一种基于自适应细菌觅食的单通道盲源分离方法技术

本发明专利技术属于辐射源信号分离技术领域，具体涉及一种基于自适应细菌觅食的单通道盲源分离方法。本发明专利技术针对现有的SCBSS方法存在准确性低和无法在未知源数目情况下进行准确分离的问题，将单通道观测信号进行虚实分解得到两路待分解信号，在源信号数目未知的条件下，利用基于信息论准则的MDL‑AIC组合数目估计方法和基于GDE的数目估计方法对单通道观测信号进行源数目估计，同时采用自适应细菌觅食算法对VMD的参数进行优化，将VMD所需分解层数、惩罚因子依靠人为确定和重建多路信号所需源数目未知的问题转变为复杂目标函数的求解问题。本发明专利技术相较于利用VMD的SCBSS方法可以得到更优的参数，解决了现有SCBSS方法准确性低和需要已知源数目的问题，提升此方法准确性。

【技术实现步骤摘要】
一种基于自适应细菌觅食的单通道盲源分离方法
本专利技术属于辐射源信号分离
，具体涉及一种基于自适应细菌觅食的单通道盲源分离方法。
技术介绍
盲源分离(BlindSourceSeparation,BSS)是指在源信号与信道参数未知的条件下，仅依靠观测信号实现源信号数目估计与分离的方法，广泛应用于无线通信、图像处理及生物医学等领域。当前主流的BSS方法是建立在源数目已知的前提下，而多数实际情况是源数目未知，为解决该问题M.Wax和T.Kailath最早提出结合信息论准则来解决该问题，并利用最小描述长度(MinimumDescriptionLength,MDL)准则和Akaike信息准则(AkaikeInformationtheoreticCriteria,AIC)进行源数目估计。鉴于在低信噪比情况下该方法估计效果较差，H.T.Wu等人提出利用盖尔圆定理(GerschgorinDiskEstimator,GDE)对源信号进行数目估计的算法，该方法在低信噪比的情况下具有较好的估计效果。由于信号环境趋于复杂和接收设备日益微型化，使得观测信号本文档来自技高网...

【技术保护点】
1.一种基于自适应细菌觅食的单通道盲源分离方法，其特征在于，包括以下步骤：/n步骤1：从辐射源中获取线性混合的单通道观测信号x(t)，将x(t)进行虚实分解得到信号I(t)和信号Q(t)；/n

【技术特征摘要】
1.一种基于自适应细菌觅食的单通道盲源分离方法，其特征在于，包括以下步骤：
步骤1：从辐射源中获取线性混合的单通道观测信号x(t)，将x(t)进行虚实分解得到信号I(t)和信号Q(t)；



步骤2：获取信号I(t)对应的最优分解层数最优惩罚参数及最优估计源数目获取信号Q(t)对应的最优分解层数最优惩罚参数及最优估计源数目
其中，获取信号Q(t)对应的最优分解层数最优惩罚参数及最优估计源数目的方法与获取信号I(t)对应的最优分解层数最优惩罚参数及最优估计源数目的方法相同；所述的获取信号I(t)对应的最优分解层数最优惩罚参数及最优估计源数目的方法具体包括以下步骤：
步骤2.1：初始化自适应的细菌觅食算法种群参数和细菌位置信息；
设定种群大小S、趋向操作最大次数Nc、复制操作最大次数Nre、迁徙最大次数Ned、一次趋向中种群个体的最大转向次数Ns、迁徙概率Ped、优化空间维数D、优化区间的最小值θmin与最大值θmax；初始种群位置信息为：
θi＝θmin+rand(0,1)·(θmax-θmin)
其中，θi＝[Ki,αi]表示初始化第i个细菌个体的位置信息，i＝1,2,···,S；rand(0,1)表示0～1之间的随机数；初始化迁徙操作次数l＝1，复制操作次数z＝1，趋向操作次数g＝1；
步骤2.2：计算细菌i在第g次趋向操作、第z次复制操作、第l次迁徙操作中对应信号I(t)的适应度值JI(t)(i,g,z,l)，具体包括以下步骤：
步骤2.2.1：根据细菌i的位置信息θi＝[Ki,αi]，将Ki作为VMD分解所需的分解层数，αi作为惩罚因子，构造VMD分解器；将信号I(t)输入到构造的VMD分解器中，得到信号I(t)的K个IMF分量
步骤2.2.2：对单通道观测信号x(t)进行M倍抽样得到M通道信号X＝[x(1),x(2),···,x(M)]T，其中[·]T表示转置；计算M通道信号的协方差矩阵R；



步骤2.2.3：对协方差矩阵R进行特征值分解；
EVD(R)＝QMAΛMAQMAH
其中，ΛMA＝diag(γ1,γ2,···,γM)为R的特征值；diag(·)表示对角矩阵；为R的特征向量；表示QMA中的第f个分量，f＝1,2,…,M；H表示矩阵的共轭转置；
步骤2.2.4：计算M通道信号进行源数目估计值a1，当MA(a)取极小值时所对应的a值即为源数目估计值a1；






其中，SNR表示M通道信号X的信噪比；μ为常数；L表示R中的数据矢量的长度；是R的第个特征值；
步骤2.2.5：对协方差矩阵R进行分块，得到协方差矩阵R前M-1行、前M-1列组成的方阵R1；



其中，r＝[r1,M,r2,M,···,r(M-1),M]T，由R的最后一列的前M(M-1)行元素组成；
步骤2.2.6：对方阵R1进行特征值分解；
EVD(R1)＝QGDEΛGDEQGDEH
其中，ΛGDE＝diag(κ1,κ2,···,κM-1)为R1的特征值；为R1的特征向量，表示QGDE中的第p个分量，p＝1,2,…,M-1；
步骤2.2.7：对协方差矩阵R进行酉变换，得到矩阵Ru；



其中，ηs表示以|νs|为半径的盖尔圆对应的特征值，s＝1,2,…,a；δ2表示半径为0的盖尔圆对应的特征值；表示νs的共轭；
步骤2.2.8：计算M通道信号进行源数目估计值a2，当GDE(a)首次取负值时所对应的a值减去1即为源数目估计值a2；



其中，σs＝|νs|表示盖尔圆的半径；Dis(L)是与L有关的减函数，是GDE的调整因子，取值为0～1；
步骤2.2.9：计算信号I(t)与其IMF分量的相关系数，选取对应相关性系数最大的前a1个IMF分量，重建多路信号选取对应相关性系数最大的前a2个IMF分量，重建多路信号



其中，表示I(t)的第b个IMF分量；表示I(t)与其第b个IMF分量之间相关系数；cov(·)表示计算协方差；var(·)表示计算方差；
步骤2.2.10：计算细菌i在第g次趋向操作、第z次复制操作、第l次迁徙操作中对应信号I(t)的适应度值JI(t)(i,g,z,l)；









其中，为信号I(t)与信号的相关系数；为信号I(t)与信号的相关系数；<...

【专利技术属性】
技术研发人员：高敬鹏，王甫，项建弘，王旭，高路，白锦良，江志烨，张然，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23