基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法技术

本发明专利技术公开了一种基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法，目的在于，提高观察信号时频域的稀疏性，提高有用信号的能量，进而减弱噪声的影响，正确估计混合矩阵，通过对观察信号进行STFT同步压缩变换，使之由时域变换到时频域，通过在频率上重排各时频点的能量，提高了待分析信号在时频平面的能量聚集性，从而提高时频域的稀疏性并减弱噪声的影响。在提取单源点的过程中，利用稀疏编码方法，寻找编码系数中只有一个元素非零对应的时频点，实现位于同一个1‑D子空间的时频点的搜寻。通过最小化编码系数的l1范数构造误差最小目标函数实现单源点的提取，进一步增强了对噪声的抑制作用，最后通过层次聚类法实现混合矩阵的估计。

Blind separation hybrid matrix estimation method based on synchronous compression short time Fourier transform

The invention discloses a method for separating the mixing matrix estimation method, synchronous compression and short-time Fourier transform based blind aims to improve the sparsity of frequency domain observation signal, improving the useful signal energy, and weaken the effect of noise, the correct estimation of the mixing matrix by STFT, to observe the signal synchronous compression transform, so that by the time domain by the time and frequency domain, frequency energy rearrangement in frequency, improve the signal to be analyzed in the time-frequency plane energy aggregation effect, so as to improve the sparse time-frequency domain and reduce noise. In the process of extraction of single source points, using sparse encoding method for encoding coefficient of only one nonzero element corresponding to the frequency point, realize time-frequency points in the same 1 D subspace search. By minimizing the L1 norm of the coding coefficient, the minimum objective function is constructed to extract the single source point, and the noise suppression is further enhanced. Finally, the estimation of the hybrid matrix is achieved by the hierarchical clustering method.

【技术实现步骤摘要】
基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法
本专利技术涉及机械振动信号和声辐射信号处理领域，具体涉及一种基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法。
技术介绍
机械系统的振动和噪声对系统的性能与安全有重要影响，如潜艇推进系统振动过大容易被敌方发现且干扰自身的声呐探测，火箭发动机振动过大容易导致其携带的卫星及仪器不能正常工作等。因此，寻找振动噪声源并采取措施减小其影响至关重要。传感器检测的观察信号往往是多个振动源叠加，而且鉴于机械系统的复杂性，通常缺乏振动源混合特性的先验知识，给振动噪声源的寻找带来了挑战。盲源分离能够在未知源信号和混合方式的情况下，对源信号进行估计，很好地解决了以上难题。然而，在工程实际中，传感器的数目经常会少于振动源的数目，如下面几种情况：(1)传感器安装数目较少，某些装备不能随意安装传感器，如火箭和导弹等一旦型号确定，不能随意更改结构方案；(2)传感器长期工作在恶劣环境中引起故障，没有采集到数据，在数据缺失的情况下，重新采集数据费时费力；(3)数据可用性差，传感器安装的位置不合理，对信号振动不敏感。此时，传感器采集的观测信号数目少于源信号数目，属于本文档来自技高网...

【技术保护点】
一种基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法，其特征在于，包括以下步骤：步骤1，将所有待分析的观察信号进行短时傅里叶变换得到相应的时频域复矩阵；步骤2，将获取的时频域复矩阵对时移因子求偏导，并与时频域复矩阵取比值，得到瞬时频率估计算子矩阵，利用瞬时频率估计算子矩阵对时频域复矩阵在频率方向上进行积分重排，实现时频域能量重排至能量重心，得到时频域复矩阵的同步压缩时频矩阵；步骤3，利用稀疏编码技术在同步压缩时频矩阵中寻找来自同一个1‑D子空间的时频点，构造一个基于l1范数的目标函数，实现单源点快速提取；步骤4，将已提取的单源点进行层次聚类，得到所有类的聚类中心，每个聚类中心对应混合矩阵的一...

【技术特征摘要】
1.一种基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法，其特征在于，包括以下步骤：步骤1，将所有待分析的观察信号进行短时傅里叶变换得到相应的时频域复矩阵；步骤2，将获取的时频域复矩阵对时移因子求偏导，并与时频域复矩阵取比值，得到瞬时频率估计算子矩阵，利用瞬时频率估计算子矩阵对时频域复矩阵在频率方向上进行积分重排，实现时频域能量重排至能量重心，得到时频域复矩阵的同步压缩时频矩阵；步骤3，利用稀疏编码技术在同步压缩时频矩阵中寻找来自同一个1-D子空间的时频点，构造一个基于l1范数的目标函数，实现单源点快速提取；步骤4，将已提取的单源点进行层次聚类，得到所有类的聚类中心，每个聚类中心对应混合矩阵的一列，进而利用聚类中心的方向实现对混合矩阵的估计。2.根据权利要求1所述的一种基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法，其特征在于，所述步骤1中对每个待分析的观察信号进行短时傅里叶变换，对第i个待分析的观察信号xi＝[xi1xi2…xiN]进行短时傅里叶变换得到对应的时频域复矩阵为：其中i＝1,2,…,m，N表示采样点个数，在时频域复矩阵中，行表示频率，列表示时间，表示的第k列，k＝1,2,…,K。3.根据权利要求1所述的一种基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法，其特征在于，所述步骤2中采用同步压缩变换对时频域复矩阵进行后处理，首先将时频域复矩阵对时移因子求偏导；然后得到的偏导与时频域复矩阵本身取比值，得到瞬时频率估计算子矩阵其中，i＝1,2,…,m，表示将时频域复矩阵对其时移因子u求偏导，为虚数单位，最后利用瞬时频率估计算子矩阵ωi对时频域复矩阵在频率方向上进行积分，得到时频域复矩阵的同步压缩时频矩阵：Yi＝[Yi,1Yi,2…Yi,K]，其中i＝1,2,…,m，Yi,k表示Yi的第k列。4.根据权利要求3所述的一种基于同步压缩短时傅里叶变换的盲分离混合矩阵估计方法，其特征在于，所述步骤2中对同步压缩时频矩阵Yi进行重新排列，使得每个Yi转换成一个行向量，即其中i＝1,2,…,m，T表示转置，则所有观察信号的同步压缩时频矩阵组合...

【专利技术属性】
技术研发人员：成玮，陆建涛，陈建宏，郝云胜，訾艳阳，何正嘉，贺东，曹宏瑞，褚亚鹏，谢劲松，
申请(专利权)人：西安交通大学，中国人民解放军六三七二九部队，
类型：发明
国别省市：陕西,61