基于改进时频单源区的欠定混合矩阵盲估计方法技术

本发明专利技术公开了一种基于改进时频单源区的欠定混合矩阵盲估计方法。本发明专利技术首先获取观测信号矩阵，对观测信号矩阵进行伽柏Gabor变换得到时频信号矩阵，然后构建时频单源区信号矩阵，剔除时频单源区信号矩阵中的低能量值的列向量，最终对时频单源区信号矩阵进行聚类得到欠定混合矩阵。本发明专利技术克服了现有技术存在的混合矩阵估计误差较高和容易受到源信号稀疏性的影响的缺点，使得本发明专利技术具有能保持较低混合矩阵估计误差的同时降低对源信号稀疏性的要求。

Underdetermined hybrid matrix blind estimation method based on improved time-frequency single source region

The invention discloses a underdetermined hybrid matrix blind estimation method based on an improved time-frequency single source region. The present invention first obtains the observation signal matrix of observation signals matrix Gabor Gabor transform time-frequency matrix, and then construct the time-frequency single source signal matrix, the column vector of low energy frequency single source signal values in a matrix elimination, the final single source signal time-frequency matrix was obtained by clustering the underdetermined mixture matrix. The invention overcomes the high error and is easily affected by the sparseness of the sources of the shortcomings existing in the prior art of the mixing matrix estimation, so the invention has remained relatively low at the same time mixing matrix estimation error to reduce the sparseness of the sources of demand.

【技术实现步骤摘要】
基于改进时频单源区的欠定混合矩阵盲估计方法
本专利技术属于通信
，更进一步涉及信号处理
中的基于改进时频单源区的欠定混合矩阵盲估计方法。本专利技术可以对军事通信信号，图像信号，生物医学信号进行处理，利用传感器接收到的观测信号实现欠定混合矩阵盲估计。
技术介绍
欠定盲分离是在对传输信道参数未知且观测信号的数目小于源信号数目的情况下，仅仅利用观测信号将源信号估计出来。欠定盲分离技术只需少量传感器来接收混合信号，不仅满足特定场合，还能节约成本。现有的欠定盲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，抗噪性能也较差。因此研究适用于源信号非充分稀疏条件下的欠定盲分离混合矩阵估计，同时减少混合矩阵估计误差和增强抗噪性能的方法成为欠定盲分离中亟待解决的问题。西安电子科技大学所拥有的专利技术“基于密度的欠定盲源分离方法”(申请号2013101164678，申请日2013.04.03，授权号103218524B，授权日2016.01.20)中提出了一种基于密度的欠定盲源分离方法。该方法利用改进的K-均值聚类算法对投影点进行聚类，然后确定最佳聚类个数和聚类中心，解决了源信号个数不确定性问题。但是，该专利技术仍然存在的不足之处是，在源信号非充分稀疏的条件下，聚类中心无法获取，在实际应用中很难保证以较小的误差实现欠定混合矩阵的估计。董天宝等人在其发表的论文“基于时频单源点的欠定混合矩阵估计”(计算机工程与应用，2013，第49卷(21期)，208-211.)中提出了一种基于时频单源点的欠定混合矩阵估计。该方法先对观测信号进行短时傅立叶变换得到时频点，然后利用实部和虚部向量来检测时频单源点，最后采用K均值聚类方法来估计混合矩阵，实现了源信号非充分稀疏情况下的欠定盲分离混合矩阵的估计。但是，该方法仍然存在的不足之处是，欠定盲分离混合矩阵估计误差容易受到时频分辨率的限制，在实际应用中容易受到源信号稀疏性的影响。
技术实现思路
本专利技术的目的在于针对上述现有技术存在的不足，提出一种基于改进单源时频点检测的欠定混合矩阵估计方法。本专利技术可以减少欠定盲源分离混合矩阵估计的误差，同时降低欠定盲分离混合矩阵估计对稀疏性的要求。实现本专利技术目的的具体思路是：在原有的单源时频点检测方法的基础上，先利用伽柏Gabor变换得到时频点，再对时频点进行单源检测，最后对单源点进行聚类，实现了在保持较低的混合矩阵估计误差的同时，降低欠定混合矩阵盲估计对稀疏性的要求。实现本专利技术目的的具体步骤如下：(1)将采集到的通信信号存入观测信号矩阵中；(2)对观测信号矩阵进行伽柏Gabor变换，得到时频信号矩阵；(3)构建时频单源区信号矩阵：(3a)按照下式，计算每一个时频信号矩阵中列向量的角度系数：其中，ρ表示时频信号矩阵中列向量的角度系数，R{·}表示取实部操作，X(t,k)表示时频信号矩阵中采集时刻t和频率点k对应的列向量，(·)T表示转置操作，I{·}表示取虚部操作，||·||表示取2范数操作，|·|表示取绝对值操作。(3b)判断每一个时频信号矩阵中列向量的角度系数是否大于0.95，若是，则执行步骤(3c)，否则，则执行步骤(3d)；(3c)将时频信号矩阵中角度系数大于0.95的列向量存入时频单源区信号矩阵；(3d)剔除时频信号矩阵中角度系数小于0.95的列向量；(4)剔除时频单源区信号矩阵中的低能量值的列向量：(4a)按照下式，计算门限值：ε＝0.2max(||X(t,k)||2)其中，ε表示门限值，max(·)表示取最大值操作；(4b)按照下式，计算时频单源区信号矩阵中列向量的能量值：其中，E表示时频单源区信号矩阵中列向量的能量值，表示时频单源区信号矩阵中采集时刻t和频率点k对应的列向量(4c)判断时频单源区信号矩阵中列向量的能量值是否大于门限值，若是，则执行步骤(4d)，否则，则执行步骤(4e)；(4d)保留时频单源区信号矩阵中能量值大于门限值的列向量；(4e)剔除时频单源区信号矩阵中能量值大于门限值列向量(5)对时频单源区信号矩阵进行聚类，得到欠定混合矩阵。本专利技术与现有技术相比具有以下优点：第一，本专利技术采用了伽柏Gabor变换进行时频分析，伽柏Gabor变换的特点是时间窗的长度和频率窗的长度能够同时达到最优，时频分辨率较高，因此，克服了现有技术中欠定混合矩阵盲估计误差容易受到时频分辨率限制的缺点，使得本专利技术能够显著降低欠定盲分离混合矩阵估计误差。第二，本专利技术采用了剔除时频单源区信号矩阵中低能量值的列向量的方法来进行后续预处理，使得时频单源区信号矩阵中的能量更加集中，因此克服了现有技术中欠定盲分离混合矩阵估计容易受到源信号稀疏特性性影响导致能量分散的问题，使得本专利技术能保持较低估计误差的同时降低欠定混合矩阵盲估计对稀疏性的要求。附图说明图1是本专利技术的流程图；图2是本专利技术的仿真图。具体实施方式下面结合附图对本专利技术做进一步的描述。参照附图1，本专利技术的具体步骤如下。步骤1，将采集到的通信信号存入观测信号矩阵中。步骤2，对观测信号矩阵进行伽柏gabor变换，得到时频信号矩阵。步骤3，构建时频单源区信号矩阵。第1步，按照下式，计算每一个时频信号矩阵中列向量的角度系数：其中，ρ表示时频信号矩阵中列向量的角度系数，R{·}表示取实部操作，X(t,k)表示时频信号矩阵中采集时刻t和频率点k对应的列向量，(·)T表示转置操作，I{·}表示取虚部操作，||·||表示取2范数操作，|·|表示取绝对值操作。第2步，判断每一个时频信号矩阵中列向量的角度系数是否大于0.95，若是，则执行步骤3中的第3步，否则，则执行步骤3中的第4步；第3步，将时频信号矩阵中角度系数大于0.95的列向量存入时频单源区信号矩阵；第4步，剔除时频信号矩阵中角度系数小于0.95的列向量。步骤4，剔除时频单源区信号矩阵中的低能量值的列向量。第1步，按照下式，计算门限值：ε＝0.2max(||X(t,k)||2)其中，ε表示门限值，max(·)表示取最大值操作；第2步，按照下式，计算时频单源区信号矩阵中列向量的能量值：其中，E表示时频单源区信号矩阵中列向量的能量值，表示时频单源区信号矩阵中采集时刻t和频率点k对应的列向量；第3步，判断时频单源区信号矩阵中列向量的能量值是否大于门限值，若是，则执行步骤4中的第4步，否则，则执行步骤5中的第5步；第4步，保留时频单源区信号矩阵中能量值大于门限值的列向量；第5步，剔除时频单源区信号矩阵中能量值大于门限值列向。步骤5，对时频单源区信号矩阵进行聚类，得到欠定混合矩阵。第1步，剔除时频单源区信号矩阵中全为0值的列，将剩余的列组成待恢复信号矩阵；第2步，选取待恢复信号矩阵中第一个分量为负数的列向量，对该列向量的所有元素乘以-1得到翻转列向量；第3步，将翻转列向量和未被选取的列向量组成翻转矩阵；第4步，对翻转矩阵进行归一化处理得到归一化信号矩阵；第5步，利用K-均值聚类方法，对归一化信号矩阵中的所有列向量进行聚类，得到所有的聚类中心；将所有的聚类中心组成欠定混合矩阵。下面结合仿真图对本专利技术做进一步的描述。1.仿真本文档来自技高网...

【技术保护点】
一种基于改进时频单源区的欠定混合矩阵盲估计方法，包括如下步骤：(1)将采集到的通信信号存入观测信号矩阵中；(2)对观测信号矩阵进行伽柏Gabor变换，得到时频信号矩阵；(3)构建时频单源区信号矩阵：(3a)按照下式，计算每一个时频信号矩阵中列向量的角度系数：

【技术特征摘要】
1.一种基于改进时频单源区的欠定混合矩阵盲估计方法，包括如下步骤：(1)将采集到的通信信号存入观测信号矩阵中；(2)对观测信号矩阵进行伽柏Gabor变换，得到时频信号矩阵；(3)构建时频单源区信号矩阵：(3a)按照下式，计算每一个时频信号矩阵中列向量的角度系数：其中，ρ表示时频信号矩阵中列向量的角度系数，R{·}表示取实部操作，X(t,k)表示时频信号矩阵中采集时刻t和频率点k对应的列向量，(·)T表示转置操作，I{·}表示取虚部操作，||·||表示取2范数操作，|·|表示取绝对值操作。(3b)判断每一个时频信号矩阵中列向量的角度系数是否大于0.95，若是，则执行步骤(3c)，否则，则执行步骤(3d)；(3c)将时频信号矩阵中角度系数大于0.95的列向量存入时频单源区信号矩阵；(3d)剔除时频信号矩阵中角度系数小于0.95的列向量；(4)剔除时频单源区信号矩阵中的低能量值的列向量：(4a)按照下式，计算门限值：ε＝0.2max(||X(t,k)||2)其中，ε表示门限值，max(·)表示取最大值操作；...

【专利技术属性】
技术研发人员：付卫红，农斌，周新彪，田德艳，韦娟，黑永强，李晓辉，刘乃安，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61