基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法及其裝置制造方法
【專利摘要】本發(fā)明公開了一種基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法及其裝置，方法包括：從幅值矩陣和相位矩陣中記錄出各源信號(hào)包含頻率所對(duì)應(yīng)的n個(gè)幅值和n個(gè)相位值；計(jì)算第i路觀測(cè)包含第j路源信號(hào)的所有成分的估計(jì)量；根據(jù)聚類后的幅值矩陣的貢獻(xiàn)值，對(duì)所有估計(jì)量進(jìn)行逆向組合并作平均，估計(jì)出第j路源信號(hào)。裝置包括：DSP器件，多路觀測(cè)信號(hào)經(jīng)過模數(shù)轉(zhuǎn)化器采樣得到樣本序列，以并行數(shù)字輸入的形式進(jìn)入所述DSP器件，經(jīng)過所述DSP器件的內(nèi)部算法處理，得到信號(hào)的分離結(jié)果；最后通過輸出驅(qū)動(dòng)及其顯示模塊顯示出分離出的源信號(hào)。該分離方法不但可行，而且精度較高，在語(yǔ)音信號(hào)處理和機(jī)械故障診斷等涉及周期信號(hào)盲分離的工程領(lǐng)域有較廣泛的應(yīng)用前景。
【專利說明】基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法及其裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及數(shù)字信號(hào)處理【技術(shù)領(lǐng)域】，尤其涉及一種基于頻譜校正與逆向組合的欠 定盲信號(hào)分離方法及其裝置。具體涉及對(duì)于在周期性觀測(cè)信號(hào)數(shù)目小于源信號(hào)數(shù)目（即欠 定情況）的盲信號(hào)分離場(chǎng)合，僅依據(jù)對(duì)周期性觀測(cè)信號(hào)進(jìn)行處理而恢復(fù)出所有源信號(hào)的問 題。

【背景技術(shù)】
[0002] 盲源分離（Blind Source Separation,簡(jiǎn)稱BSS)[1]來自于雞尾酒會(huì)問題，也就是 在未知源信號(hào)及混合過程的情況下，從接收到的觀測(cè)信號(hào)中恢復(fù)出源信號(hào)的過程。該技術(shù) 僅利用很少的先驗(yàn)信息就可從觀測(cè)信號(hào)中恢復(fù)未知源信號(hào)，在數(shù)字通信、語(yǔ)音信號(hào)處理、圖 像處理、雷達(dá)與通信系統(tǒng)以及生物醫(yī)學(xué)等領(lǐng)域獲得到了廣泛應(yīng)用，是信號(hào)處理領(lǐng)域的研究 執(zhí)占。
[0003] 對(duì)于盲源分離問題，當(dāng)源信號(hào)數(shù)目m小于觀測(cè)信號(hào)η時(shí)，為超定盲源分離；當(dāng)源信 號(hào)數(shù)目m等于觀測(cè)信號(hào)η時(shí)，為正定盲源分離；當(dāng)源信號(hào)數(shù)目m大于觀測(cè)信號(hào)η時(shí)，為欠定盲 源分離情況。對(duì)于超定和正定情況下的盲源分離問題，目前很多研究者已經(jīng)提出許多有效 的方法進(jìn)行源信號(hào)的恢復(fù)，例如：獨(dú)立分量分析（Independent Component Analysis, ICA) [2'3]、改進(jìn)的Fast ICA[4_6]等均是有效的求解方法，但在實(shí)際信號(hào)環(huán)境中，往往存在源信號(hào) 數(shù)目大于觀測(cè)信號(hào)數(shù)目的情況（即欠定混合情況），此時(shí)由于混合矩陣不可求偽逆，經(jīng)典的 ICA方法已不再適用，因此欠定盲信號(hào)分離的理論和算法需要進(jìn)一步深入研究。
[0004] 針對(duì)欠定盲信號(hào)分離的情況，目前研究者也提出了一些新的研究方法：文獻(xiàn)[Z] 提出了一種基于功率譜密度的源數(shù)估計(jì)方法，該方法由觀測(cè)信號(hào)功率譜密度函數(shù)的比值， 得到功率譜密度矩陣，再通過比較矩陣各列向量估計(jì)出頻率域獨(dú)立源的源數(shù)，在此基礎(chǔ)上 可估計(jì)出欠定情況下的混合矩陣；文獻(xiàn)[8]提出了基于局域均值分解的欠定盲源分離方 法，通過利用局域均值分解對(duì)觀測(cè)信號(hào)分解得到的一系列生產(chǎn)函數(shù)分量，將所得到的生產(chǎn) 函數(shù)分量和原觀測(cè)信號(hào)組成新的觀測(cè)信號(hào)，進(jìn)而轉(zhuǎn)化為超定的情況，再通過超定的方法估 計(jì)出源信號(hào)；文獻(xiàn)[9, 10]采用兩步法解決稀疏信號(hào)欠定情況下的盲分離，第1步先由先驗(yàn) 知識(shí)或概率統(tǒng)計(jì)的方法估計(jì)出混合矩陣；第2步是結(jié)合最短路徑法及上步估計(jì)的混合矩陣 恢復(fù)出源信號(hào)；文獻(xiàn)[11]中肖明等提出了基于超平面法矢量的欠定盲信號(hào)分離算法，通過 超平面法矢量估計(jì)混合矩陣；針對(duì)更為接近實(shí)際情況的含噪聲情況下的欠定盲信號(hào)分離問 題，文獻(xiàn)[12]將維格納分布和Khatri-Rao積應(yīng)用到欠定盲分離的混合矩陣估計(jì)和源信號(hào) 的恢復(fù)中，通過語(yǔ)音信號(hào)和圖像信號(hào)的恢復(fù)證明了其正確性。
[0005] 上述方法中，基于功率譜的盲信號(hào)分離[7]要求觀測(cè)信號(hào)之間的參數(shù)比值，這容 易產(chǎn)生無窮大的值而不方便計(jì)算機(jī)處理，同時(shí)由于頻譜泄漏，對(duì)觀測(cè)信號(hào)進(jìn)行傅氏變換時(shí) 得到的頻譜峰值處的頻率和幅值都是不精確的，對(duì)于欠定情況，只能估計(jì)出混合矩陣，無法 完全恢復(fù)出源信號(hào)；文獻(xiàn)[8]中將欠定情況轉(zhuǎn)換為超定，對(duì)構(gòu)成的新觀測(cè)信號(hào)進(jìn)行白化處 理和聯(lián)合近似對(duì)角化，得到源信號(hào)的估計(jì)，預(yù)處理過程復(fù)雜且轉(zhuǎn)換過程用到的幅值等特征 是沒有經(jīng)過校正的，因此新觀測(cè)信號(hào)的不精確會(huì)影響后續(xù)恢復(fù)的精度；兩步法[9'1(|]作為常 用的方法，實(shí)現(xiàn)起來更為簡(jiǎn)便，但文獻(xiàn)[9, 10]中采用的最短路徑恢復(fù)時(shí)需對(duì)混合矩陣所有 列向量通過組合進(jìn)行求解，由于最短路徑恢復(fù)法是針對(duì)每個(gè)觀測(cè)時(shí)刻進(jìn)行的，在每個(gè)時(shí)刻 做源恢復(fù)時(shí)都涉及對(duì)混合矩陣的元素兩兩組合而耗費(fèi)G次矩陣求逆運(yùn)算，故計(jì)算量大，且 該方法只適用于源數(shù)較小的情況；文獻(xiàn)[11]提出的算法只能夠在源信號(hào)理想k階稀疏情況 下使用，不具有實(shí)用性；文獻(xiàn)[12]中維格納分布方法時(shí)還需對(duì)所有觀測(cè)信號(hào)兩兩作WVD(維 格納變換），再經(jīng)過白化、K-均值聚類及Khatri-Rao積等處理使得信號(hào)處理的計(jì)算量會(huì)很 大，因此算法仍需進(jìn)一步改進(jìn)。


【發(fā)明內(nèi)容】

[0006] 本發(fā)明提供了一種基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法及其裝置，本 發(fā)明提高了分離算法的精度，降低了算法的復(fù)雜度，詳見下文描述：
[0007] -種基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法，所述方法包括以下步驟：
[0008] (1)根據(jù)頻偏估計(jì)值，獲取第i路的第p簇譜線校正后的頻率估計(jì)值、幅值估計(jì)值 和相位估計(jì)值；
[0009] (2)獲取包含N個(gè)頻率值的向量、nXN維的幅值矩陣和相位矩陣；逐個(gè)檢查頻率向 量中的頻率分量是否包含在第i路的頻率向量中，若包含，則對(duì)幅值矩陣和相位矩陣進(jìn)行 重新賦值；
[0010] (3)將賦值后的幅值矩陣的各列進(jìn)行歸一化及聚類處理，獲取聚類后的幅值矩 陣；
[0011] ⑷從幅值矩陣和相位矩陣中記錄出各源信號(hào)包含頻率&所對(duì)應(yīng)的η個(gè)幅值和η 個(gè)相位值；計(jì)算第i路觀測(cè)包含第j路源信號(hào)的所有成分的估計(jì)量；
[0012] (5)根據(jù)聚類后的幅值矩陣的貢獻(xiàn)值，對(duì)所有估計(jì)量進(jìn)行逆向組合并作平均，估計(jì) 出第j路源信號(hào)。
[0013] 在步驟（1)之前，所述方法還包括：
[0014] 獲取各路觀測(cè)信號(hào)的Ni簇譜線；逐個(gè)記錄每簇譜線的最高譜線的位置；
[0015] 根據(jù)最高譜線的位置獲取并更新每簇譜線的頻偏估計(jì)值。
[0016] 頻率估計(jì)值為
[0017] fi；p = ki；p+ Δ ki；p i = I, 2,. . . , η, p = I, 2,. . . , Ni
[0018] 幅值估計(jì)值為
[0019] Bi p = 2 π Δ ki；pX (1-Δ ki；p2)/sin ( π Δ ki；p) X (Xi (ki；p) | i = I, 2, . . . , n, p = 1,2，···，Ni
[0020] 相位估計(jì)值為
[0021]

【權(quán)利要求】
1. 一種基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法，其特征在于，所述方法包括 以下步驟： (1) 根據(jù)頻偏估計(jì)值，獲取第i路的第P簇譜線校正后的頻率估計(jì)值、幅值估計(jì)值和相 位估計(jì)值； (2) 獲取包含N個(gè)頻率值的向量、nXN維的幅值矩陣和相位矩陣；逐個(gè)檢查頻率向量中 的頻率分量是否包含在第i路的頻率向量中，若包含，則對(duì)幅值矩陣和相位矩陣進(jìn)行重新 賦值； (3) 將賦值后的幅值矩陣的各列進(jìn)行歸一化及聚類處理，獲取聚類后的幅值矩陣； (4) 從幅值矩陣和相位矩陣中記錄出各源信號(hào)包含頻率所對(duì)應(yīng)的η個(gè)幅值和η個(gè) 相位值；計(jì)算第i路觀測(cè)包含第j路源信號(hào)的所有成分的估計(jì)量； (5) 根據(jù)聚類后的幅值矩陣的貢獻(xiàn)值，對(duì)所有估計(jì)量進(jìn)行逆向組合并作平均，估計(jì)出第 j路源信號(hào)。
2. 根據(jù)權(quán)利要求1所述的一種基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法，其特 征在于，在步驟（1)之前，所述方法還包括： 獲取各路觀測(cè)信號(hào)的Ni簇譜線；逐個(gè)記錄每簇譜線的最高譜線的位置； 根據(jù)最高譜線的位置獲取并更新每簇譜線的頻偏估計(jì)值。
3. 根據(jù)權(quán)利要求1所述的一種基于頻譜校正與逆向組合的欠定盲信號(hào)分離方法，其特 征在于， 頻率估計(jì)值為 fi,P =ki,p+Aki,Pi= 1，2,…，η,p= 1，2,…，Ni 幅值估計(jì)值為 Bi；p = 2πΔki；pX(1-Δki；p2)/sin(πΔki；p)XIXi (ki；p)|i=l,2,...,n,p= 1,2，···，Ni 相位估計(jì)值為
其中，為最高譜線位置；Λ為頻偏估計(jì)值；IXi (<ρ)I為校正前第i路觀測(cè)的第P簇譜線的幅值；P(Aw)為直接從第i路觀測(cè)第P簇的峰值譜線處讀取的相位值A(chǔ)為第i 路觀察信號(hào)中峰值譜線的簇?cái)?shù)。
4. 一種基于頻譜校正與逆向組合的欠定盲信號(hào)分離裝置，所述裝置包括：DSP器件，其 特征在于， 多路觀測(cè)信號(hào)經(jīng)過模數(shù)轉(zhuǎn)化器采樣得到樣本序列，以并行數(shù)字輸入的形式進(jìn)入所述DSP器件，經(jīng)過所述DSP器件的內(nèi)部算法處理，得到信號(hào)的分離結(jié)果；最后通過輸出驅(qū)動(dòng)及 其顯示模塊顯示出分離出的源信號(hào)。
【文檔編號(hào)】G06K9/62GK104463197SQ201410663544
【公開日】2015年3月25日 申請(qǐng)日期:2014年11月19日 優(yōu)先權(quán)日:2014年11月19日
【發(fā)明者】黃翔東, 閆子陽(yáng), 孟天偉 申請(qǐng)人:天津大學(xué)