【技术实现步骤摘要】
一种基于信号分解与稀疏重构的混合信号分离方法及装置
[0001]本专利技术涉及雷达、通信信号处理领域，具体涉及一种基于信号分解与稀疏重构的混合信号分离方法及装置。
技术介绍
[0002]随着电磁环境日益复杂，电子侦察系统接收信号经常表现为多个信号在空域、时域、频域的叠加，相互之间存在交叠。如何将感兴趣信号与其它信号分离，是侦察系统进行参数估计、信号类型识别的关键。在单通道的情况下(或多个信号均从主瓣进入，空域无法分辨)，各组成信号在时域、频域、时频域均存在交叠，信号分离任务通常也称为单通道信号分离。由于单通道信号分离问题比较特殊，分离算法一般会依赖于源信号本身的一些特性。当前单通道信号分离方法主要包括将单通道转换为多通道的方法、多参数联合估计方法、基于有限符号集特征的估计方法、变换域滤波方法等。但上述方法主要存在如下问题：(1)实际场景中待分离信号先验信息不足，很多方法难以直接应用；(2)针对雷达、通信信号交叠场景下的分离方法研究较少；(3)很多算法只适用于2个信号交叠的场景，对3个及以上信号交叠场景分离性能不佳；(4)缺乏...
【技术保护点】
【技术特征摘要】
1.一种基于信号分解与稀疏重构的混合信号分离方法，其特征在于，包括以下步骤：1)在已知混合信号信源数目和各组成信号瞬时频率的条件下，对各组成信号进行傅里叶分解，获得各组成信号的分解系数向量p；2)基于各组成信号的分解系数向量p和接收信号，建立接收信号的观测模型y＝Gp+n，其中y为接收信号，G为观测矩阵，n为噪声；3)基于接收信号的观测模型，将信号分离问题转化成为一个稀疏优化问题，建立稀疏优化问题的目标函数；4)求解上述稀疏优化问题，实现对各组成信号的分解系数的稀疏重构，获得各组成信号的稀疏重构的分解系数向量5)基于各组成信号的稀疏重构的分解系数向量和观测矩阵G，得到分离后的各组成信号。2.根据权利要求1所述的基于信号分解与稀疏重构的混合信号分离方法，其特征在于，所述步骤1)具体包括：将接收的混合信号看作多分量非稳态信号的线性叠加，其信号模型表示为：其中，M是混合信号中各组成信号的个数，为第m个分量信号在t时刻的瞬时复包络，φ
m
(t)为第m个分量信号在t时刻的瞬时相位，为第m个分量信号在t时刻的瞬时频率，n(t)为在t时刻的高斯白噪声；对包络进行傅里叶分解：其中，为复傅里叶系数；为基频，其中，F
s
为信号采样频率，N为采样点数，Q为正整数控制参数，用于控制将频率间隔划分的粗细；为傅里叶阶数，B
m
为信号的带宽；用向量p表示各组成信号的分解系数，将公式(2)重写为：a
m
＝G
′
m
p
m
，其中，a
m
＝[a
m
(t0)，...，a
m
(t
N
‑1)]
T
；其中，其中，则构建系数向量G
′
m
为N
×
(2K
m
+1)的矩阵，其第c行第d列的元素(G
′
m
)
cd
表示为：其中，t
c
‑1表示矩阵(G
′
m
)
cd
第c行所对应时间。3.根据权利要求1所述的基于信号分解与稀疏重构的混合信号分离方法，其特征在于，所述步骤2)还包括：根据接收信号的观测模型y＝Gp+n，各部分的数学表示如下：
y＝[y(t0)，y(t1)，...，y(t
N
‑1)]
T
.
ꢀꢀꢀꢀ
(5)n＝[n(t0)，n(t1)，...，n(t
N
‑1)]
T
.
ꢀꢀꢀ
(6)(6)G＝[G
′1，...，G
′
m
，...，G
′
M
].
ꢀꢀꢀꢀ
(9)其中，矩阵G的维度为N
×
(2K
m
+1)M，N为采样点数，M为混合信号中各组成信号的个数，K
m
为傅里叶阶数，上标T表示矩阵转置，为复傅里叶系数，令各信号的带宽满足B
m
＜B，其中B为预先给定的带宽值，此时，p通常是稀疏向量。4.根据权利要求1所述的基于信号分解与稀疏重构的混合信号分离方法，其特征在于，所述步骤3)稀疏优化问题的目标函数表示为：其中表示稀疏重构后的分解稀疏向量，α为正则化系数。5.根据权利要求1所述的基于信号分解与稀疏重构的混合信号分离方法，其特征在于，所述步骤4)中采用广义消息传递算法或其它稀疏重构算法对稀疏优化问题进行求解。6.根据权利要求1所述的基于信号分解与稀疏重构的混合信号分离方法，其特征在于，所述步骤5)中通过下式获得分离后的各组成信号：其中为稀疏重构的分解系数向量。7.一种基于信号分解与稀疏重构的混合信号分离装置，其特征在于，包括：混合信号分解模块，用于在已知混合信号信...
【专利技术属性】
技术研发人员：晋本周，柴恒，周子烨，高墨昀，李建峰，张小飞，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。