[发明专利]基于SPI稀疏约束的时变信号成分提取方法

说明书

本发明公开了一种基于SPI稀疏约束的时变信号成分提取方法，包括：a)SPI稀疏性能估计指标及包含SPI指标的时变信号成分估计范式，以及b)一种基于上述范式的时变信号成分提取方法，包括数据预处理、系统初始化、稀疏建模与波形字典学习、时变信号单次特定成分估计及新异类目标成分波形发现等五个独立步骤。本发明的优点是，相对于传统方法，具有不依赖统计平稳性或独立性假设的优势，可以获取更可靠的时变信号特定成分字典和时变信号特定成分的盲估计，且具有非监督的发现未知的目标成分的能力，对具备复杂结构和许多未知或未发现成分的时变信号的分析具有广阔的潜在应用价值。适用于各类面向时变信号成分分析和提取的设备和算法的改进。

技术领域

本发明涉及时变信号成分提取技术领域，特别涉及一种利用全新的稀疏性能指标SPI(Sparse Performance Index)的时变信号成分字典构建与特定成分提取方法。

背景技术

时变信号的盲源分离和盲成分提取、分析，特别是没有参照、没有明确已知对象的成分提取一直是数字信号处理和分析领域的一个难点问题。由于缺乏对未知信号真实成分的准确估计，对信号数据的处理、分析和识别等多个方面都会受到不同程度的限制。传统的盲源分离或成分分析算法普遍存在着对样本集真实成分的预先假设(这些假设通常未必完全符合真实情况)，如PCA和ICA的独立性假设等；此外这些方法会受到观测数据信道的影响，难以处理欠定、严重欠定的信号盲估计问题，且无法避免地存在着分析所得成分互相混叠的问题。传统稀疏分解算法以数据驱动，对样本集真实成分无预先假设，但是由于工程实现中稀疏约束项的精度不足，也无法得到令人满意的结果。为了实现真正的数据驱动、无预先假设且精度足够的盲源信号分析和信号成分提取，需要对现有算法进行更新，以更精密的分析方法处理数据样本。

发明内容

本发明针对现有技术的缺陷，提供了一种基于SPI稀疏约束的时变信号成分提取方法，解决了现有技术中存在的缺陷。

为了实现以上发明目的，本发明采取的技术方案如下：

1.一种基于SPI稀疏约束的时变信号成分提取方法，包括：

a.稀疏性能指标SPI的建立和包含SPI的稀疏建模范式：

该指标通过对稀疏分解系数矩阵进行统计以度量信号样本中成分的分布情况；其计算方式包括：

或

式中M为系数向量a的长度，a_j，a_k表示系数向量a的第j、k个元素。当||a||₀＝1,SPI(a)＝0，取得最小值，表示样本系数能量完全集中；当||a||₀＝M且对所有j,k都有|a_j|＝|a_k|时，SPI(a)＝1，取得最大值表示样本系数能量完全分散。纳入SPI的稀疏分解成分字典求解范式表示为：

其中P为训练样本总数，λ为稀疏约束的权重，y_i表示第i个训练样本。

b.结合分块字典约束和SPI稀疏性能约束的稀疏字典求解方法

将传统稀疏分解字典分为两部分——背景成分字典D_(B)与目标成分字典D_(T)进行求解，以有效应对时变信号中两部分(非目标干扰成分和目标成分)的波形和强度差异或二者的数据准备差异，并实现求解模型中的分块约束条件。