[發明專利]微弱信號盲提取方法

有效

• 申請號: 202010010208.7
• 申請日: 2020-01-06
• 公開（公告）號: CN111160317B
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 盧廣闊
• 申請（專利權）人: 西南電子技術研究所(中國電子科技集團公司第十研究所)
• 主分類號: G06F18/2134
• 分類號: G06F18/2134;G06F18/24;G06F18/10
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 羅強

1.一種微弱信號盲提取方法，具有如下技術特征：在基于信源獨立的前提下，建立單通道瞬時線性混合模型x(t)；然后將單通道混合信號x(t)構造為窗長L為2的矩陣C，再依據奇異譜分析理論(SSA)，對其矩陣C進行奇異值分解，并通過反漢克爾Hankel變換，得到奇異值對應時間序列x_j2(t)；不斷進行MRSSA變換，將單通道瞬時線性混合模型轉換成多通道的共信道瞬時線性混合模型，得到重構矩陣X；重構后，使用獨立分量分析ICA算法把單通道混合數據x(t)分離成多個盡可能相互獨立的ICs作為源信號S的估計；最后，利用MRSSA算法的多尺度分辨特性和ICA算法盲特性建立基于MRSSA-ICA自適應的微弱信號提取濾波器，將感興趣信號分量被從單通道時頻部分重疊多信號中提取出來。

2.如權利要求1所述的微弱信號盲提取方法，其特征在于：共信道瞬時線性混合模型建模成x(t)＝a₁s₁(t)+…a_ks_k(t)+a_Ks_K(t)+η(t)，

其中，a_k為第k個通信信號的混合系數，s_k(t)為待處理的獨立通信信號，k＝1，…K，t表示時間，η(t)為協方差未知的零均值加性高斯白噪聲。

3.如權利要求1所述的微弱信號盲提取方法，其特征在于：依照奇異譜分析理論，將單通道時間序列混合數據x(t)構造為窗長L為2的時延矩陣C：

其中，x₁、x₂…x_n分別表示離散時間序列x(t)的第一、第二以及第n個點的值。

4.如權利要求3所述的微弱信號盲提取方法，其特征在于：根據奇異值分解理論,時延矩陣C可展開為

其中，U為左奇異正交矩陣，V為右奇異正交矩陣，T表示轉置,i表示奇異值的個數，σ_i為奇異值，u_i為σ_i的左奇異向量，v_i為σ_i的右奇異向量，X_i為分解后的奇異值σ_i對應的時延特征矩陣。

5.如權利要求1所述的微弱信號盲提取方法，其特征在于：通過反Hankel變換，把時延特征矩陣X_i重構成時間序列x_i，x_i(k)表示時間序列x_i的每個元素，且等于

并且有濾波器將時間序列x_i(t)從混合時間序列x(t)中過濾出來，SSA變換是一種線性變換，且基于SSA變換構造的濾波器是相互正交，其中，時延特征矩陣X_i的行列數(m,n)滿足m＝1,2,...k，m+n＝k+1，k表示時間序列x_i的第k個元素,L表示窗長，N表示時間序列x_i的個數。

6.如權利要求5所述的微弱信號盲提取方法，其特征在于：時延特征矩陣X_i重構后得到單通道混合數據x(t)＝x₁(t)+x₂(t)的時間序列，其中x₁(t)為較大奇異值對應時間序列，反映的是單通道混合數據中的主要部分；x₂(t)為較小奇異值對應時間序列，反映的是次要或者微弱部分。

7.如權利要求6所述的微弱信號盲提取方法，其特征在于：取窗長L為2，對較小奇異值對應時間序列x₂(t)進行SSA變換，得到x₂(t)＝x₂₁(t)+x₂₂(t)，繼續對較小奇異值對應時間序列進行SSA處理，得到混合時間序列x(t)的最終MRSSA展開：其中，t為時間，j表示連續進行SSA變換的次數。