[发明专利]一种比例微分控制的混合信号自适应快速分离方法

说明书

本发明涉及一种比例微分控制的混合信号自适应快速分离方法，首先计算初始分离信号：确定步长的初始值，采用自然梯度盲源分离算法计算第一次变换矩阵及分离信号；然后采用分离迭代计算间对分离信号峭度累积量之差的变换计算，计算与分离输出状态相关的下一次变步长，并由该下一次变步长计算新的分离矩阵；接着判断新的分离矩阵是否达到控制精度要求，若是，则利用达到控制精度要求的分离矩阵计算输出分离信号。本发明实现初始步长在一定取值范围内，均具有相同稳定误差下接近一致数量级的最大收敛速度，特别是所涉及变换技术参数均是分离过程输出的相关物理量，分离算法构成具有自适应性，具有实际使用价值。

技术领域

本发明涉及盲源信号分离的处理技术领域，特别是一种比例微分控制的混合信号自适应快速分离方法。

背景技术

独立分量分析是当前盲信源分离的主流方法。已经有很多有效的算法,这些算法的形式不同，它们都可以归类于LMS(Least Mean Square)型算法。这些算法都存在一个学习率参数的优选问题，如何提高算法的收敛速度和改进算法的稳态性能一直是盲源分离研究的热点之一。目前一致的观点是必须找到一种有效的变步长学习率，并且该变步长必须与分离状态紧密一致时，才能达到有效加速。有些算法在初始步长基础上构建了变步长学习率，虽然也达到加速目的，但人为添加过多参数，不利于工程的实际使用。

在自动化PID(Proportion Integral Differentiation)算法中，利用预设值和输出反馈值间的差值，比例项P是把调节器的输入偏差乘以一个系数，作为调节器的输出；加大比例值可以减少从非稳态到稳态的时间。积分项I部分其实就是对预设值和反馈值之间的差值在时间上进行累加；当累加到一定值时，再进行处理，避免了振荡，但调节存在明显的滞后，但在向较大目标预设值加速过程是有用的。微分项D是根据差值变化的速率，提前给出相应的调节动作；它能预测误差的变化趋势，超前给出调整。

在盲源分离算法中，峭度累积值随分离程度提高而增大，达到完全分离时的稳定值相当于预设值，而分离过程的峭度累积值相当于输出反馈。因为不同类型的信号具有不同的固有峭度值，混合信号在达到完全分离时，每个信号将达到其固有的峭度值(实际情形是达到一个很小稳定误差下分离时的峭度值)，则各个分离信号峭度的累积量也就达到了稳定值；不同的信号混合，其达到的稳定值将不一样，那么，该自然隐性固有存在的稳定值即为本方法的预设值。

注意到分离信号的峭度累积量是由小到大直至稳定的单向变化过程，而变步长的目的是为了稳定地加速这个过程。因此，这里的达到完全分离的峭度的累积量预设值过程就是渐进稳定性问题，即强调的是快速收敛性，而不是稳定于预设值的问题。

对于固定步长自然梯度盲源分离算法存在这样的现象：首先，对于不同类型信号的自然梯度盲源分离算法都存在一个可以计算收敛的最大的步长值η_max。其次，分离信号的峭度累积量与分离信号输出状态密切相关，两次迭代之间的峭度累积量之差e(k)的变化值域和运算过程的变化斜率表现为：步长值越小，其e(k)的变化值域和运算过程的变化斜率也将变小，尤其开始阶段峭度累积量的e(k)将在越长的迭代次数中几乎接近0的无明显变化，因此达到分离信号峭度累积量预定值的迭代次数也将增长；可见固定步长自然梯度盲源分离收敛速度是与步长相关的，而当取步长取值η_max时的盲源分离收敛速度是最快的。

发明内容

有鉴于此，本发明的目的是提出一种比例微分控制的混合信号自适应快速分离方法，实现初始步长在一定取值范围内，均具有相同稳定误差下接近一致数量级的最大收敛速度，特别是所涉及变换技术参数均是分离过程输出的相关物理量，分离算法构成具有自适应性，具有实际使用价值。

本发明采用以下方案实现：一种比例微分控制的混合信号自适应快速分离方法，具体包括以下步骤：