一种基于广义协方差和张量分解的欠定盲辨识方法技术

本发明专利技术涉及信号识别领域，特别涉及盲源/信号分离领域，具体指一种基于广义协方差和张量分解的欠定盲辨识方法，本发明专利技术方法根据观测混合采样数据的广义协方差矩阵，建立核函数方程集，通过将这些核函数方程集堆叠成三维张量模型，最后采用张量Tucker分解求其因子矩阵，进而辨识欠定混合系统特性或混合矩阵。本技术发明专利技术方法对于传统欠定盲源分离中的混合矩阵辨识方法，具有有效的改善性能和较低计算复杂度的技术优势，本发明专利技术方法为在阵列信号处理与卫星通信的盲抗干扰技术提供了技术基础。

【技术实现步骤摘要】

本专利技术涉及信号识别领域，特别涉及盲源/信号分离领域。
技术介绍
盲源/信号分离应用于无线通信系统中具有重要的技术优势：减少了对导频的使 用，可以提高系统的频谱效率；放宽了对先验信息的依赖，可以避免繁琐的基于导频的信道 估计，同时可以克服估计误差带来的性能损伤，进而提高源信号恢复的鲁棒性；可以分离时 频域相互重叠的混合信号，对于无线通信中的抗同频干扰有着重要的意义。 盲源/信号分离是指仅从观测混合信号出提取或分离未知的源信号和辨识未知 的混合系统特性，即混合矩阵。按照不同的源信号数和观测信号数，可以分为正定、欠定和 超定盲源分离模型。现今欠定的模型是研究的热点和难点。 在无线通信中，欠定的模型普遍存在，如欠定MMO天线模型。欠定盲辨识是指辨 识欠定盲源分离模型中的混合矩阵，混合矩阵的获取对源信号的进一步恢复是不可或缺的 关键技术。 现有的欠定盲辨识方法大致可以分为两类，一类是基于信号稀疏性算法的欠定盲 辨识，另一类是基于统计结构代数算法的欠定盲辨识。 第一类算法假设源信号是稀疏的，或借助于一些预处理变换信号为可稀疏化的， 这类方法，往往需要借助于聚类方法执行混合矩阵向量空间的搜索，然而此方法的代价较 高，尤其是当观测信道是大于两个的情况时。此外，源的稀疏性限制约束了此类算法的适用 性。 第二类算法，是基于统计特性代数结构的，即基于二阶协方差和四阶累积量数据 结构的的欠定盲辨识，典型的代表算法是四阶欠定盲辨识（FOBIUM)和二阶欠定盲辨识 (SOBIUM)。然而FOBIUM算法复杂度较高，对累积量的估计将直接影响该算法的性能，尤其 在较短采样数时，高阶统计信息的估计会变差，只能增加采样，以复杂度换取性能。SOBIUM 算法利用延时的协方差矩阵，此二阶统计的方法又失去了高阶统计优越性能，如对高斯噪 声的不敏感性。 -种基于新的统计工具的方法，即基于广义协方差矩阵的欠定盲辨识方法，该方 法可以协调上述两种算法的不足之处。因为广义协方差矩阵不仅包含了二阶统计信息，还 暗含有高阶统计信息，同时又维持着简单的二维协方差的结构。 此外上述两种传统方法都是基于张量的标准分解形式，由于为了得到较好的统计 信息，需要构建的张量的维数一般较大，所以分解复杂度相对较高。Tucker分解相当于三维 的主成分分析方法，可以压缩原张量的维数，所以可以有效降低分解处理的复杂度。
技术实现思路
本专利技术的目的在于克服现有技术中所存在的上述不足，提供一种基于广义协方差 和张量分解的欠定盲辨识方法，利用广义协方差矩阵性质改善性能，利用Tucker张量分解 降低计算复杂度。 为了实现上述专利技术目的，本专利技术提供了以下技术方案： ，包含如下处理步骤： (1)根据观测到的混合的采样数据在多个不同处理点的广义协方差建立对应的广 义协方差矩阵； (2)并通过广义协方差的性质，并根据所述步骤（1)中的广义协方差矩阵建立核 函数方程集； (3)将所述核函数方程集堆叠成三维张量模型； (4)采用张量Tucker分解方法将所述步骤（3)中的原张量压缩为一个核张量； (5)利用交替最小二乘求所述步骤（4)中的因子矩阵，从而辨识出盲源分离的混 合矩阵。而盲辨识的目的是，从观测混合数据中辨识混合矩阵，通过上述步骤方法达到了盲 源识别的目的。 为使本专利技术的实现过程、技术方案和优点更加清楚，以下结合数学公式对本专利技术 作进一步地详细说明。（首先对说明书中使用的数学符号作简略说明：标量使用小写斜体 字母比如说（a，b，...），向量使用小写黑体字母比如说（a，b，...），矩阵用黑体大写字母比 如说（A，B，...），张量用书法体字母（A，B，. . .）；AU表示第i行第j列的元素，可类推到张 量。矩阵A的第i列表示为％，即A = [ai a2 ...] ;(〇T，（*)H和（?）$分别表示矩阵的 转置，共轭转置和共轭运算，CT表示向量的外积，(C表示复数域；rank( ?)表示矩阵的秩。 〃父11〃，11 = 1，2,3表示张量中的模11乘运算。） 本专利技术基于基本盲源分离混合模型，基本盲源分离线性混合模型为：x(t)=本文档来自技高网...

【技术保护点】
一种基于广义协方差和张量分解的欠定盲辨识方法，其特征是，包含如下处理步骤：(1)根据观测到的混合的采样数据，建立广义协方差矩阵；(2)通过广义协方差矩阵的性质建立对应的核函数方程集；(3)将步骤(2)所述的核函数方程集堆叠成三维张量模型；(4)采用张量Tucker分解，将所述步骤(3)中的张量压缩为核张量；(5)利用交替最小二乘法求所述步骤(4)中核张量的因子矩阵，从而辨识出盲源分离的混合矩阵。

【技术特征摘要】
1. 一种基于广义协方差和张量分解的欠定盲辨识方法，其特征是，包含如下处理步 骤： (1) 根据观测到的混合的采样数据，建立广义协方差矩阵； (2) 通过广义协方差矩阵的性质建立对应的核函数方程集； (3) 将步骤（2)所述的核函数方程集堆叠成三维张量模型； (4) 采用张量Tucker分解，将所述步骤（3)中的张量压缩为核张量； (5) 利用交替最小二乘法求所述步骤（4)中核张量的因子矩阵，从而辨识出盲源分离 的混合矩阵。2. 如权利要求1所述的一种基于广义协方差和张量分解的欠定盲辨识方法，其特征 是，所述步骤（1)中，广义协方差矩阵为：3. 如权利要求2所述的一种基于广义协方差和张量分解的欠定盲辨识方法，其特征 是，所述步骤（2)中，不同处理点的核函数方程根据广义协方差矩阵的线性变换性和独立 性而建立。4. 如权利要求3所述的一种基于广义协方差和张量分解的欠定盲辨识方法，其特征 是，所述步骤（2)中，所述核函数方程为： wx( T ) = AWs(Ah T )Ah。5. 如权利要求4所述的一种基于广义协方...

【专利技术属性】
技术研发人员：骆忠强，朱立东，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51