[发明专利]一种单通道时频重叠信号盲分离方法

说明书

技术领域

本发明涉及通信信号处理领域，具体涉及一种单通道时频重叠信号盲分离的方法。

背景技术

在现代信息时代，随着通信技术的发展和全球通信业务的迅速增长，使得通信环境复杂化，频谱资源利用紧张化,干扰噪声种类多样化；这样以来，通常为了获得单个信号分量，需要进行信号分量的分离进而使得单通道时频混叠信号在通信中的共道干扰等通信应用环境中普遍存在。利用阵列信号MIMO系统处理的传统盲源分离算法以及时频域、空域和码域滤波的方法都不再适用，这样就需要对这类单通道时频重叠信号进行盲分离。

从国内外大量的文献可知,多项式拟合方法(Barbarossa S,Scaglione A,Giannakis G B.Product high-order ambiguity function for multicomponent polynomial-phase signal modeling,IEEE Trans Signal Process,vol.46,Issue 3,1998,p.691-708)、利用能量算子计算各个信号的幅度和相位的方法(Cai X W,Wei P,Xiao X C.The single channel of time-frequency overlapping signal blind source separation method based on energy operator,China science letter E:information science,2008,38:607-619)、利用各种不同的时频分布估计参数方法(Li M Z,Zhao H C.Research on parameters extraction of pseudo code phase modulation-carry frequency modulation combined fuse signal based on the adaptive window length of improved B distribution,Acta Armamentarii,2011,32:543-547)和各种虚拟通道法等都可以对单通道时频重叠高斯调幅通信信号进行分离。近年来常用的方法是虚拟通道法，包括wavelet-ICA和EMD-ICA方法。Hong Hoonbin等对接收到的混合信号先进行小波分解，然后对于得到的分量进行ICA处理，将此方法用于机械故障诊断中去，虽然这种方法不受信号类型的限制，对于单频率的信号进行分离的效果较好，但是对于带宽信号不能彻底分离，仍保留了混合信号的信息，不能很好地分离出各个源信号，分离效果不是很理想(Hong H,Liang M.Separation of fault features from a single-channel mechanical signal mixture using wavelet decomposition,Mechanical Systems and Signal Processing,2007,21:2025-2040)。毋文峰等提出利用总体经验模态分解EMD将单路混合信号分解为多个本征模态函数，将本征模态函数分量进行ICA分离恢复,将经验模态分解EMD-ICA的单通道盲源分离方法用于轴承和齿轮的仿真研究，正确分离出轴承和齿轮源信号，此法相对于时空法、小波分解法等分离效果明显提高，然而，对于频谱重叠过多的信号，每个本征模函数分量覆盖了一个宽的频率范围，致使分离效果不佳(Wu W F,Chen X H，Su X J.Blind Source Separation of Single-channel Mechanical Signal Based on Empirical Mode Decomposition,Chinese Journal of Mechanical Engineering,2011,47:12-16)。在实际中，对于特定模型的信号，可以采用模型估计的方法进行盲分离，即建立信号的模型，利用一些估计方法将模型中信号的参数的估计出来。王世元等采用参数估计的方法解决了原始混沌信号的盲分离问题，采用一种容积准则近似该映射的加权积分函数，基于由状态空间模型建模的参数，提出了一种新的参数估计，有效实现了混沌信号的重构。由于一定要建立合适的状态空间模型的缺点，导致该方法不适用于单通道时频重叠高斯调幅信号的盲分离(Wang S Y,Feng J C.A novel method of estimating parameter and its application to blind separation of chaotic signals,Acta Phys.Sin.,2012,61:170508)。张淑宁等提出了基于粒子滤波的单通道正弦调频混合信号的分离和参数估计,针对正弦调频混合信号频率无跳变的特征,提出了一种基于粒子滤波的相位差解混叠算法,并通过源信号相位差解决了算法中粒子滤波高维状态空间降维问题,提出了一种适合高维状态空间的似然函数模型,比较固定长度粒子估计值和真实值误差,进而准确衡量粒子权重.通过在重采样后引入MCMC转移,解决了静止参数下粒子多样性降低问题,有效提高粒子滤波迭代收敛速度,完成对单通道正弦调频混合信号的参数提取,并通过重构信号完成正弦调频混合信号分离(Zhang S N,Zhao H C,Xiong G.Separation and parameter estimation of single channel sinusoidal frequency modulated signal mixture sources based on particle filtering.Acta Phys.Sin.，2014,63:158401)。