一种基于接收先验和单源点检测的欠定盲辨识方法技术

本发明专利技术公开了一种基于接收先验和单源点检测的欠定盲辨识方法，综合了信号混合过程的先验信息进行单源时频点检测，更贴近实际对象，具有更高的检测精度；实际的计算过程中，只需要利用第一和第二个阵元的混合信号进行一次聚类运算，估计出混合矩阵中的第二行元素，即可根据先验信息实现对整个混合矩阵的重构，在提高估计精度的同时提高了计算效率。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，综合了信号混合过程的先验信息进行单源时频点检测，更贴近实际对象，具有更高的检测精度；实际的计算过程中，只需要利用第一和第二个阵元的混合信号进行一次聚类运算，估计出混合矩阵中的第二行元素，即可根据先验信息实现对整个混合矩阵的重构，在提高估计精度的同时提高了计算效率。【专利说明】
本专利技术涉及多信号混合的盲分离问题，具体是一种基于接收先验和单源点检测的 欠定盲辨识方法。
技术介绍
在现实中，我们采集到的信号往往不是纯净的，通常混合有其他干扰信号和噪声。 盲源分离（Blind Source Separation, BSS)技术可以简单描述为：当传输信道未知，仅仅 从一个传感器阵列或转换器的输出信号中分离或估计出各个未知源信号。"盲"有两层含 义，即所要估计的原信号不能直接被观测，且所观测的信号由原信号如何混合而成也是未 知的。盲源分离技术是现代信号处理领域的一个崭新的研究方向，它具有坚实的理论基础， 例如独立成分分析（Independent Component Analysis, ICA)就是解决盲源分离问题的一 类主要方法。然而现实中，待分离信号的数目极有可能大于观测到的混合信号的数目，此时 的盲源分离被称为欠定盲源分离（Underdetermined Blind Source Separation, UBSS)。目 前，解决欠定盲源分离问题主要采用"两步法"，即首先估计出混合矩阵，再由混合信号和估 计出的混合矩阵实现源信号的分离，对应的难点主要体现在两个方面：第一，欠定条件下混 合矩阵的估计；第二，即使混合矩阵已经估计出，欠定条件下信号的分离由于是个病态的模 型，尤其在源信号非充分稀疏条件下，仍旧难以解决。
技术实现思路
： 本专利技术的目的是为了解决上述
技术介绍
存在的不足，提出一种基于接收先验和单 源点检测的欠定盲辨识方法，运用线性时延混合模型混合矩阵的先验信息，从接收端提取 复数混合矩阵的先验信息，推导出单源时频点的判断标准，然后通过凝聚层次聚类法实现 自动聚类，估计出混合矩阵的各元素最后重构出混合矩阵，实现欠定盲辨识。 为了解决上述技术问题本专利技术的技术方案为： -种基于接收先验和单源点检测的欠定盲辨识方法，其特征在于，包括如下步骤： 步骤一，利用均匀线性阵列天线接收混合信号并对其进行时频变换，构建时频域盲源分离 模型；步骤二，根据步骤一所得的时频域盲源分离模型，提取混合矩阵的先验信息；步骤 三，依据先验信息推导出单源时频点的判定标准；步骤四，依据判定标准对时频域进行单源 时频点检测；步骤五，计算经检测的各个单源时频点对应的数据对，采用凝聚层次聚类法对 数据对进行自动聚类，并利用聚类中心估计出混合矩阵的第二行元素值；步骤六，依据步骤 二所得先验信息所示的混合矩阵的特殊结构结合步骤四所得混合矩阵的第二行元素值，实 现混合矩阵所有元素的重构，完成混合矩阵的欠定盲辨识。 较佳地，步骤一的具体步骤包括：11)利用M阵元的均匀线性阵列天线接收N个窄 带信号Sn(t)，则第m个阵元接收到的混合信号为 【权利要求】1. ，其特征在于，包括如下步骤： 步骤一，利用均匀线性阵列天线接收混合信号并对其进行时频变换，构建时频域盲源 分离模型； 步骤二，根据步骤一所得的所述时频域盲源分离模型，提取混合矩阵的先验信息； 步骤三，依据所述先验信息推导出单源时频点的判定标准； 步骤四，依据所述判定标准对时频域进行单源时频点检测； 步骤五，计算经检测的各个所述单源时频点对应的数据对，采用凝聚层次聚类法对所 述数据对进行自动聚类，并利用聚类中心估计出混合矩阵的第二行元素值； 步骤六，依据步骤二所得先验信息所示的混合矩阵的特殊结构结合步骤四所得混合矩 阵的第二行元素值，实现混合矩阵所有元素的重构，完成混合矩阵的欠定盲辨识。2. 根据权利要求1所述的，其特征 在于，所述步骤一的具体步骤包括： 11)利用M阵元的均匀线性阵列天线接收N个窄带信号Sn(t)，则第m个阵元接收到的x(t) =As(t)+g(t)，x(t) = = 和 g(t)= Lg1⑴，…，gM(t) ]T分别为混合信号、源信号和噪声。J 为复数值混合矩阵，矩阵各元 素为; 13)对x(t) =As(t)+g(t)两边同时进行傅里叶变换，构建得出时频域盲源分离模型 X(t，f) = AS(t，f)+G(t，f)，式中，X(t，f) = T，S(t，f) = T。3. 根据权利要求I或2所述的， 其特征在于，所述步骤二是依据步骤11)至13)所得的时频域盲源分离模型X(t，f)= 八5(1:，;〇+6(1:，;〇、第1]1个阵元接收第11个源信号的时延1：11111=(1]1-1)(1〇〇8 4)1/〇和混合矩阵4. 根据权利要求3所述的，其特征 在于，所述步骤三包括以下步骤： 31) 忽略频域盲源分离模型X(t，f) =AS(t，f)+G(t，f)中的噪声项，即令A= Ib2，… ，bN]，得到 X (t，f) = AS (t，f) = Id1S1 (t，f)+b2S2 (t，f)+...+bNSN (t，f); 32) 设X(t，f)在时频点Upf1)处为只出现信号sn(t)的单源时频点，得到X(Lf 1)= bKt,，，其中 b" = [1，A9 "，A%，…，Am Jt ;5. 根据权利要求4所述的，其特征 在于，所述步骤四包括：首先提取所述时频域盲源分离模型X(t，f) = AS(t，f)+G(t，f)中混 合信号矩阵的时频域表示X(t，f)中的时频域信号X1(Lf)和X2(t，f)，然后利用单源时频 点检测标准的公式计算时频域信号X1 (t，f)和X2 (t，f)中的各个点，满足所述单源时频点检 测标准公式的即为单源时频点。6. 根据权利要求5所述的，其特征计算各个单源时频点所对应的数据对；采用聚类法对所述数据对进行自动聚类得出聚类中 心；估计出混合矩阵中的第二行元素。7. 根据权利要求6所述的，其 特征在于：所述聚类法为改进的凝聚层次聚类法，通过设定类间最小欧式距离阈值d_ threshold来判断两个类是否合并，以及聚类是否完成，设定阈值N_threshold，选择类中 元素个数大于阈值【threshold的类作为最终的类。【文档编号】G10L21/0272GK104332161SQ201410508985【公开日】2015年2月4日 申请日期:2014年9月28日 优先权日:2014年9月28日 【专利技术者】杨杰, 张良俊, 王川, 孙亚东, 刘海波 申请人:武汉理工大学本文档来自技高网...

【技术保护点】
一种基于接收先验和单源点检测的欠定盲辨识方法，其特征在于，包括如下步骤：步骤一，利用均匀线性阵列天线接收混合信号并对其进行时频变换，构建时频域盲源分离模型；步骤二，根据步骤一所得的所述时频域盲源分离模型，提取混合矩阵的先验信息；步骤三，依据所述先验信息推导出单源时频点的判定标准；步骤四，依据所述判定标准对时频域进行单源时频点检测；步骤五，计算经检测的各个所述单源时频点对应的数据对，采用凝聚层次聚类法对所述数据对进行自动聚类，并利用聚类中心估计出混合矩阵的第二行元素值；步骤六，依据步骤二所得先验信息所示的混合矩阵的特殊结构结合步骤四所得混合矩阵的第二行元素值，实现混合矩阵所有元素的重构，完成混合矩阵的欠定盲辨识。

【技术特征摘要】

【专利技术属性】
技术研发人员：杨杰，张良俊，王川，孙亚东，刘海波，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42