[发明专利]一种改进的自适应盲源分离方法

说明书

技术领域

本发明属于信号处理技术领域，尤其是涉及一种改进的自适应盲源分离方法。

背景技术

盲源分离是指在信号的理论模型和源信号无法精确获知的情况下,如何从混迭信号(观测信号)中分离出各源信号的过程。盲源分离(Blind Source Separation,BSS)的基本任务是在源信号未知以及源信号的混合方式也未知的情况下,从一组接收到的观测信号中恢复出源信号，在人脸识别、语音信号处理、生物医学信号处理、卫星及微波通信等方面具有巨大的应用潜力。盲源分离方法可分为批处理方法以及自适应方法两大类。与批处理方法相比，自适应方法能够实时跟踪信号变化。

传统自适应盲源分离系统，简称为传统分离系统，如图1所示。传统分离系统是由未知非奇异混合矩阵A与分离矩阵W(k)串联构成；由M个互相独立的源信号S(k)=[s₁(k),s₂(k),…,s_M(k)]^T经过一个未知非奇异混合矩阵A进行混合得到观测信号X(k)=[x₁(k),x₂(k),…,x_M(k)]^T，x_M(k)是第M个观测信号。在忽略传输延迟效应和噪声时，得

X(k)=AS(k)          (1)

式中，A是M×M维矩阵。盲源分离的目标是在仅知道观测信号X(k)时，通过迭代得到一个满秩的分离矩阵W(k)后，从观测信号X(k)中得到分离信号Y(k)

Y(k)=W(k)X(k)          (2)

式中，Y(k)是对源信号S(k)的一个估计，为M×1维矩阵；W(k)是M×M维矩阵。

利用互信息和信息熵的关系，将分离系统的代价函数定义为

J(k)=H(ym(k))-ln|det(W(k))|=-Σm=1ME(lnpy(ym(k)))-ln|det(W(k))|---(3)]]>

式中，H(y_m(k))为分离信号向量Y(k)中第m个分离信号y_m(k)的熵，p_y(y_m(k))为分离信号向量Y(k)中第m个分离信号y_m(k)的边缘概率密度，E表示数学期望运算，ln表示以e为底的自然对数，det表示取W(k)的行列式。当分离系统的代价函数J(k)为极小时，最佳的分离矩阵W(k)能使分离信号向量Y(k)中各分量彼此独立。利用概率密度的Edgeworth展开并取到四阶累积量，则