盲信号分离技术综述

P ( C M A ) 分离 , 虽然仿 真条件 比较理 想 出现 了一些相 关文献
积极 推动作用 !
2.卷积混合模型
设n个源信 号 , 有一个未知 的线 性混合 . 每 个分量在 不 同混合信 号里 的延迟均 不同 ! 这 时可将 滤波器 (通 常
是F R 滤波器 ) 或 者多项式作 为混合矩 阵A 的元 素 ! 卷积 I 混合信号的数学模型可 以用公 式 (3 )
峨 目 嘴 . .
专题 忘 汀 四 技术 O
S p 户c 扭 不 e h n o l g y l e o
/{ 洲, , , 甲只甲黔票赓卜
一一户尸洲- (州 ()从 . . 2 ()4 ) 万约 国 家附 3 . 一 研 花 发展 ;一 一一~ 入}二 棘棘藕哪嗽职粼赚姗 岛技 术 {划
解放 军理工大学通 信工程学院 总装航天研 发 中心
种非线性的依赖关系 其混合模型可 用式 (引 表示 :
(4 )
不 断的调 整分 离矩 阵W , 使得y t卜w x( )是源信 号的 ( t 一个尽可能准确的估计 ! 从 源 信 号 的混 合 方 式来 分
图] 盲源分离原理框图
x(t)= F 笼 )} s(t
其中
F 钾} 表示未知 的非线 性 函数 ! 非 线性混合 盲 在非线 性混 合的实 际问题
就可 以实现 S二 t +N (t 的估计 ( s) )
文将 盲源分 离技术应 用信息 安全领域 中 . 提 出一种新 的 基于 完全覆盖 策略 的数据保 密方法 : 李加文 李从心提 出 了在频 域利 用瞬 时盲分 离/主 成份分 析/瞬 时混 合盲 分
噪处理 完成对源 信号 的估 计 ! 有一种情 况 . 如果 噪声满 足盲信号 分离 中对源信号 的假设 条 , 且 源信号 与噪声 信号 的数 目总和 不大于接 收信号 的数 目时
棘次 新
大的应 用潜 力 !
目前 , 解决盲信 号分 离最常 用的方 法是独 立分量分
析 (IC A , In dep en den t C om p on ent A al si ) n y s 主要思路
是按 照统计独 立 的原 则通过 一系列 的优化算 法将 混合 的 观 测信号分 离为若 干个独立 分量 , 然后把这 些独 立分量 作 为源信 号的一 种近似估 计 ! 所 以 许 多文献对 B S S和
0 0 字信界 2 , ! 数通世 6 5 4
专题
肠印 川技本....##,. 已 . . .##
S P e e ia l T e e h n o l g y o
提 出不同的方法
还没有一种普遍 适用的方法 !
种在线 处理的手 段 ! 目前 与神 经网络 相结合 的 自适应 算 法是研究 的热点 ! (l ) 最大信息化 法 (I f rm a ) 和扩展的最大信 息 n o x
IC A 不 加以区分 !
关键词 盲信号分离
独 立分量分析
瞬时混合
卷积混合
非线性混合
盲信号分离 (B SS . B l ind Signalseparati ) 是现 代 on 信 号处理 领域兴 起 的一 个新 的研究方 向 , 其 主要任务是 在源 信号 未知并 且混合 的方式 也未知 的情况 下 . 从观 测 的混合数据 中恢复 (分离 ) 出未知的原始源信号 ! 盲信号 分离研 究最 初的动机 是试 图解决 鸡尾酒会 问 题 . 即在 一个 同时存在 众多说话 者的 嘈杂环境 中 . 如何
熟的研究成果 !
.
!. 瞬时混合模型
瞬 时混合描述如下 : s( t卜[s( 二, :n t), (t)]T表示源信号 , 包含n个相互统计独立 的分量 , 经过混合矩 阵A 一 i }的混 {a j 合后得到观 测信号x t卜[x t , #, x ( J下 其 中a 表示混合 ( ( ) n t ) . j i 通道的参数 即混 合信号表示如式 (l) :
盲信 号分 离算 法层 出不 穷 . 本 节从源信 号混合 的三 种 模型 出发 . 对 目前典型算 法进行 归纳整理 , 依次介 绍 线 性瞬 时混合 模型 的主要算 法 法和非线 性混 合模型主要算 法 ! 卷积 混合模 型的主要 算
化法 (En nf r a ) ! Inf r a 是依据信 息论 中当两个信 l o m x o m x 号 独立 时它们所输 出的信 息量应该 是极 大 的而提 出的 . 图2是I f rm a 法 的处理框 图 ! 基本思想 是利用一个 非线 n o x 性 函数 g . 对 每 ( ) 一个分离 之后 的 输 出加 以处理 . 通 过独立 性的判
了专 用的c M o s 芯 片 来 实现 该算 法 ; 同年 . L .T o n g 和
盲信 号分 离都体现 出 巨
64
D 1G I C W T
20 10 04
s pec ,∀ 1 T echno l∀ gy n e w
专 题技 术
R uey一 e L u等将 盲信号分 离问题转 化为特征 值求解 wn i 即联 合 对 角化 问题 , 从 此 , 以信 号 源 的 多阶 累积 量 为 基础 的盲信号分 离也成 为一种研 究方 向 ! 199 年C om on 4 提 出独立分 t 分 析 ∃ A ) 算法 , 为盲信 号分离 问题 的 IC 解决提 供 了一个 新 的思路 . 也 奠定 了IC A 技术 的理论 基 础 ! 1995年 . B ell和Se now ski将信息 论与盲信 号分离相 j 结合 提 出信 息最 大化法 ∃ f rm a ) n I o x 当时该 方法仅 适 合于分离超高斯源信 号 , 后 来L e 在 199 年对此算法进 9 行 了改进 . 称 为扩展 的信 息最大 化法 (E n nf rm a ) ! l o x 与此 同时 , 各 国的学术 组织也展 开 了此 类研究 , 从 目前 国际上 的发展情 况来看 . 美国 究处于领 先地位 ! 国 内对这 方面 的研究起步较 晚 . 1996年清华 大学的 张 贤达 出版 的 ∃时间序列 分析 % 高阶统计 量方法 & 一 书是 国 内盲信 号分 离研究 的里程碑 . 书 中介 绍 了盲分 离 的理 论基础及 有关算 法 , 至此 国 内关 于盲信 号分离 的研 究 才逐渐 多起来 !近 年来盲 分离 的算 法层 出不穷 . 应 用
川
法国
芬兰
日本的研
X (t) A S(t) =
瞬 时混合模 型的盲信 号分 离算法研 究 , 一般 是在 无 噪声 的理 论模型 下 出发 . 如果 考虑噪 声
示如式 (2 ) : X (t) A S (t N (t = )+ ) (2 )
则混合 信号表
这也 是线性混 合模型 号的假设
只要 满足盲信 号分离 对源信 然后再进行 降
( s ) [ t , #, s t T经过混迭矩 阵A 后得到M 个观测 的混合 ( s ) ( 1 n ) 信 号 (或 传 感 器 信 号 )
x ( [x ( #, x (t) , 通过 卞 t), m ]T
混迭知阵
A
3.非线性混合模型
分 离 知! 昨
W
非线性混 合是指观 测的混 合信号 与源信 号存 在着某
和非 自然信 号 以及 图像分析 方面 , 他 们分 别是盲信 号分 离最 早应 用的领域 和作用效 果较 为突 出的领域 在 金融 数据 中找 出隐藏的 因素 理 卫 星 以及微波通信 等方 面 人脸 识别 另外 . 语音信号 处
此后越来越多的学者加入到这一研究领域 ! 199 年 , 1
H e a l 和Ju t n 发表 了著 名的H 一 r u t t e J盲分 离 算 法 , 并设计
的范围也不 断扩 大 ! 例如 焦卫东 杨世锡 吴 昭同论 指 观测信号是 源信号 和通道 的卷积 结果 . 考虑 了时 间延 迟 ; 由于非线 性混合 信号 的盲 分离 问题 比较复杂 . 除非 对信 号和混合模 型有 一定 的先 验知识 . 否 则很难从 非线 性混合 数据 中恢 复 出源信 号 的 . 目前 这方面还 没有很 成
度 的方法 自适应
地调节 解混矩阵w . 使得输 出的y 的总嫡 量极大 ! 解混 矩
阵的调节公式如式 (5 ) :
∋w 一(w )一 一 甲(y)xT T (5 )
!, 批处理的算法
批处 理是指 每次 对得到 的一批数 据进行处 理 . 而 不 是随 着输入 的增 加做递 归式 的输 出 ! 20世纪9 年代 . I A 概念首次提 出的时候 , 利用的是 0 c 一种 建立 在成对数据逐次旋 转基 础上的Ja o i , 就是批 c b 法 处理 的方法 !但是 该方 法计算 比较 复杂 . 而且效 果并不
手 要 } 匀
盲 信号分 离是现 代信号处 理领域 的研究热点 它在通信 . 生物 医学 语 音处理 等方面体 现出 巨大 的应用潜 力 本又回顾 了盲 分 离技 术二十 多年的国 内外发展历 程 并从混合模 型的角度 , 简 要介绍 了瞬时混 合 . 卷积混 合和 非线性 混合的数 学模型 重 点 归纳整理 了各模 型对应 的主要求解方 法和特点 , 最后总结 了 盲信号分 离的未来研究 方向
通 常将 盲 信 号 分离 问
分离 问题 相对 于线性混 合而言是 比较 复杂 的 , 那些基 于 线性混 合情况 下提 出的方法 中一般 都失效 了 现在一 般都是 针对 不同 的非线 性模型
题分 为线性 瞬时混合
线性 卷积混 合和非 线性混合 ! 线
性瞬 时混合 即源信号 的简单 线性 混合 ; 线性卷积 混合是
声分离开 !
则可 以将噪
离 的结 构 的缺 点
克 服 了传统 频域 盲 分 离排 序 存 在不 确 定 性 有效 分 离 了机 械 噪 声信 号 : 万 坚 等人 将 盲 信
仿 真 实现 了成 对载 波 多 址 但 表 明盲 信
声看作一个输 入源信 号 . 通 过盲源 分离直 接将信 号与噪
号分 离 应 用到 卫 星 通信 中
从众 多的声音 中提取 出所 感兴 趣的一个 或多个说 话者 的 讲话 ! 现在 随着 对其研究 的深入 . 盲信 号分离获 得了一 些重 要的应 用 ! 例如 : 在脑磁图 (M E G ) 中分离脑活动
国际上最 早进 行盲信 号分离 方法研 究 的是T e c le r ih r
和L ar m o e , 他 们提 出的恒模算 法可 以同 时完成源 信号 i r 的盲 分离和信 道 的均 衡 稳定 !在20世纪 8 年代末 0 但 是此算法 在信 号源较 多时不 H er u t和J t e 提 出使用简单 a l u n
通 过选取 奇次 的非线
的反 馈神经 网络结构 的递推算 法
性 函数构 成H e b训 练 . 从而实现 了两个独 立源信 号混合 b 的分 离 ! 虽然 当时非 线性 函数的选取 缺乏理论 解释 . 但 是这一 开创性 的研究极 大地推 动 了盲信 号分 离的发展 进
程 . 从此盲信 号分离 研究成 为了信号 处理领 域的一个 重 要研 究课题 !
(一) 瞬时混合模型 盲分 离算法
迄今 为止 . 线性 瞬时混合 模型 的研究 已得到 了长 足
的发展 . 相对 较 为成熟
其模 型 的解混算 法代 表着盲 分
据
采用 随机梯
/
图2 } 日 11} 法 盲 信 号 分离 框 图
独
众 性 钊 拟
离 问题 的本质 和核心 , 其他复 杂模型 的解混算 法大 多都 是从 中引伸得 到的 ! 下面将瞬 时混合 模型 的基 本算法分 为批处理 算法 自适 应算法和 通过探 查性投影 的追踪逐 次提取法分别进行介绍 !
j
号处理 在卫星 通信 中具 有广泛 研究前景 ! 同时 . 国内也 都对 国内盲信号 分离 的研 究起 了
盲信号 分离技术 的研究 是建 立在不 同混合模 型的基
表示 :
∃ ) 3
础上 的 . 下面依 据源信号 的混合 方式 . 对各 类混合模 型
做简要介绍 !
x()艺A()(一 t一 kst k)
k=0
其 中{A (k) 为未 知混合 滤波矩 阵 ! 观 测的混 合信号 }
( ) x t 是 源信 号s t 同A ( )的卷 积混合 ! 和瞬 时混合模 型相 () k 比 , 瞬 时混合模型 中混合矩 阵A 的各元素都是常量 . 现在 变成 系统 的冲激相应 !
盲 信 号 分 离 的 原 理 如 图 1所 示 !假 设 N 个 源 信 号