[發(fā)明專利]盲信號分離方法及系統(tǒng)、電子設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110431484.5
• 申請日: 2021-04-21
• 公開（公告）號: CN113191233B
• 公開（公告）日: 2023-04-18
• 發(fā)明（設(shè)計）人: 崔志濤;張利敏;蹇柯;王寬福;方勇;牛熠;廉玉忠
• 申請（專利權(quán)）人: 東莞理工學(xué)院城市學(xué)院
• 主分類號: G06F18/20
• 分類號: G06F18/20;G06F18/2321
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 羅曉林;唐琴

1.一種盲信號分離方法，其特征在于，包括如下步驟，

步驟S110、采集混合信號；

步驟S120、對混合信號進(jìn)行白化預(yù)處理；

步驟S130、建立盲信號分離模型

x(t)＝AS(t),t＝1,2,…,N，

x_p(t)＝a_p1s₁(t)+a_p2s₂(t)+…+a_pns_n(t)，

p＝1,2,…,m，

x(t)＝[x₁(t),x₂(t),…,x_n(t)]^T，

s(t)＝[s₁(t),s₂(t),…,s_n(t)]^T；

其中，x(t)為混合信號，s(t)為源信號，x_p(t)為x(t)中的第p個混合信號，m＝n，A為混合矩陣，a_pn為混合矩陣A中的元素，N為混合信號的采樣總點數(shù)；

步驟S140、獲取分離矩陣W；

步驟S150、獲取恢復(fù)的源信號y(t)＝Wx(t)；

所述步驟S140、獲取分離矩陣W的方法，具體包括如下步驟：

步驟S141、定義隨機(jī)向量y，獲取隨機(jī)向量y的互信息

其中，y＝(y₁,y₂,…,y_n)^T；p(y)是隨機(jī)向量y＝(y₁,y₂,…,y_n)^T的聯(lián)合概率密度，p(y_i)是邊緣概率密度；

步驟S142、基于公式y(tǒng)＝Wx，隨機(jī)向量y的互信息I(y)滿足

其中，H(x)為信息熵，x為混合信號向量；

步驟S143、基于非線性函數(shù)r_i＝g_i(y_i)輸出r＝(r₁,r₂,…,r_n)^T的總熵量H(r,W)滿足公式

其中，g_i(y_i)為源信號s_i(t)的累積分布函數(shù)，s_i(t)為s(t)的第i個分量，i為下標(biāo)，i＝1,2,…,n。

步驟S144、通過梯度算法獲取H(r,W)取得最值時的分離矩陣W；

所述步驟S144、通過梯度算法獲取H(r,W)取得最值的分離矩陣W的具體操作為：

①、H(r,W)關(guān)于分離矩陣W求導(dǎo)獲得

其中，g_i(y_i)為源信號s_i(t)的累積分布函數(shù)，s_i(t)為s(t)的第i個分量，i為下標(biāo)，i＝1,2,…,n；

②、獲取H(r,W)的自然梯度I為單位矩陣，此時調(diào)節(jié)公式W(k+1)＝W(k)+u_k[I-ψ(y(k)y^T(k))]W(k)，其中，μ_k為第k步迭代步長；

③、基于Extend-Infomax算法及迭代公式

獲取H(r,W)取得最值時的分離矩陣W，所述λ取值滿足λ＞2。

2.根據(jù)權(quán)利要求1所述的盲信號分離方法，其特征在于：所述μ_k為固定迭代步長。

3.根據(jù)權(quán)利要求1所述的盲信號分離方法，其特征在于：所述μ_k＝0.003。

4.根據(jù)權(quán)利要求1所述的盲信號分離方法，其特征在于：所述梯度算法為自然梯度算法。