[发明专利]频域卷积盲源分离分频段多质心聚类排序方法

权利要求书

1.频域卷积盲源分离分频段多质心聚类排序方法，其特征在于，使用卷积混合模型，对于卷积混合的观测信号，首先使用短时傅里叶变换将信号由时域转换到时频域，在每个频带上使用复数ICA算法对复信号进行盲源分离；然后按以下步骤进行排序：

步骤1，对全频带信号进行重叠分组：将整个频带均分为若干个子带，子带之间存在重叠频带；

步骤2，子带内聚类排序：以相关系数作为距离测度，对子带内的幅值包络首先进行多质心K均值聚类，然后将聚类中心结果作为单质心K均值聚类的样本再次进行聚类，完成子带内的排序；

步骤3，补充性对准：标记出排序错误的频带，以聚类中心为参考进行补充性对准，对步骤2中出现对准错误的频带用分离信号幅值包络和聚类中心的相关系数之和最大进行重新排序；

步骤4，将前一个子带的聚类结果被设置为下一个子带的聚类中心初值，依次对每个子带进行步骤2、步骤3完成全部子带的排序。

2.根据权利要求1所述的频域卷积盲源分离分频段多质心聚类排序方法，其特征在于，步骤1的具体实现步骤包括：

1)将信号在全频带上均分为若干子带，子带之间存在重叠频带；

对全频带信号进行重叠分组：将整个频带均分为N_b子带，子带的初始频率为重叠频带数为N_o，每个子带可以表示为其中f_s为采样频率，i表示子带索引编号，频率分辨率为最后一个子带设置为

2)计算每个频带上分离信号的幅值包络；

其中表示频带f处第i个分离信号的幅值包络。

3.根据权利要求1所述的频域卷积盲源分离分频段多质心聚类排序方法，其特征在于，步骤2的具体实现步骤包括：

1)以相关系数作为距离测度，首先选择适当的频段进行初始聚类，得到的结果被用作第一个子带的聚类中心初值；

基于频域内同一信号相邻频率段幅值包络具有很高的相关性，而不同信号之间是不相关或者独立的特性；将幅值包络聚集成Q个类C_q，使得距离D_q，q＝1，….，Q的总和D最小；D_q是第q个类内的幅值与其所在类的的质心之间的总距离，即

其中:

——分离信号第f个频率点处第i个分离信号幅值|Y_i(f，t)|；

c_q——类C_q的中心；

和c_q之间的相关系数；

f_st和f_ed——用于聚类的起始频率点和终止频率点；

使用作为距离测度，使得相关性较高的幅值包络形成一个聚类；开始先选择适当的频带f_ist～f_ied进行初始聚类，得到的聚类中心结果被用作第一个子带的聚类中心初值；

2)在每个子带中，先利用K均值聚类算法对幅值包络进行聚类，设置聚类中心的个数为源个数的N_c倍；

3)将2)中聚类中心结果作为数据样本再次利用K均值聚类算法进行聚类，此时设置聚类中心个数等于源个数；初步完成子带内的排序；由于有N个源，对子带内的幅值包络首先进行多质心K均值聚类，即使用K均值聚类算法形成Q＝N_c×N个类，然后将聚类中心结果作为K均值聚类的样本再次进行聚类，形成Q＝N个类，完成子带内的初步排序。

4.根据权利要求1所述的频域卷积盲源分离分频段多质心聚类排序方法，其特征在于，步骤3的具体实现步骤包括：

1)若步骤2中最终形成的N个类，每个类在每个频带处包含的幅值包络点并不唯一，则在这些频带处视为排序错误，对这些频带进行标记；每个频带处包含的幅值包络点并不唯一是指缺少或者是多余；

对于每个类在每个频带处包含的幅值包络点并不唯一(缺少或者是多余)，则在这些频带处视为排序错误，标记出排序错误的频带，以聚类中心为参考进行补充性对准，即

这里Π_f表示在频点f上的置换；

2)在标记的频带处对幅值包络和聚类中心做相关；

3)利用分离信号幅值包络和聚类中心的相关系数之和最大对这些频带进行重新排序。