[发明专利]一种基于单源点的复值盲分离混合矩阵估计方法

说明书

本发明公开了一种基于单源点的复值盲分离混合矩阵估计方法，对于频域卷积盲分离，利用短时傅里叶变换将时域卷积混合模型转化为每个频带上的频域瞬时混合模型，基于混合数据样本的稀疏性假设，对复值混合数据进行相位标准化和取实部运算，将单源点提取由复数域转化到实数域来进行，同时使得数据的聚类特性复现在实数域，避免了在复值域运算的过程，提高了获取单源点问题的求解效率；利用稀疏编码技术，实现位于同一个一维子空间的数据点的搜寻，然后将单源点回溯到复域，通过基于相位不变的Hermitian角余弦距离的层次聚类法实现复值混合矩阵的估计。本发明仅需观察信号大于等于2个，即可实现任意源数目混合矩阵的估计。

技术领域

本发明涉及机械振动信号和声辐射信号处理领域，具体基于单源点的复值盲分离混合矩阵估计方法。

背景技术

机械系统的振动和噪声对系统的性能与安全有重要的影响，如水下航行器系统的振动过大容易影响自身稳定性能，航空发动机振动过大容易导致飞行器携带的仪器不能正常工作等，因此，寻找振动噪声源并采取措施减小其影响至关重要，对于机械系统传感器检测的观察信号不仅与当前时刻多个振源信号有关，也跟之前若干时刻的振源信号有关，而且鉴于机械系统的复杂性，通常缺乏振动源和混合特性的先验知识，给振动噪声源的寻找带来了挑战。

盲源分离是在源信号和混合过程未知的情况下，从观测的混合信号中估计出原始信号的方法，为噪声源的分离与识别提供了很好的解决方案。其中瞬时混合是盲源分离中最简单的模型，尽管针对此模型已经提出了许多高效的算法，但在工程实际中很少符合瞬时混合模型，对于多输入多输出的机械系统来说，观测点接收到是振动源经过复杂传递路径后信号的叠加，如果不考虑非线性的因素，每一条传递路径在时域上可以用一个滤波器近似表示；类似的，麦克风测到的声信号是声源在空间中数个延迟、反射叠加后的结果。因此研究卷积混合盲源分离对振动及噪声源识别具有重要的工程意义与价值。

然而，在工程实际中，传感器的数目有时会少于振动源的数目，如下面几种情况：(1)传感器安装数目较少，某些装备不能随意安装传感器，如火箭和导弹等一旦型号确定，不能随意更改结构方案；(2)传感器长期工作在恶劣环境中引起故障，没有采集到数据，在数据缺失的情况下，重新采集数据费时费力；(3)数据可用性差，传感器安装的位置不合理，对信号振动不敏感。此时，传感器采集的观测信号数目少于源信号数目，属于欠定情况，一般盲源分离方法(如快速独立分量分析，自然梯度算法等)失效，因此需要研究在欠定情况下卷积混合的盲分离方法。

针对卷积盲分离问题，目前主要存在两类算法：第一类是时域分离算法，第二类是频域分离算法。混合信号的频域盲分离算法相对于时域盲源分离算法来说，因其较小的计算量和良好的分离性能，能够克服时域盲解卷积中存在长滤波器估计困难的问题，因此更具工程应用价值。对于频域欠定卷积盲源分离算法中复值盲分离混合矩阵估计是分离成功与否的关键，其估计精度直接影响着算法的分离精度。

目前，欠定情况下混合矩阵的估计方法主要利用信号在时域、频域以及时频域的稀疏性进行聚类分析，可以得到对应于每个源的单源点，即对应于混合矩阵的每一列。然而对于单源点提取的方法仅适用于混合矩阵是实值的情况。由于频域欠定卷积盲源分离算法中混合矩阵是复值的，这些单源点的提取方法不能直接应用于混合矩阵的估计。

发明内容

本发明的目的在于提供一种基于单源点的复值盲分离混合矩阵估计方法，以克服现有技术的不足。

为达到上述目的，本发明采用如下技术方案：

一种基于单源点的复值盲分离混合矩阵估计方法，包括以下步骤：

步骤1，将待分析的复值观测数据X进行相位标准化得到相应的复矩阵

步骤2，将获取的复矩阵进行取实部运算，得到对应的实数矩阵R；

步骤3，以步骤2中得到的R为对象数据，利用稀疏编码技术构造一个基于范数的目标函数，实现实域单源点快速提取；