【技术实现步骤摘要】
一种源信号的确定方法及系统
本专利技术涉及信号处理领域,特别是涉及一种源信号的确定方法及系统。
技术介绍
盲信号提取是一个基础研究问题,即在源信号和传输信道均未知的情况下,仅利用观测信号(混合信号)恢复出源信号或对混合信道进行辨识。盲信号的提取应用的范围很广,例如:医学信号提取、微弱信号检测、通信盲均衡和特征提取等领域。由于混合过程和源信号数量均未知,其求解过程比较复杂且必须依赖于一定的限制条件。观测信号在传输之前需进行量化处理,而在信号量化处理过程中必然引进白化、量化、信道畸变等多种噪声,从而在很大程度上增加了对盲信号的提取难度,进一步不能准确的确定出源信号。源信号不能准确的确定,造成通信信号、医学信号等失真。基于贝叶斯框架的非线性滤波方法是一个递推-更新的参数估计过程,可实时对系统参数进行处理,但在参数设置和信号先验条件上有较高要求,如:贝叶斯递推的基础是要求噪声统计特性已知,而实际上很难对各种应用中的噪声进行准确的数学建模,因此噪声的统计特性是非线性滤波方法要解决的首要问题。现有技术中针对上述问题,提出了多种解决方案,其中专利CN201610150215.0请求保护一种基于改进粒子滤波的PCMA信号单通道盲分离方法。对接收到的单个PCMA信号进行分帧处理,确定参数的取值范围和分布,从而初始化粒子;根据重要性采样函数和当前时刻之前的粒子轨道,更新得到新的粒子;计算粒子重要性权值的大小并设置阈值来抛弃一些对后验分布贡献小的粒子,从而动态地调整粒子总数来简化计算;在利用线性最小均方误差准则得到两路上行 ...
【技术保护点】
1.一种源信号的确定方法,其特征在于,包括:/n获取卷积盲信号的观测信号;/n对所述卷积盲信号的观测信号进行采样,确定初始粒子集;/n根据所述初始粒子集,采用无先导卡尔曼粒子滤波算法,得到更新后的粒子集;/n根据所述更新后的粒子集确定粒子风险函数;/n根据所述粒子风险函数确定粒子风险的权重映射函数;/n根据所述更新后的粒子集和所述权重映射函数确定粒子代价函数;/n根据所述权重映射函数和所述粒子代价函数,采用最小二乘法拟合,得到提取向量的预测值;/n根据所述提取向量的预测值,采用加权最小二乘法,确定所述提取向量的确定值;/n获取信号映射关系;所述信号映射关系为所述观测信号、所述提取向量的确定值和源信号之间的映射关系;/n根据所述提取向量的确定值和所述卷积盲信号的观测信号,利用所述映射关系,确定所述源信号。/n
【技术特征摘要】
1.一种源信号的确定方法,其特征在于,包括:
获取卷积盲信号的观测信号;
对所述卷积盲信号的观测信号进行采样,确定初始粒子集;
根据所述初始粒子集,采用无先导卡尔曼粒子滤波算法,得到更新后的粒子集;
根据所述更新后的粒子集确定粒子风险函数;
根据所述粒子风险函数确定粒子风险的权重映射函数;
根据所述更新后的粒子集和所述权重映射函数确定粒子代价函数;
根据所述权重映射函数和所述粒子代价函数,采用最小二乘法拟合,得到提取向量的预测值;
根据所述提取向量的预测值,采用加权最小二乘法,确定所述提取向量的确定值;
获取信号映射关系;所述信号映射关系为所述观测信号、所述提取向量的确定值和源信号之间的映射关系;
根据所述提取向量的确定值和所述卷积盲信号的观测信号,利用所述映射关系,确定所述源信号。
2.根据权利要求1所述的一种源信号的确定方法,其特征在于,所述根据所述更新后的粒子集和所述权重映射函数确定粒子代价函数,具体包括:
根据所述权重映射函数对所述更新后的粒子集进行重采样,确定粒子的代价样本估计集;
根据所述粒子的代价样本估计集确定所述粒子代价函数。
3.根据权利要求1所述的一种源信号的确定方法,其特征在于,所述获取信号映射关系,之前还包括:
获取已知卷积信号的观测信号;
根据已知卷积信号的观测信号确定卷积混合模型;
将所述卷积混合模型转换为瞬时混合模型;
根据所述瞬时混合模型确定所述信号映射关系。
4.根据权利要求1所述的一种源信号的确定方法,其特征在于,所述根据所述提取向量的预测值,采用加权最小二乘法,确定所述提取向量的确定值,具体包括:
根据所述提取向量的预测值确定向量方差集;
根据所述提取向量的预测值和所述向量方差集,采用加权最小二乘法,得到提取向量的确定值。
5.一种源信号的确定系统,其特征在于,包括:
第一观测信号获取模块,用于获取卷积盲信号的观测信号;
初始粒子集确定模块,用于对所述卷积盲信号的观测信号进行采...
【专利技术属性】
技术研发人员:李卫民,徐高峰,刘国平,刘国,李邦超,
申请(专利权)人:山东中科先进技术研究院有限公司,中国科学院深圳先进技术研究院,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。