[發明專利]一種單通道盲源分離法

在審

• 申請號: 201711393096.2
• 申請日: 2017-12-14
• 公開（公告）號: CN108231087A
• 公開（公告）日: 2018-06-29
• 發明（設計）人: 郭國慶;翟建強
• 申請（專利權）人: 寧波升維信息技術有限公司
• 主分類號: G10L21/0272
• 分類號: G10L21/0272;G06K9/62;G10L21/0208
• 代理公司: 暫無信息
• 代理人: 暫無信息

一種單通道盲源分離法，屬于電子信息技術領域，特征是采用極值點對稱延拓的方法，對總體經驗模態分解進行去端點效應處理；并用該總體經驗模態分解法將單路混合信號轉化為本征模態函數(IMFs)，并抑制噪聲；利用主成份分析對多路IMFs進行降維處理，去掉其中的無效成分；將降維后的多路信號進行獨立成分分析來實現盲源分離。實施步驟是把多路信號線性相加混合為單通道信號進行傳輸，最后在不影響后期模式識別效果條件下，簡單、快捷、有效的恢復出源信號，實現多路輸出口輸出。優點是能將混為一路的多路頻譜重疊的信號在不影響后期識別效果的情況下分離出來。

技術領域

本發明屬于電子信息技術領域，具體涉及一種單通道盲源分離法。

背景技術

盲源分離最經典的應用例子是通常所說的“雞尾酒會問題″，此問題是基于是這樣一個場景：在一個很多人參加的雞尾酒會中，大家都在交談著，各種各樣的聲音混在一起，假設我們用麥克風錄制這些聲音信號，現在要求我們從眾多聲音混合在一起的信號中分離得到某個人的說話聲，由于人比較多而麥克風的數量有限，這就變成了欠正定的問題。希望有一種多路混合為一路的信號進行分離，可以有效的恢復出多路源始信號，這樣就可以得到你感興趣的人交談的錄音，現有技術的單通道盲源分離法有以下三種類型：①單通道ICA分析，當信號的頻譜相距較近，如對于母嬰心跳的混合信號，用此方法不能進行分離；②對信號奇異值分解后再進行ICA處理，和奇異譜分析后進行ICA處理，此兩種方法對于信號頻譜重疊時，分離信號效果較差，出現混疊；③小波分解后進行ICA處理，即W_ICA，和經驗模態分解后進行ICA處理，即EMD_ICA，此兩種方法在信號的頻譜重疊的情況下仍能進行分離，運用小波分解時需要針對不同的信號進行選取小波，而經驗模態分解是根據信號的特征提取出本征模態函數(Intrinsic Model Function)，即IMF，具有很強的自適應性；由于所采集到的一些信號頻譜在一定情況下會重疊，實際對比W_ICA、EMD_ICA和EEMD_ICA，發現EMD_ICA分離效果波形平滑，更接近原信號，但此方法處理過程速度較慢，過程中需要人憑借經驗進行信號的挑選，智能性不高，而EEMD_ICA在抑制噪聲方面優于EMD_ICA，但和EMD_ICA一樣存在端點效應的問題。在固有模態函數的“篩選”過程中，構成上下包絡線的三次樣條函數在數據序列的兩端會出現發散現象，并且這種發散的結果會隨著“篩選”過程的不斷進行，逐漸向內“污染”整個數據序列，而使所得到的結果嚴重失真。

發明內容

本發明目的是提供一種單通道盲源分離法，對多路混合為一路的數字信號進行分離，可以有效地恢復出多路源始信號。

本發明是這樣實現的，其具體實施步驟是：

A、將采集到多路信號在信號預處理模塊線性相加，得到預處理單通道信號x(t)；

B、將預處理所得到的單通道信號x(t)送到信號盲源分離模塊，進行去端點效應處理，采用的是極值點對稱延拓(Extreme point symmetry extension，EPSE)的方法，然后依次進行總體經驗模態分解(Ensemble Empirical Mode Decomposition)，即EEMD分解，主成份分析PCA降維和ICA分析，實現多路信號通過一個輸入口采集，多路輸出口輸出：

B.1、抑制端點效應的極值點對稱延拓(EPSE)算法：

a、對預處理得到的信號x(t)，以端點為對稱點，向外對稱加極值點，對長度為N的離散信號序列：x(i)，T(i)＝i，i＝1，2，...，N，其極大值序列為：U(i)，Tu(i)，i＝1，2，...，Nu，其中U(i)＝S(Tu(i))，其極小值數列為：L(i)，Tl(i)，i＝1，2，...，Nl，其中L(i)＝S(Tl(i))，在原數據端點處，以端點為對稱點，向外對稱延伸Nc個周期的極值點，如果信號序列的周期數小于設定值，那么Nc取周期數值，經過延拓的極值序列為：