[发明专利]一种基于粒子群优化的信号分离方法

说明书

技术领域

本发明属于信号处理技术领域，涉及一种信号分离方法，尤其是一种基于粒子群优化的信号分离方法。

背景技术

在许多信号处理应用中，传感器采集得到的观测信号往往是多个信源形成的混合信号，信号质量较差。为了降低噪声干扰，提高信号质量，可以采用独立分量分析（Independent Component Analysis，ICA）对观测信号进行处理，恢复出独立源信号。

现有技术中，围绕ICA问题的解决已经出现了许多算法，其中最为经典的算法是FastICA算法，其优点在于：收敛速度快，与基于梯度的算法相比，不需要选择步长，目前大多数文献在解决BSS问题时，均采用了FastICA算法。1995年Bell和Sejnowski提出的Infomax算法是另一种常用ICA算法，该算法中分离矩阵的调整公式需要根据源信号的峭度性质选择不同的非线性函数。Lee在传统Infomax算法的基础上提出了一种扩展算法，该算法采用非线性模型的动态切换技术，实现了对超高斯和亚高斯源的同步分离，其性能优于传统Infomax算法。另一种较为常见的ICA算法是Cardoso提出的JADE算法，该算法是一种基于矩阵联合对角化的ICA算法，对各种情况的盲信号具有一定的分离作用。

上述现有技术的方法对于常规盲信号分离问题应用效果较好，但对于诸如超高斯源混合亚高斯源、强源信号混合弱源信号等非常规问题，应用效果并不理想：对于超高斯源混合亚高斯源的情况，三种ICA算法均无法实现准确分离；对于强信号混合弱信号的情况，FastICA算法完全失效，扩展Infomax算法与JADE算法表现较好，但细节方面与源信号仍存在一定偏差。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种基于粒子群优化的信号分离方法，该方法基于粒子群优化的独立分量分析，具有普遍适用性，对于各种盲源分离问题均具有良好的性能。

本发明的目的是通过以下技术方案来实现的：

这种基于粒子群优化的信号分离方法，包括以下步骤：

1）读取观测信号；

2）以最小化分离信号联合概率与边缘概率简单乘积间的差值为优化目标，建立如下所示的独立分量分析算法优化模型：

Minimize|P(y1,y2···,ym)-Πi=1mP(yi)|w.r.t.W]]>

s.t.:y(t)=Wx(t)

其中：x(t)为n维观测信号，y(t)为m维分离信号，W为分离矩阵，P(y₁,y₂,···,y_m)为分离信号y₁,y₂,···,y_m的联合概率，P(y_i)为分离信号y_i的边缘概率；

3）根据奇异值分解法确定源信号个数，依此确定分离矩阵维数；

4）计算观测信号间的相关系数γ_ij，确定分离矩阵取值范围；

5）利用粒子群优化算法求解最优分离矩阵；

6）优化结束后最后一代种群中性能最优的粒子为最优分离矩阵，将其与混合信号相乘，即可得到最优分离信号。

进一步，上述步骤3）具体为：