一种基于房间脉冲响应重塑技术的盲源分离算法制造技术

本发明专利技术涉及信号处理技术领域，且公开了一种基于房间脉冲响应重塑技术的盲源分离算法，包括以下步骤：S1：混叠信号的建模：利用I个传感器接收J个源信号(I<J)，在真实环境中，有必要考虑房间的回声和混响。因此，系统模型可以表示为多通道卷积混合模型，如下所示：在混响环境中，c

【技术实现步骤摘要】
一种基于房间脉冲响应重塑技术的盲源分离算法


[0001]本专利技术涉及信号处理
，具体为一种基于房间脉冲响应重塑技术的盲源分离算法。

技术介绍

[0002]雷达是在现代战争中有效对抗高强度、多样式电磁干扰的重要设备，为了提高在复杂电磁环境下的作战能力就必须使雷达更加的“智能化”，比如抗干扰、声源准确定位等性能。盲源分离是指在缺乏源信号和信道参数先验知识的情况下，仅凭传感器观测信号独立的分离出目标信号，这一技术在无线通信和雷达中得到了广泛的应用。在实际的信号分离中，由于环境中存在许多信号的干扰因素，导致传统设计的盲分离算法很难满足实际需求。针对正定和超定的情况下(即当源信号数目小于接收器时为超定，当源信号数目等于接收器时为正定)，出现了有基于独立源分析的盲分离算法；针对欠定混叠的情况(即当源信号数目大于接收器时为欠定)，大多数已有的盲分离算法是基于稀疏元分析和非负矩阵分解的方法，然而，在面向混响环境下的盲分离问题时，该类算法仍存在不足，其容易受到混响环境的影响，导致分离性能差。因此，需要设计更加有效的算法去解决混响复杂环境下的欠定盲源分离问题。

技术实现思路

[0003]本专利技术的目的在于提供了一种基于房间脉冲响应重塑技术的盲源分离算法，解决了上述
技术介绍
中所提出的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种基于房间脉冲响应重塑技术的盲源分离算法，包括以下步骤：
[0005]S1：混叠信号的建模
[0006]利用I个传感器接收J个源信号(I&;lt;J)，在真实环境中，有必要考虑房间的回声和混响。因此，系统模型可以表示为多通道卷积混合模型，如下所示：
[0007][0008]在混响环境中，c
j
(t)可以用卷积混合表示：
[0009]c
j
(t)＝A
j
*s
j
(t)
ꢀꢀ
(2)；
[0010]S2：房间脉冲响应的重塑
[0011]为提高接收信号的质量，设计预滤波器h使其满足：
[0012]g(n)＝Ah
ꢀꢀꢀꢀꢀꢀ
(3)；
[0013]为完成对滤波器的重塑，使用两个窗口函数w
d
(n)和w
u
(n)从全局脉冲响应中得到一个想要的部分g
d
(n)＝w
d
(n)g(n)和一个不想要的部分g
u
(n)＝w
u
(n)g(n)。窗口函数定义如下：
[0014]w
d
＝[01,02,...,0
N1
,11,12,...,1
N2
,01,02,...,0
N3
]T (4)
[0015]w
u
＝[01,02,...,0
N1+N2
,w
0TN3
]T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)；
[0016]窗口函数w0定义如下：
[0017][0018]然后对预滤波器的优化如下：
[0019][0020]其中，
[0021][0022][0023]在(8)(9)式中，设置p
u
＝10,p
d
＝20，||.||
p
代表矩阵的p范数运算，|.|表示矩阵分量的模运算，然后，利用梯度下降法获得更新规则如下：
[0024][0025]其中μ代表步长，通过对房间脉冲响应的重塑过程，得到了质量更高的混叠信号x(t)；
[0026]S3：模型变换
[0027]对公式(1)进行短时傅里叶变换，构建时频域上的混叠模型如下：
[0028]x(f,n)＝A(f)s(f,n)+b(f,n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)；
[0029]通过对源信号的空间协方差矩阵的考虑，将源短时傅里叶变换的系数c
j
建模为相位不变的多元分布，推断出第j个源图像短时傅里叶变换的协方差矩阵分解为：
[0030]R
cj
(f,n)＝v
j
(f,n)R
j
(f)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0031]混合信号x(f,n)协方差矩阵模型设计如下:
[0032][0033]S4：分层聚类
[0034]采用分层聚类算法估计混合矩阵，完成对所有声源信号簇的归一化，用表示。选择集群C
j
样本数量K等同于源信号数量J的簇，计算出混叠矩阵A
j
和空间协方差矩阵
R
j
：
[0035][0036][0037]其中，(.)
H
表示矩阵的共轭转置；
[0038]S5：模型参数的更新
[0039]利用期望最大化算法(Expectation
‑
maximization,EM)迭代更新模型参数，具体方法如下：
[0040]E
‑
step：
[0041]W
j
(f,n)＝R
cj
(f,n)R
x
‑1(f,n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0042][0043][0044]其中，I为单位矩阵，W
j
(f,n)为维纳滤波器，为成分分量系数的向量，为协方差的空间来源的图像，通过对源方差和空间协方差进行更新：
[0045]M
‑
step：
[0046][0047][0048]其中，N表示所有的时间帧，tr(.)表示矩阵的迹；
[0049]S6：排序
[0050]在算法实现的过程中，容易出现排序歧义性问题，基于DOA的置换对齐方法来解决排序歧义性问题，对各个频率下的混合矩阵A
j
，源方差v
j
和空间协方差R
j
进行排序。同时，用维纳滤波器从混叠信号中分离源信号，得到源信号的空间图像如下：
[0051][0052]S7：利用短时傅里叶逆变换对得到的源信号进行重构，得到时域上的源信号s(t)，完成源信号的盲分离。
[0053]优选的，x(t)表示观测到的信号，c
j
(t)＝[c
1j
(t),...,c
Ij
(t)]T
表示每个源对混合通道的脉冲响应，b(t)＝[b1(t),...,b
J
(t)]T
是噪声，I和J分别是麦克风的数量和声源的数量。
[0054]优选的，s
j
(t)代表源信号，A
j
＝[a
1j
(t),...,a
ij
(t)]T
，a
ij
...

【技术保护点】

【技术特征摘要】
1.一种基于房间脉冲响应重塑技术的盲源分离算法，其特征在于，包括以下步骤：S1：混叠信号的建模利用I个传感器接收J个源信号(I<J)，在真实环境中，有必要考虑房间的回声和混响。因此，系统模型可以表示为多通道卷积混合模型，如下所示：在混响环境中，c
j
(t)可以用卷积混合表示：c
j
(t)＝A
j
*s
j
(t)
ꢀꢀ
(2)；S2：房间脉冲响应的重塑为提高接收信号的质量，设计预滤波器h使其满足：g(n)＝Ah
ꢀꢀꢀꢀꢀꢀ
(3)；为完成对滤波器的重塑，使用两个窗口函数w
d
(n)和w
u
(n)从全局脉冲响应中得到一个想要的部分g
d
(n)＝w
d
(n)g(n)和一个不想要的部分g
u
(n)＝w
u
(n)g(n)。窗口函数定义如下：w
d
＝[01,02,...,0
N1
,11,12,...,1
N2
,01,02,...,0
N3
]
T (4)w
u
＝[01,02,...,0
N1+N2
,w
0TN3
]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)；窗口函数w0定义如下：然后对预滤波器的优化如下：其中，其中，在(8)(9)式中，设置p
u
＝10,p
d
＝20，||.||
p
代表矩阵的p范数运算，|.|表示矩阵分量的模运算，然后，利用梯度下降法获得更新规则如下：其中μ代表步长，通过对房间脉冲响应的重塑过程，得到了质量更高的混叠信号x(t)；
S3：模型变换对公式(1)进行短时傅里叶变换，构建时频域上的混叠模型如下：x(f,n)＝A(f)s(f,n)+b(f,n)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)；通过对源信号的空间协方差矩阵的考虑，将源短时傅里叶变换的系数c
j
建模为相位不变的多元分布，推断出第j个源图像短时傅里叶变换的协方差矩阵分解为：混合信号x(f,n)协方差矩阵模型设计如下:S4：分层聚类采用分层聚类算法估计混合矩阵，完成对所有声源信号簇的归一化，用表示。选择集群C
j
样本数量K等同于源信号数量J的簇，计算出混叠矩阵A
j
和空间协方差矩阵R
j
：：其中，(.)
H
表示矩阵的共轭转置；S5：模型参数的更新利用期望最大化算法(Expectation
‑
maximization,EM)迭代更新模型参数，具体方法如下：E
‑
step：W
j
(f,n)＝R
cj
(f,n)R

【专利技术属性】
技术研发人员：张旭，马鸽，解元，邹涛，
申请(专利权)人：广州大学，
类型：发明
国别省市：