[发明专利]基于频谱校正与逆向组合的欠定盲信号分离方法及其装置

说明书

技术领域

本发明涉及数字信号处理技术领域，尤其涉及一种基于频谱校正与逆向组合的欠定盲信号分离方法及其装置。具体涉及对于在周期性观测信号数目小于源信号数目(即欠定情况)的盲信号分离场合，仅依据对周期性观测信号进行处理而恢复出所有源信号的问题。

背景技术

盲源分离(Blind Source Separation，简称BSS)^[1]来自于鸡尾酒会问题，也就是在未知源信号及混合过程的情况下，从接收到的观测信号中恢复出源信号的过程。该技术仅利用很少的先验信息就可从观测信号中恢复未知源信号，在数字通信、语音信号处理、图像处理、雷达与通信系统以及生物医学等领域获得到了广泛应用，是信号处理领域的研究热点。

对于盲源分离问题，当源信号数目m小于观测信号n时，为超定盲源分离；当源信号数目m等于观测信号n时，为正定盲源分离；当源信号数目m大于观测信号n时，为欠定盲源分离情况。对于超定和正定情况下的盲源分离问题，目前很多研究者已经提出许多有效的方法进行源信号的恢复，例如：独立分量分析(Independent Component Analysis，ICA)^[2,3]、改进的Fast ICA^[4-6]等均是有效的求解方法，但在实际信号环境中，往往存在源信号数目大于观测信号数目的情况(即欠定混合情况)，此时由于混合矩阵不可求伪逆，经典的ICA方法已不再适用，因此欠定盲信号分离的理论和算法需要进一步深入研究。

针对欠定盲信号分离的情况，目前研究者也提出了一些新的研究方法：文献[7]提出了一种基于功率谱密度的源数估计方法，该方法由观测信号功率谱密度函数的比值，得到功率谱密度矩阵，再通过比较矩阵各列向量估计出频率域独立源的源数，在此基础上可估计出欠定情况下的混合矩阵；文献[8]提出了基于局域均值分解的欠定盲源分离方法，通过利用局域均值分解对观测信号分解得到的一系列生产函数分量，将所得到的生产函数分量和原观测信号组成新的观测信号，进而转化为超定的情况，再通过超定的方法估计出源信号；文献[9,10]采用两步法解决稀疏信号欠定情况下的盲分离，第1步先由先验知识或概率统计的方法估计出混合矩阵；第2步是结合最短路径法及上步估计的混合矩阵恢复出源信号；文献[11]中肖明等提出了基于超平面法矢量的欠定盲信号分离算法，通过超平面法矢量估计混合矩阵；针对更为接近实际情况的含噪声情况下的欠定盲信号分离问题，文献[12]将维格纳分布和Khatri-Rao积应用到欠定盲分离的混合矩阵估计和源信号的恢复中，通过语音信号和图像信号的恢复证明了其正确性。

上述方法中，基于功率谱的盲信号分离[7]要求观测信号之间的参数比值，这容易产生无穷大的值而不方便计算机处理，同时由于频谱泄漏，对观测信号进行傅氏变换时得到的频谱峰值处的频率和幅值都是不精确的，对于欠定情况，只能估计出混合矩阵，无法完全恢复出源信号；文献[8]中将欠定情况转换为超定，对构成的新观测信号进行白化处理和联合近似对角化，得到源信号的估计，预处理过程复杂且转换过程用到的幅值等特征是没有经过校正的，因此新观测信号的不精确会影响后续恢复的精度；两步法^[9,10]作为常用的方法，实现起来更为简便，但文献[9,10]中采用的最短路径恢复时需对混合矩阵所有列向量通过组合进行求解，由于最短路径恢复法是针对每个观测时刻进行的，在每个时刻做源恢复时都涉及对混合矩阵的元素两两组合而耗费次矩阵求逆运算，故计算量大，且该方法只适用于源数较小的情况；文献[11]提出的算法只能够在源信号理想k阶稀疏情况下使用，不具有实用性；文献[12]中维格纳分布方法时还需对所有观测信号两两作WVD(维格纳变换)，再经过白化、K-均值聚类及Khatri-Rao积等处理使得信号处理的计算量会很大，因此算法仍需进一步改进。

发明内容

本发明提供了一种基于频谱校正与逆向组合的欠定盲信号分离方法及其装置，本发明提高了分离算法的精度，降低了算法的复杂度，详见下文描述：

一种基于频谱校正与逆向组合的欠定盲信号分离方法，所述方法包括以下步骤：

(1)根据频偏估计值，获取第i路的第p簇谱线校正后的频率估计值、幅值估计值和相位估计值；

(2)获取包含N个频率值的向量、n×N维的幅值矩阵和相位矩阵；逐个检查频率向量中的频率分量是否包含在第i路的频率向量中，若包含，则对幅值矩阵和相位矩阵进行重新赋值；

(3)将赋值后的幅值矩阵的各列进行归一化及聚类处理，获取聚类后的幅值矩阵；