类中心坐标值组成欠定盲源分离混合矩阵如下： X0 X0 ^
[0050] "... ^ Inv, y〇)
[0051 ]其中，X1表示第一个聚类中心的横坐标值，yi表示第一个聚类中心的纵坐标值;X2 表示第二个聚类中心的横坐标值，y2表示第二个聚类中心的纵坐标值;XQ表示第Q个聚类中 心的横坐标值， yQ表示第Q个聚类中心的纵坐标值，Q表示信号源的个数。
[0052]本发明与现有技术相比具有以下优点：
[0053]第一，由于本发明采用了分割坐标纵轴并统计各子区间观测点个数后筛选子区间 的方法来寻找聚类中心的位置，克服了现有技术中欠定盲源分离混合矩阵估计易受孤立观 测点和误差影响的缺点，使得本发明能够适用于源信号非充分稀疏条件下的欠定盲源分离 混合矩阵估计，同时提高欠定盲源分离混合矩阵估计的精度。
[0054] 第二，由于本发明选取包含聚类中心的子区间的中点值作为聚类中心的纵坐标， 没有迭代运算，克服了现有技术中欠定盲源分离混合矩阵估计时间复杂度高的问题，使得 本发明能快速的进行欠定盲源分离混合矩阵估计。
【附图说明】
[0055] 图1是本发明的流程图；
[0056]图2是本发明的仿真图；
【具体实施方式】
[0057]以下将结合附图对本发明做进一步的描述。
[0058]参照附图1，本发明的实施步骤如下：
[0059]步骤1，基站接收信号。
[0060] 基站利用两根天线同时接收来自多个信号源的不同信号。
[0061] 步骤2，构造采样信号向量。
[0062] 第1步，基站对两根天线的接收信号在T时刻采样一次，将第一根和第二根天线每 次采样的采样值作为向量元素，构造一个采样信号向量；
[0063]第2步，基站对两根天线的接收信号在T时刻采样2000次，构造多个采样信号向量。 [0064]步骤3,提取高能量采样信号向量。
[0065]第1步，按照下式，计算每个采样信号向量的能量：
[0067] 其中，E[x(k)]表示第k次采样得到的采样信号向量的能量，k=l，2，. . .2000，^" 表示开根号操作；I ? I2表示取绝对值的平方操作;x(k)表示第k次采样得到的采样信号向 量，X1(k)表示第一根天线的第k次采样值， X2(k)表示第二根天线的第k次采样值；
[0068] 第2步，按照下式，计算所有采样信号向量的平均能量：
[0070] 其中，Earer表示所有采样信号向量的平均能量，E[x(l)]表示第一次采样得到的采 样信号向量的能量，E[x(2)]表示第二次采样得到的采样信号向量的能量，E[x(2000)]表示 第2000次采样得到的采样信号向量的能量；
[0071] 第3步，将提取的所有采样信号向量能量中高于采样信号向量平均能量十分之一 的采样信号向量，存入高能量采样信号向量。
[0072]步骤4,高能量采样信号向量归一化。
[0073]第1步，按照下式，计算高能量采样信号向量中第一个元素的归一化值：
[0075] 其中，xSU)表示第n个高能量采样信号向量中第一个元素的归一化值，n=l， 2, ...，N，N表示总的高能量采样信号向量的个数，X1(n)表示第n个高能量采样信号向量的 第一个元素，x(n)表示第n个高能量采样信号向量，|卜| |2表示2范数操作；
[0076] 第2步，按照下式，计算高能量采样信号向量中第二个元素的归一化值：
[0078] 其中，Wn)表示第n个高能量采样信号向量中第二个元素的归一化值，n=l， 2, ...，N，N表示总的高能量采样信号向量的个数，X2(n)表示第n个高能量采样信号向量的 第二个元素，x(n)表示第n个高能量采样信号向量，|卜| |2表示2范数操作；
[0079] 第3步，按照下式，计算归一化后的高能量采样信号向量：
[0080] x7 (n) = [x,i(n),x/2(n)]T
[0081]其中，xln)表示第n个归一化后的高能量采样信号向量，x'Kn)表示第n个高能量 采样信号向量中第一个元素的归一化值，n=l，2, ...，N，N表示总的高能量采样信号向量的 个数，Wn)表示第n个高能量采样信号向量中第二个元素的归一化值，T表示转置操作。
[0082] 步骤5，构造二维坐标平面并分割坐标纵轴。
[0083] 第1步，以高能量采样信号向量中第一个元素的值为横坐标，高能量采样信号向量 中第二个元素的值为纵坐标，构造一个二维坐标平面；
[0084]第2步，以第n个高能量采样信号向量中第一个元素的归一化值作为第n个观测点 的横坐标，以第n个高能量采样信号向量中第二个元素的归一化值作为第n个观测点的纵坐 标，在二维坐标平面上画出第n个观测点；其中，n = l，2, ...，N，N表示总的高能量采样信号 向量的个数；
[0085]第3步，将二维坐标纵轴上的（-1，1)区间分成200个大小相等的子区间。
[0086] 步骤6，统计各子区间范围内的观测点个数。
[0087] 统计观测点纵坐标值在第t个子区间范围内的观测点个数，t = l，2, .. .200。
[0088] 步骤7,提取聚类中心子区间。
[0089] 第1步，找出子区间范围内的观测点个数大于35并且大于相邻两个子区间范围内 观测点个数的子区间，将该子区间存入极大值向量；
[0090] 第2步，在极大值向量中找出子区间与相邻的两个子区间距离都大于0.05的子区 间，将该子区间存入聚类中心待选向量；
[0091] 第3步，在极大值向量中找出子区间只与相邻的一个子区间距离大于0.05,同时子 区间范围内观测点个数大于相邻的另一个子区间范围内观测点个数的子区间，将该子区间 存入聚类中心待选向量；
[0092]第4步，在极大值向量中找出子区间与相邻的两个子区间距离都小于0.05,同时子 区间范围内观测点个数都大于相邻的两个子区间范围内观测点个数的子区间，将该子区间 存入聚类中心待选向量；
[0093] 第5步，将聚类中心待选向量中的所有子区间，按照子区间范围内观测点个数的大 小，从大到小进行排序；
[0094] 第6步，取出排序的前3个子区间，得到聚类中心子区间。
[0095] 步骤8,计算聚类中心坐标值。
[0096] 第1步，将聚类中心子区间中第i个子区间的中点值作为第i个聚类中心的纵坐标 值，i = l，2,3;
[0097] 第2步，按照下式，计算聚类中心的横坐标值：
[0098] x,二小-y严
[0099] 其中，Xi表示第i个聚类中心的横坐标值，yi表示第i个聚类中心的纵坐标值，i = l， 2,3，^/~表不开根号操作，? 2表不平方操作。
[0100] 步骤9,将所有的聚类中心坐标值组成欠定盲源分离混合矩阵如下： (X .V, X, ^
[0101] ~ In V3J
[0102] 其中，X1表示第一个聚类中心的横坐标值，yi表示第一个聚类中心的纵坐标值;X2 表示第二个聚类中心的横坐标值，y2表示第二个聚类中心的纵坐标值;X3表示第三个聚类中 心的横坐标值，y 3表示第三个聚类中心的纵坐标值。
[0103] 下面结合仿真图对本发明做进一步的描述。
[0104] 1.仿真条件：
[0105] 本发明的仿真实验是在硬件环境为Pentium(R)Dual-Core CPU E530002.60GHz， 软件环境为32位Windows操作系统的条件下进行的。
[0106]仿真参数设置为，使用Matlab软件产生随机源信号，源信号数目为3,观测信号数 目为2,采样个数为2000。分别对现有的势函数算法、K-均值算法和本发明提出的算法进行 仿真。
[0107] 2.仿真内容与结果分析：
[0108] 本发明的仿真实验是使用本发明、现有的势函数算法和K-均值算法对混合矩阵进 行估计，比较混合矩阵的每列平均估计误差。混合矩阵每列平均估计误差定义为： V e(A,Ar) = ￡ a,-a'，其中，A表示混合矩阵，Y表示估计的混合矩阵，2表示求和操作， N为混合矩阵的列数，i表示混合矩阵的其中一列，&1为混合矩阵的第i列，a、为估计出的混 合矩阵的第i列，I I ? I |2表示向量的2范数操作。
[0109] 图2(a)是采用本发明和现有技术的两个方法(K-均值算法和势函数算法)在稀疏 度为0.9的情况下，分别对混合矩阵进行估计得到的混合矩阵每列平均估计误差的比较图。 图2(a)中的横坐标表示信噪比，纵坐标表示混合矩阵每列平均估计误差。混合矩阵每列平 均估计误差越大表示混合矩阵的估计精度越低。图2(a)中以星型、正方形、三角形标示的曲 线分别表示本发明、K-均值算法、势函数算法所得到的混合矩阵每列平均估计误差随信噪 比变化的曲线。
[0110] 图2(b)是采用本发明和现有技术的两个方法(K-均值算法和势函数算法)在噪声 为20dB的情况下，分别对混合矩阵进行估计得到的混合矩阵每列平均估计误差的比较图。 图2(b)中的横坐标表示稀疏系数，纵坐标表示混合矩阵每列平均估计误差。混合矩阵每列 平均估计误差越大表示混合矩阵的估计精度越低。图2(b)中以星型、正方形、三角形标示的 曲线分别表示本发明、K-均值算法、势函数算法所得到的混合矩阵每列平均估计误差随稀 疏系数变化的曲线。
[0111] 表1是采用本发明和现有技术的两个方法(K-均值算法和势函数算法)在稀疏度为 0.9的情况下，分别对混合矩阵进行估计得到的运算时间比较图。运算时间单位为秒。结果 如表1所示。
[0112] 表1，不同信噪比条件下三种算法的运算时间
[0114] 由图2(a)可见，在信噪比为12dB与20dB范围内，本发明所得到的混合矩阵每列平 均估计误差均低于K-均值算法和势函数算法所得到的混合矩阵每列平均估计误差。
[0115] 由图2(b)可见，在稀疏系数为0.5与0.9范围内，本发明所得到的混合矩阵每列平 均估计误差均低于K-均值算法和势函数算法所得到的混合矩阵每列平均估计误差。
[0116] 由表1可见，本发明算法在计算时间上远低于另外两种方法，特别是在信噪比较低 时本发明优势明显。
[0117] 综上所述，在源信号充分稀疏和低信噪比情况下，本发明在时间复杂度和精度方 面均优于现有技术;在源信号非充分稀疏的情况下，本发明能够在保持较低时间复杂度的 同时，显著提高矩阵估计的精度。因此，本发明可以适用于源信号非充分稀疏条件下的盲源 分离矩阵估计，同时兼顾估计精度和时间复杂度。
【主权项】
1. 一种基于块分割的欠定盲源分离混合矩阵估计方法，包括如下步骤： (1) 基站接收信号： 基站利用两根天线同时接收来自多个信号源的不同信号； (2) 构造采样信号向量： (2a)基站对两根天线的接收信号在T时刻采样一次，将第一根和第二根天线每次采样 的采样值作为向量元素，构造一个采样信号向量； (2b)基站对两根天线的接收信号在T时刻多次采样，构造多个采样信号向量； (3) 提取高能量采样信号向量： (3a)按照下式，计算每个采样信号向量的能量：其中，E[x(k)]表示第k次采样得到的采样信号向量的能量，k=l，2, . . .K，K表示总的采 样次数;表示开根号操作；I · I2表示取绝对值的平方操作;x(k)表示第k次采样得到的采 样信号向量，Xi (k)表不第一根天线的第k次米样值，X2 (k)表不第二根天线的第k次米样值； (3b)按照下式，计算所有采样信号向量的平均能量：其中，Earer表示所有采样信号向量的平均能量，E[x(l)]表示第一次采样得到的采样信 号向量的能量，E[x(2)]表示第二次采样得到的采样信号向量的能量，E[x(K)]表示第K次采 样得到的采样信号向量的能量，K表示总的采样次数； (3c)将提取的所有采样信号向量能量中高于采样信号向量平均能量十分之一的采样 信号向量，存入高能量采样信号向量； (4) 高能量采样信号向量归一化： (4a)按照下式，计算高能量采样信号向量中第一个元素的归一化值：其中，1/1(1〇表示第1!个高能量采样信号向量中第一个元素的归一化值，11=1，2，...，1 N表示总的高能量采样信号向量的个数，X1(n)表示第η个高能量采样信号向量的第一个元 素，χ(η)表示第η个高能量采样信号向量，M · I |2表示2范数操作； (4b)按照下式，计算高能量采样信号向量中第二个元素的归一化值：其中，Wn)表示第η个高能量采样信号向量中第二个元素的归一化值，n=l，2，...，N， N表示总的高能量采样信号向量的个数，χ2(η)表示第η个高能量采样信号向量的第二个元 素，χ(η)表示第η个高能量采样信号向量，M · I |2表示2范数操作； (4c)按照下式，计算归一化后的高能量采样信号向量： X7 (η) = [χ/ι(η),χ/2(η)]τ 其中，Y (η)表示第η个归一化后的高能量采样信号向量，X'Kn)表示第η个高能量采样 信号向量中第一个元素的归一化值，n=l，2, . . .，N，N表示总的高能量采样信号向量的个 数，Wn)表示第η个高能量采样信号向量中第二个元素的归一化值，T表示转置操作； (5) 构造二维坐标平面并分割坐标纵轴： (5a)以高能量采样信号向量中第一个元素的值为横坐标，高能量采样信号向量中第二 个元素的值为纵坐标，构造一个二维坐标平面； (5b)以第η个高能量采样信号向量中第一个元素的归一化值作为第η个观测点的横坐 标，以第η个高能量采样信号向量中第二个元素的归一化值作为第η个观测点的纵坐标，在 二维坐标平面上画出第η个观测点；其中， η=1，2，...，Ν，Ν表示总的高能量采样信号向量的 个数； (5c)将二维坐标纵轴上的(_1，1)区间分成多个大小相等的子区间； (6) 统计各子区间范围内的观测点个数： 统计观测点纵坐标值在第I个子区间范围内的观测点个数，I = 1，2, .. .M，M表示总的子 区间个数； (7) 提取聚类中心子区间： (7a)找出子区间范围内的观测点个数大于门限值并且大于相邻两个子区间范围内观 测点个数的子区间，将该子区间存入极大值向量； (7b)在极大值向量中找出子区间与相邻的两个子区间距离都大于门限值的子区间，将 该子区间存入聚类中心待选向量； (7c)在极大值向量中找出子区间只与相邻的一个子区间距离大于门限值，同时子区间 范围内观测点个数大于相邻的另一个子区间范围内观测点个数的子区间，将该子区间存入 聚类中心待选向量； (7d)在极大值向量中找出子区间与相邻的两个子区间距离都小于门限值，同时子区间 范围内观测点个数都大于相邻的两个子区间范围内观测点个数的子区间，将该子区间存入 聚类中心待选向量； (7e)将聚类中心待选向量中的所有子区间，按照子区间范围内观测点个数的大小，从 大到小进行排序； (7f)取出排序的前Q个子区间，得到聚类中心子区间； (8) 计算聚类中心坐标值： (8a)将聚类中心子区间中第i个子区间的中点值作为第i个聚类中心的纵坐标值，i = 1，2, · · .Q，Q表不信号源的个数； (8b)按照下式，计算聚类中心的横坐标值：其中，X1表示第i个聚类中心的横坐标值，yi表示第i个聚类中心的纵坐标值，i = l， 2,. . .Q，Q表示信号源的个数：表示开根号操作，· 2表示平方操作； (9) 将所有的聚类中心坐标值组成欠定盲源分离混合矩阵如下：其中，X1表示第一个聚类中心的横坐标值，yi表示第一个聚类中心的纵坐标值;X2表示 第二个聚类中心的横坐标值，y2表示第二个聚类中心的纵坐标值;XQ表示第Q个聚类中心的 横坐标值，yQ表示第Q个聚类中心的纵坐标值，Q表示信号源的个数。2. 根据权利要求1所述的基于块分割的欠定盲源分离混合矩阵估计方法，其特征在于： 步骤(7a)中所述的子区间范围内的观测点个数门限值按下式计算得到：其中，δ表示子区间范围内的观测点个数门限值，N表示总的高能量采样信号向量的个 数，Q表示信号源的个数，*表示乘操作。3. 根据权利要求1所述的基于块分割的欠定盲源分离混合矩阵估计方法，其特征在于： 步骤(7b)、步骤(7c)、步骤(7d)中所述的子区间之间距离的门限值按下式计算得到：其中，d表示子区间之间距离的门限值，M表示二维坐标纵轴上子区间的总个数。
【文档编号】G06K9/62GK105930857SQ201610206294
【公开日】2016年9月7日
【申请日】2016年4月5日
【发明人】付卫红, 王佳伦, 熊超, 李晓辉, 韦娟, 刘乃安, 黑永强
【申请人】西安电子科技大学