微弱信号盲提取方法技术

本发明专利技术公开的一种微弱信号盲提取方法，旨在提供一种鲁棒性和抗干扰性更加优越的盲提取方法，本发明专利技术通过下述技术方案实现：在基于信源独立的前提下，建立单通道瞬时线性混合模型；将单通道混合信号构造为窗长L为2的矩阵C，再依据奇异谱分析理论，对其矩阵C进行奇异值分解，并通过反汉克尔变换，得到奇异值对应时间序列；不断进行MRSSA变换，将单通道瞬时线性混合模型转换成多通道的共信道瞬时线性混合模型，得到重构矩阵X；重构后，构建MRSSA‑ICA滤波器，把单通道混合数据分解成多个ICs，将感兴趣信号分量被从单通道时频部分重叠多信号中提取出来，实现基于MRSSA‑ICA的共信道盲提取微弱信号。

Blind extraction of weak signal

【技术实现步骤摘要】
微弱信号盲提取方法
本专利技术涉及一种适用于全盲条件下微弱信号提取方法，尤其是基于多分辨奇异谱分析-独立分量分析(multi-resolutionsingularspectrumanalysis-Independentcomponentanalysis，MRSSA-ICA)算法的微弱信号盲提取技术。
技术介绍
由于通信信号的产生和传输过程中会受到多信号和信道的干扰及其他不稳定因素的存在，会造成接收信号波形不稳定，其幅度越来越微小，使得对它们的检测和提取变得十分困难。微弱信号(weaksignaldetection,WSD)既指有用信号幅度远小于噪声的信号，又指被测的有用信号幅度绝对值较小的信号。传统的微弱信号检测是指对湮没在背景噪声中的微弱信号的测量,由于微弱信号本身的涨落、背景和放大器噪声的影响限制了它的测量灵敏度。对于微弱信号的检测不仅要放大信号，还要考虑到电路本身的噪声以及外界干扰等因素。因此，微弱信号提取一直是故障诊断领域的难点。另外，微弱信号检测技术也是通信领域的重点和难点，它要求在通信背景下快速、准确地从强噪声中还原出有用的微弱信号本文档来自技高网...

【技术保护点】
1.一种微弱信号盲提取方法，具有如下技术特征：在基于信源独立的前提下，建立单通道瞬时线性混合模型x(t)；然后将单通道混合信号x(t)构造为窗长L为2的矩阵C，再依据奇异谱分析理论(SSA)，对其矩阵C进行奇异值分解，并通过反汉克尔Hankel变换，得到奇异值对应时间序列x

【技术特征摘要】
1.一种微弱信号盲提取方法，具有如下技术特征：在基于信源独立的前提下，建立单通道瞬时线性混合模型x(t)；然后将单通道混合信号x(t)构造为窗长L为2的矩阵C，再依据奇异谱分析理论(SSA)，对其矩阵C进行奇异值分解，并通过反汉克尔Hankel变换，得到奇异值对应时间序列xj2(t)；不断进行MRSSA变换，将单通道瞬时线性混合模型转换成多通道的共信道瞬时线性混合模型，得到重构矩阵X；重构后，使用独立分量分析ICA算法把单通道混合数据x(t)分离成多个尽可能相互独立的ICs作为源信号S的估计；最后，利用MRSSA算法的多尺度分辨特性和ICA算法盲特性建立基于MRSSA-ICA自适应的微弱信号提取滤波器，将感兴趣信号分量被从单通道时频部分重叠多信号中提取出来。


2.如权利要求1所述的微弱信号盲提取方法，其特征在于：共信道瞬时线性混合模型建模成x(t)＝a1s1(t)+…aksk(t)+aKsK(t)+η(t)，
其中，ak为第k个通信信号的混合系数，sk(t)为待处理的独立通信信号，k＝1，…K，t表示时间，η(t)为协方差未知的零均值加性高斯白噪声。


3.如权利要求1所述的微弱信号盲提取方法，其特征在于：依照奇异谱分析理论，将单通道时间序列混合数据x(t)构造为窗长L为2的时延矩阵C：
其中，x1、x2…xn分别表示离散时间序列x(t)的第一、第二以及第n个点的值。


4.如权利要求3所述的微弱信号盲提取方法，其特征在于：根据奇异值分解理论,时延矩阵C可展开为
其中，U为左奇异正交矩阵，V为右奇异正交矩阵，T表示转置,i表示奇异值的个数，σi为奇异值，ui为σi的左奇异向量，vi为σi的右奇异向量，Xi为分解后的奇异值σi对应的时延特征矩阵。


5.如权利要求1所述的微弱信号盲提取方法，其特征在于：通过反Hankel变换，把时延特征矩阵Xi重构成时间序列xi，xi(k)...

【专利技术属性】
技术研发人员：卢广阔，
申请(专利权)人：西南电子技术研究所中国电子科技集团公司第十研究所，
类型：发明
国别省市：四川;51