[發(fā)明專利]混合信號(hào)去工頻干擾方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010725815.1
• 申請(qǐng)日: 2020-07-24
• 公開(kāi)（公告）號(hào): CN112001256B
• 公開(kāi)（公告）日: 2023-05-26
• 發(fā)明（設(shè)計(jì)）人: 劉漢文;陳海濱;范波;何洋;潘子安;劉超
• 申請(qǐng)（專利權(quán)）人: 東風(fēng)汽車集團(tuán)有限公司
• 主分類號(hào): G06F18/10
• 分類號(hào): G06F18/10;G06F18/24;G06F18/2134;G06N3/006
• 代理公司: 武漢智權(quán)專利代理事務(wù)所(特殊普通合伙) 42225
• 代理人: 李斯

1.一種混合信號(hào)去工頻干擾方法，其特征在于，包括以下步驟：

生成包含N個(gè)行向量的矩陣作為混合信號(hào)X的分離矩陣W，結(jié)合X分析W第i行向量W_i的目標(biāo)函數(shù)；

獲取粒子群參數(shù)，初始化各粒子位置，通過(guò)粒子群算法進(jìn)行迭代；

若滿足迭代終止條件，則輸出種群最優(yōu)位置Gbest作為所述目標(biāo)函數(shù)的解，計(jì)算得到W_i的值；

根據(jù)所述W_i的值計(jì)算X中某一獨(dú)立源信號(hào)的近似信號(hào)，在X中消除所述近似信號(hào)得到包含N-1個(gè)獨(dú)立源信號(hào)的混合信號(hào)；

第m次分離一獨(dú)立源信號(hào)的近似信號(hào)之后，基于分離之后得到的新的混合信號(hào)，生成包含N-m個(gè)行向量的矩陣作為所述新的混合信號(hào)的分離矩陣，分析新的目標(biāo)函數(shù)，根據(jù)粒子群算法計(jì)算新的分離矩陣的第i行向量，從所述新的混合信號(hào)中再次分離又一獨(dú)立源信號(hào)的近似信號(hào)，直至所述混合信號(hào)中的工頻信號(hào)消除。

2.如權(quán)利要求1所述的方法，其特征在于，所述“生成包含N個(gè)行向量的矩陣作為所述混合信號(hào)X的分離矩陣W”步驟之前，包括以下步驟：

對(duì)測(cè)試信號(hào)進(jìn)行中心化和白化得到預(yù)處理之后的混合信號(hào)X，所述測(cè)試信號(hào)由N個(gè)獨(dú)立源信號(hào)合成。

3.如權(quán)利要求2所述的方法，其特征在于，對(duì)中心化后的測(cè)試信號(hào)進(jìn)行白化步驟，包括以下步驟：

對(duì)中心化后的測(cè)試信號(hào)Z進(jìn)行白化得到混合信號(hào)X，白化計(jì)算公式為：其中，Q為E[ZZ^T]的特征向量，E為Z及其轉(zhuǎn)置相乘的期望，B為Z的特征值對(duì)角矩陣。

4.如權(quán)利要求1所述的方法，其特征在于，所述“結(jié)合X分析W第i行向量W_i的目標(biāo)函數(shù)”步驟，包括以下步驟：

設(shè)X的概率密度函數(shù)為p(x)，則X的熵H(x)為：H(x)＝-E(ln(p(x)))＝-∫p(x)ln?p(x)dx，X的負(fù)熵J(x)為：J(x)＝H(x_gauss)-H(x)，其中，X_gauss為與X同方差的高斯隨機(jī)向量；

負(fù)熵J(x)近似表達(dá)為：J(x)＝[E(g(u))-E(g(o))]²，其中，o為具有零均值和單位方差的高斯變量，u為具有零均值和單位方差的隨機(jī)變量，g(·)為任意非二次核函數(shù)，E為期望；

分析W第i行向量W_i的目標(biāo)函數(shù)：min?L(W_i)＝[E(g(W_iX))-E(g(o))]²,i＝1,2，…n，其中，n為分離矩陣W的行向量總數(shù)。

5.如權(quán)利要求1所述的方法，其特征在于，所述“獲取粒子群參數(shù)，初始化各粒子位置”步驟，包括以下步驟：

獲取粒子群參數(shù)，所述粒子群參數(shù)包括種群規(guī)模Q、最大迭代次數(shù)Iter、種群搜索空間、最大慣性權(quán)重ω_end、最小慣性權(quán)重ω_start、最大學(xué)習(xí)因子c_max和最小學(xué)習(xí)因子c_min；

根據(jù)所述粒子群參數(shù)生成粒子群，并在所述種群搜索空間內(nèi)隨機(jī)初始化各粒子位置，其中第j個(gè)粒子的初始位置Z₀(j)＝W_i(j)，第j個(gè)粒子初始化的最優(yōu)位置為Pbest₀(j)，種群最優(yōu)位置為初始學(xué)習(xí)因子c₁₀＝c_max、c₂₀＝c_min。