[发明专利]一种基于自适应细菌觅食的单通道盲源分离方法

说明书

本发明属于辐射源信号分离技术领域，具体涉及一种基于自适应细菌觅食的单通道盲源分离方法。本发明针对现有的SCBSS方法存在准确性低和无法在未知源数目情况下进行准确分离的问题，将单通道观测信号进行虚实分解得到两路待分解信号，在源信号数目未知的条件下，利用基于信息论准则的MDL‑AIC组合数目估计方法和基于GDE的数目估计方法对单通道观测信号进行源数目估计，同时采用自适应细菌觅食算法对VMD的参数进行优化，将VMD所需分解层数、惩罚因子依靠人为确定和重建多路信号所需源数目未知的问题转变为复杂目标函数的求解问题。本发明相较于利用VMD的SCBSS方法可以得到更优的参数，解决了现有SCBSS方法准确性低和需要已知源数目的问题，提升此方法准确性。

技术领域

本发明属于辐射源信号分离技术领域，具体涉及一种基于自适应细菌觅食的单通道盲源 分离方法。

背景技术

盲源分离(Blind Source Separation,BSS)是指在源信号与信道参数未知的条件下，仅依靠 观测信号实现源信号数目估计与分离的方法，广泛应用于无线通信、图像处理及生物医学等 领域。当前主流的BSS方法是建立在源数目已知的前提下，而多数实际情况是源数目未知， 为解决该问题M.Wax和T.Kailath最早提出结合信息论准则来解决该问题，并利用最小描 述长度(Minimum Description Length,MDL)准则和Akaike信息准则(Akaike Information theoretic Criteria,AIC)进行源数目估计。鉴于在低信噪比情况下该方法估计效果较差，H.T.Wu 等人提出利用盖尔圆定理(Gerschgorin DiskEstimator,GDE)对源信号进行数目估计的算法，该 方法在低信噪比的情况下具有较好的估计效果。

由于信号环境趋于复杂和接收设备日益微型化，使得观测信号的数目往往小于源信号的 数目，即欠定盲源分离问题，特别是当观测信号为一维信号时的单通道盲源分离(Single Channel Blind Source Separation,SCBSS)是当下研究的热点。针对该问题应用最为广泛的是虚 拟多通道技术，即借助由Huang等人提出的经验模态分解(EmpiricalMode Decomposition, EMD)或由Dragomiretskiy等人提出的变分模态分解(VariationalMode Decompoisition,VMD) 等算法将单通道转为多通道，再应用多通道盲源分离技术处理信号。EMD以递归的方式将源 信号分解为若干个本征模态函数(Intrinsic ModeFunction，IMF)分量，该分量包含了原信号不 同时间尺度的局部特征信号，因此适用于处理非线性、非平稳的时间序列。但在处理间断信 号时会出现模态混叠现象，使分离效果大打折扣。VMD作为一种新的自适应信号处理方法， 将信号的分解问题转换成约束模型求取最优解的问题，可以有效克服EMD的模态混叠现象， 但该方法人为预设分解层数和惩罚因子的随机性大且耗费资源多，导致分离的准确性较低。 利用自适应细菌觅食算法(Adaptive Bacterial Foraging Algorithm，ADBFA)对VMD的参数进行 最优值求解，在一定程度上可以降低人为预设参数的资源损耗，提高VMD分离效果。

发明内容

本发明的目的在于提供解决针对现有的SCBSS方法存在准确性低和无法在未知源数目 情况下进行准确分离的问题的一种基于自适应细菌觅食的单通道盲源分离方法。

本发明的目的通过如下技术方案来实现：包括以下步骤：

步骤1：从辐射源中获取线性混合的单通道观测信号x(t)，将x(t)进行虚实分解得到信 号I(t)和信号Q(t)；

步骤2：获取信号I(t)对应的最优分解层数最优惩罚参数及最优估计源数目获取信号Q(t)对应的最优分解层数最优惩罚参数及最优估计源数目