[發明專利]一種海洋環境下多潛水艇特征信號盲源分離方法

有效

• 申請號: 201711267293.X
• 申請日: 2017-12-05
• 公開（公告）號: CN108304855B
• 公開（公告）日: 2020-06-23
• 發明（設計）人: 孫海信;王連生;成墾;沈藝珊;蔚然;王遠旭;陳海蘭;孫偉濤;苗永春
• 申請（專利權）人: 廈門大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 廈門致群專利代理事務所(普通合伙) 35224
• 代理人: 劉兆慶;陸慶紅

本發明公開了一種海洋環境下多潛水艇特征信號盲源分離方法，包括以下步驟：采集信號樣本；在時頻域中基于Hermitian角的樣本向量和參考向量，采用聚類算法對混合信號樣本進行聚類以獲得多個聚類簇，將聚類算法中的隸屬函數作為掩碼；基于估計簇數目進行聚類驗證；基于K?均值聚類算法將掩碼聚類成Q個掩碼聚類簇；通過掩碼估計，進行信號分離。本發明能夠解決欠定情況下盲源分離問題，在掩碼估計中不需要估計任何混合信號矩陣或源位置，簡化了信號分離的復雜度，提高了運算效率。

技術領域

本發明涉及水聲信號處理領域，特別涉及一種海洋環境下多潛水艇特征信號盲源分離方法及系統。

背景技術

當前的盲分離算法存在諸多因素限制，首先盲分離算法主要用在信號的瞬態混合形式，信號卷積混合形式的盲分離算法相對較少，大致可分為以下幾類：1)基于消除信號分量間互相關性的信號分離網，該網絡利用反饋電路來解決問題。該算法在實際應用中有較大缺陷，在信號之間的尺度相差很大或混合矩陣是病態的情況下，分離效果比較差，甚至無法分離信號。2)利用非線性傳遞函數對輸出進行變換，如基于信息傳輸最大化原理的嫡最大化的方法。此算法收斂速度很慢，同時分離矩陣的求逆又帶來數值不穩定。3)非線性主分量分析(PCA)算法，它是線性主分量分析方法的推廣。另外，以上算法在在掩碼估計中需要估計任何混合信號矩陣或源位置，使得信號分離過程相對復雜，運算效率不高。

發明內容

本發明的目的在于提供一種海洋環境下多潛水艇特征信號盲源分離方法，其能夠解決欠定情況下盲源分離問題，簡化了信號分離的復雜度，提高了運算效率。

為實現上述目的，本發明采用以下技術方案：

一種海洋環境下多潛水艇特征信號盲源分離方法，包括以下步驟：

S1、采集混合信號樣本；

S2、在時頻域中基于Hermitian角的樣本向量和參考向量，采用聚類算法對混合信號樣本進行聚類以獲得多個聚類簇，將聚類算法中的隸屬函數作為掩碼；

S3、基于估計簇數目進行聚類驗證；

S4、基于K-均值聚類算法將掩碼聚類成Q個掩碼聚類簇，記為c_q,q＝1,...Q，并滿足D_q,q＝1,...,Q的總和是最小的，D_q是在第q個簇里掩碼與簇質心的總距離，即：

其中，是第k頻點的第i個掩碼，C_q是第q簇c_q的質心，是和簇質心C_q之間的皮爾森相關系數，k_st和k_end是用于聚類的相鄰頻點組的開始和結束頻點，即頻點總的數目是k_end-k_st+1，作為距離度量，這樣高度相關的掩碼將來自一個簇；

S5、通過掩碼估計，進行信號分離。

優選地，步驟S2中的所述聚類算法采用K-均值聚類或模糊C-均值聚類算法。

采用上述技術方案后，本發明與背景技術相比，具有如下優點：

本發明基于Hermitian角的樣本向量和參考向量，使用聚類算法聚集了混合信號樣本，對未知信號進行分離，能夠解決欠定情況下盲源分離問題，在掩碼估計中不需要估計任何混合信號矩陣或源位置，簡化了信號分離的復雜度，提高了運算效率。

附圖說明

圖1為本發明的流程示意圖；

圖2為源信號與接收器的排列方式示意圖；

圖3為信道模型示意圖；

圖4a給出了藍鯨的原始聲信號波形；