一种变步长自适应盲源分离方法及盲源分离系统技术方案

本发明专利技术请求保护一种变步长自适应ＥＡＳＩ盲源信号分离处理方法，属于信号处理技术领域。该方法通过最小均方误差准则估计能反映分离精度的全局矩阵，以此来控制步长，与传统ＥＡＳＩ算法相比，该方法克服了传统ＥＡＳＩ算法收敛速度和稳态误差这样一个内在矛盾。可以精确地分离混合信号，提高了收敛速度，降低了稳态误差，同时稳定性更好。在无线通信、雷达、图像、语音信号处理等领域具有广泛的应用前景。

【技术实现步骤摘要】

本专利技术涉及信号处理
，是一种盲源分离方法。
技术介绍
在许多情况下，源信号是相互混合的，对观测信号进行处理的目的就是恢复出无 法直接观测的各个原始源信号。盲源分离过程可描述为通过寻找一个满秩线性变换矩阵， 以便使输出的各个分量尽可能地相互独立，最大程度地逼近各个源信号。即建立目标函数 以寻优来实现逼近。(参考文献 Cardoso J F, Laheld B. Equivariant adaptive source separation. IEEETransaction on Signal Processing,44 (12) :3017-3030,1996.)EASI (Equivariant Adaptive Source S印aration，等变化自适应)算法是经典的 自适应盲源分离算法，属于LMS (Least Mean Squares，最小均方误差)型算法。LMS型学习 算法都存在一个步长的优选问题，步长是影响算法收敛速度和稳态性能的关键所在。若采 用大的步长，则算法收敛快，但信号的分离精度(即稳态性能)差；而采用小的步长，则稳态 性能好，但算法收敛慢。传统的EASI算法都采用固定步长，这就决定了传统的EASI算法存 在收敛速度和稳态误差的内在矛盾。采用大的步长，信号分离精度得不到保证；若采用小的 步长，收敛速度慢，会导致接收完所有混合信号后，信号未能得到成功分离。
技术实现思路
本专利技术所要解决的技术问题是，提出一种变步长自适应盲源分离方法，解决在对 盲源信号进行分离的过程中，LMS型算法存在的收敛速度和稳态误差这一矛盾。在信号处 理过程中，可以有效地对混合信号进行分离，提高了收敛速度，降低了稳态误差，同时算法 收敛的稳定性更好。本专利技术解决上述技术问题的技术方案是，在EASI算法的基础上，应用最小均方 误差准则，估计系统的全局矩阵，由此得到算法性能指数(PI)的估计值，通过该估计值来 控制系统的步长，在信号分离初期采用较大的步长，以加快算法的收敛速度，然后慢慢减 小步长，提高算法的稳态误差。变步长自适应EASI盲源分离方法具体包括，η个独立同 分布的未知源信号s(k) = T经过信道混合矩阵H的传输得到m 个混合信号x(k) = T;对所有混合信号逐点更新分离矩阵W，可 根据公式W(k+1) = ff(k) + y (k) W(k)对接收 到的所有混合信号逐点更新分离矩阵W，所建立的分离矩阵随步长的变化而变化。将全部 混合信号通过分离矩阵W，根据公式y = Wx将信号分离。在构建分离矩阵的过程中，根据性能指数的估计值&(”控制步长的大小，根据公式岣= C^i-CiAw)确定下一点 信号送入时，更新分离矩阵W的步长，使步长随着//(it)值的下降而不断减小。确定 值具体包括，利用最小均方误差准则得到混合矩阵H的估计矩阵& ；根据公式d(A:) =『(A)泠(Α)获取全局传输矩阵的估计矩阵，根据全局传输矩阵调用公<formula>formula see original document page 4</formula>式竹Σ——Λ 、!、-1 + Σ——Λ 、!、-1得到性能指数的估计值 ^ i max^ Gi(^y)Ij J ； max^ G4 (y,/)|J J^/(A:)，由此确定每次迭代所需的步长，并由分离矩阵更新模块构建分离矩阵。本专利技术提出一种变步长自适应EASI盲源分离系统，包括分离矩阵更新模块、全 局传输矩阵估计模块、性能指标估计模块、变步长模块。源信号s(k)经过信道混合矩阵 的传输后得到m个混合信号x(k) = T;全局传输矩阵估计模块利用最小均方误差准则min(E||x-命fj)得到混合矩阵H的估计矩阵#，调用公式 6(岣=W(Ar)泠(A:)获取全局估计矩阵性能指标估计模块根据全局估计矩阵6(众)λ _ Gk(i,j)\ λ GiO',ol 1调用公式= Σ Σ——广；‘、!、_1 + Σ——Λ 、!、-1得到性能指数的 ‘\y J max^G.^yjlj J I^ymaXj(Gt(W)I) J估计值&0)，变步长模块根据力“)控制步长的大小，调用公式=⑷、确定下一点信号的步长；分离矩阵更新模块利用步长根据公式W(k+l) =ff(k) + y (k) W(k)构建每一点信号的分离矩阵，所有信号接 收完得到最终分离矩阵W，将全部混合信号通过分离矩阵W，获得相互独立的估计信号。该盲源分离方法逐点接收信号，实时地调整步长，自适应地更新系统，可以将接收 到的混合信号快速、有效地进行盲源分离，以恢复原始信号。该盲源分离算法提高了算法的 收敛速度，降低了算法的稳态误差，提高了信号盲源分离精度和分离效果，并且提高了算法 收敛的稳定性，操作的可实现性更强。相比已有的传统方法从收敛稳定性、误差、速度方面 得到显著的提高。本专利技术所体现出来的优势，使其在无线通信、雷达、图像、语音信号处理等 领域均有广泛的应用前景。附图说明图1本专利技术变步长自适应算法处理框2本专利技术变步长自适应算法流程图 图3待分离的源信号波形图4本专利技术变步长自适应算法分离性能指标(PI)分布柱状5传统方法分离性能指标(PI)分布柱状6传统方法和本专利技术变步长自适应算法分离性能指标(PI)比较的变化曲线 具体实施例方式传统的EASI算法在提出的多数ICA方法中，学习规则都是代价函数或对比函数的 梯度下降算法。典型的代价函数具有J(W) =E{p (y)}的形式，其中P是某个标量函数， 并且通常会有若干额外的约束，E {·}表示求期望。这里y = Wx，假设W是方阵且可逆。函数P及X的概率密度决定了对比函数J(W)的形式。<formula>formula see original document page 5</formula>(1)式中，g(y)是P (y)的梯度。通过引入自然梯度求矩阵的逆(Wt)―1，自然梯度通过 对矩阵梯度式(1)右乘WtW得到，即为E{g(y)yT}W。随之，极小化代价函数J(W)的随机梯 度算法为<formula>formula see original document page 5</formula>(2)其中，μ为迭代步长。要考虑混合向量χ的白化过程，首先对X做线性变换ζ = Qx,使Zi为单位方差和 零协方差Ε{ζζτ} =1(1为单位方阵)。用如下的修正规则AQ= U (I-zzT)Q(3)使用白化后的向量代替原始向量，即ζ = QHs，易见矩阵QH为正交矩阵。所以它 的逆，即分离矩阵也是正交的，用B来表示这个正交的分离矩阵。然而，如果每一步迭代中 要保留B的正交性，B的每步更新就必须满足特定的约束。参照式(2)，得到B的更新序列 B — B+DB，其中 D = -μ g(y)yT。更新矩阵的正交条件为(B+DB) (B+DB)T = I+D+DT+DDT = I，式中做了 BBt = I的代换。假设D很小，一阶近似给出条件D = -Dt或D应为反对称的。 将这个条件用于相对梯度学习规则上，有<formula>formula see original document 本文档来自技高网...

【技术保护点】
一种变步长自适应盲源分离方法，其特征在于，ｎ个未知源信号ｓ（ｋ）＝［ｓ↓［１］（ｋ），ｓ↓［２］（ｋ），…，ｓ↓［ｎ］（ｋ）］↑［Ｔ］经过信道混合矩阵Ｈ的传输后得到ｍ个混合信号ｘ（ｋ）＝［ｘ↓［１］（ｋ），ｘ↓［２］（ｋ），…，ｘ↓［ｍ］（ｋ）］↑［Ｔ］；根据本信号点的分离矩阵Ｗ（ｋ）、步长μ（ｋ）、输出的估计信号ｙ（ｋ）、由ｙ（ｋ）定义的非线性函数ｇ（ｙ（ｋ）），调用公式Ｗ（ｋ＋１）＝Ｗ（ｋ）＋μ（ｋ）［Ｉ－ｙ（ｋ）ｙ↑［Ｔ］（ｋ）－ｇ（ｙ（ｋ））ｙ↑［Ｔ］（ｋ）＋ｙ（ｋ）ｇ↑［Ｔ］（ｙ（ｋ））］Ｗ（ｋ）得到下一点信号的分离矩阵Ｗ（ｋ＋１），对所有混合信号逐点更新分离矩阵，将全部混合信号通过最终的分离矩阵Ｗ，获得相互独立的估计信号。

【技术特征摘要】

【专利技术属性】
技术研发人员：张天骐，侯瑞玲，代少升，高翔云，赵德芳，杜小华，庞统，金翔，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：85[中国|重庆]