一种非负盲源分离方法及系统技术方案

本申请涉及盲源分离技术领域，尤其涉及一种非负盲源分离方法及系统，其中，非负盲源分离方法，包括：估计混合矩阵

【技术实现步骤摘要】
一种非负盲源分离方法及系统
本申请涉及盲源分离
，尤其涉及一种非负盲源分离方法及系统。
技术介绍
盲源分离(BSS:BlindSourceSeparation)，又称为盲信号分离，是指在信号的理论模型和源信号无法精确获知的情况下，如何从混迭信号(观测信号)中分离出各源信号的过程。盲源分离和盲辨识是盲信号处理的两大类型。盲源分离的目的是求得源信号的最佳估计，盲辨识的目的是求得传输通道的混合矩阵。目前，盲源分离的非负盲源分离，通常需要添加一些前提假设或限制观测数据点云的形状，例如：需要进行局部优势假设、完全可加性假设、独立性假设等，所以目前非负盲源分离方法不具有通用性。因此，在非负盲源分离中，如何避免添加假设以及限制观测数据点云的形状，以使非负盲源分离方法具有通用性，是目前本领域技术人员急需解决的技术问题。
技术实现思路
本申请提供了一种非负盲源分离方法及系统，以在非负盲源分离中避免添加假设以及限制观测数据点云的形状，从而使得非负盲源分离方法具有通用性。为解决上述技术问题，本申请提供如下技术方案：一种非负盲源分离方法，包括如下步骤：步骤S110、估计混合矩阵，使得该混合矩阵的每列元素均为一条直线的斜率的分量，该直线为观测矩阵对应的单锥的边界或边界的交线，并且还使得该混合矩阵的元素为非负值，每列元素之和为1；步骤S120、依据观测矩阵和估计的混合矩阵得到估计的源信号矩阵，从而构建解空间；步骤S130、在解空间中，计算估计的源信号矩阵的每行元素对应的源信号彼此之间的二值相关度；步骤S140、将二值相关度最小的源信号作为分离结果。如上所述的非负盲源分离方法，其中，优选的是，若估计的混合矩阵是二维矩阵，则，其中，,，和为单锥的一条边的斜率的分量，和为单锥的另一条边的斜率的分量，并且和的和为1，和的和为1。如上所述的非负盲源分离方法，其中，优选的是，若估计的混合矩阵是三维矩阵则估计的混合矩阵的每一列的元素为单锥的边的斜率的分量，其中单锥的边为单锥的面的交集，并且混合矩阵的每一列的元素之和为1。如上所述的非负盲源分离方法，其中，优选的是，若估计的混合矩阵是大于三维矩阵，则估计的混合矩阵的每一列的元素为(n-1)个超平面相交的直线的斜率的分量，并且混合矩阵的每一列的元素之和为1。如上所述的非负盲源分离方法，其中，优选的是，将观测矩阵和估计的混合矩阵代入公式中，估计出源信号矩阵。如上所述的非负盲源分离方法，其中，优选的是，在依据观测矩阵和估计的混合矩阵得到估计的源信号矩阵之前，对观测矩阵对应的观测信号进行降噪处理。如上所述的非负盲源分离方法，其中，优选的是，计算源信号彼此之间的二值相关度，具体包括如下步骤：步骤S131、计算源信号矩阵中每行元素对应的源信号的梯度分布；步骤S132、依据预设的阈值和计算得到的源信号的梯度分布，将源信号进行二值化；步骤S133、计算二值化后的源信号彼此之间的二值相关度。如上所述的非负盲源分离方法，其中，优选的是，将梯度大于阈值的源信号的设置为1，而将梯度小于阈值的源信号设置为0，以对源信号进行二值化。如上所述的非负盲源分离方法，其中，优选的是源信号矩阵为二维矩阵，则通过公式计算估计的源信号和的二值相关度，其中，为源信号的二值化结果，为源信号的二值化结果,K表示源信号的样本数，“⋅”为内积运算符。一种非负盲源分离系统，包括：传感器和分离装置，传感器采集观测信号，并将观测信号发送给分离装置，分离装置执行上述任一项所述的非负盲源分离方法，以通过观测信号对应的观测矩阵分离出源信号。相对上述
技术介绍
，本专利技术所提供的非负盲源分离方法及系统，可以解决适定条件下的非负盲源分离问题，并且不需要局部优势假设、全可加假设、独立性假设等假设，也不需要对观测信号点云的形状加以限制，因此本申请提供的非负盲源分离是一种通用的盲源分离方法。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。图1是本申请一个实施例提供的非负盲源分离方法的流程图；图2a是本申请实施例提供的源信号的分布示意图；图2b是本申请实施例提供的观测信号及其对应单锥的分布示意图；图3是本申请实施例提供的构建的解空间的示意图；图4是本申请实施例提供的二值相关度的计算流程图；图5是本申请实施例提供的不同源信号样本数下的二值相关度分布示意图；图6是本申请又一实施例提供的非负盲源分离方法的流程图；图7是本申请实施例提供的点云及凸包的示意图；图8是本申请另一实施例提供的非负盲源分离方法的流程图；图9是本申请再一实施例提供的非负盲源分离方法的流程图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本申请提供的非负盲源分离方法，仅适用于适定的情况，也就是源信号的数量m与观测到的观测信号数量n相同，即：m=n，对于超定情况（m>n）可以通过非共线观测值将超定情况转化为适定情况。实施例一请参阅图1，本申请还提供了一种非负盲源分离方法，具体包括如下步骤：步骤S110、估计混合矩阵，使得该混合矩阵的每列元素均为一条直线的斜率的分量，该直线为观测矩阵对应的单锥的边界或边界的交线，并且还使得该混合矩阵的元素为非负值，每列元素之和为1；非负盲源分离是从获得的观测信号中分离出源信号的过程。具体的，非负盲源分离的无噪声模型为；其中，为观测信号矩阵，为混合矩阵，为源信号矩阵。由公式可知，非负盲源分离的关键在于估计一个混合矩阵然后根据估计出的混合矩阵和获得的观测信号矩阵估计出源信号矩阵，从而实现非负盲源分离。如图2a所示，源信号分布于坐标系中的正象限内；如图2b所示，观测信号则分布于坐标系正象限的一个由矩阵生成的单锥中，可以表示为观测信号分布于坐标系中的单锥Span+(U)内，图2b显示了3维单锥的边界以及边界的交线。具体的，单锥Span+(U)的第i个边界，其中U的阶为2时，边界是边；U的阶为3时，边界是平面（如图2b所示）；阶大于3时，边界是超平面。例如：若估计的混合矩阵是二维矩阵，也就是是2×2矩阵，那么相应的观测矩阵对应的单锥的边界为两条边，则估计的混合矩阵可以表示为，其中，,，和为单锥的一条边的斜率的分量，和为单锥的另一条边的斜率的分量，并且和的和为1，和的和为1。又例如：若估计的混合矩阵是三维矩阵，也就是是3×3矩阵，那么相应的观测矩阵对应的单锥的边界为三个平面，如图2b所示，三个平面两两相交则具有三条交线，也就本文档来自技高网...

【技术保护点】
1.一种非负盲源分离方法，其特征在于，包括如下步骤：/n步骤S110、估计混合矩阵

【技术特征摘要】
1.一种非负盲源分离方法，其特征在于，包括如下步骤：
步骤S110、估计混合矩阵，使得该混合矩阵的每列元素均为一条直线的斜率的分量，该直线为观测矩阵对应的单锥的边界或边界的交线，并且还使得该混合矩阵的元素为非负值，每列元素之和为1；
步骤S120、依据观测矩阵和估计的混合矩阵得到估计的源信号矩阵，从而构建解空间；
步骤S130、在解空间中，计算估计的源信号矩阵的每行元素对应的源信号彼此之间的二值相关度；
步骤S140、将二值相关度最小的源信号作为分离结果。


2.根据权利要求1所述的非负盲源分离方法，其特征在于，若估计的混合矩阵是二维矩阵，则，其中，,，和为单锥的一条边的斜率的分量，和为单锥的另一条边的斜率的分量，并且和的和为1，和的和为1。


3.根据权利要求1所述的非负盲源分离方法，其特征在于，若估计的混合矩阵是三维矩阵则估计的混合矩阵的每一列的元素为单锥的边的斜率的分量，其中单锥的边为单锥的面的交集，并且混合矩阵的每一列的元素之和为1。


4.根据权利要求1所述的非负盲源分离方法，其特征在于，若估计的混合矩阵是大于三维矩阵，则估计的混合矩阵的每一列的元素为(n-1)个超平面相交的直线的斜率的分量，并且混合矩阵的每一列的元素之和为1。


5.根据权利要求1所述的非负盲源分离方法，其特征在于，...

【专利技术属性】
技术研发人员：赵明瞻，
申请(专利权)人：北京英迈琪科技有限公司，
类型：发明
国别省市：北京;11