噪声背景下的盲源分离算法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第* 卷第 " 期 " * # # +年 ’月
数
据
采
集
与
处
理
, h t d g c p h i ‘ c e c2z % t m r m e m h g. 5 d h z a r r m g l
/h p | * "nh | " /c d |* # # +
文章编号 ! " # # $ % & # ’ ( ) * # # + , # " % # # $ * % # $
0 E 3
为 >d5维 的混 合矩 阵 A ‘为 具有 高斯分 布的加 性 + 白噪声 $ 自相关 矩阵为 B 且a % 若噪 声可以 忽略 $ = 是未知且可逆的方阵0 即 >65 则易知存在一个 3 $ V 2( 分离矩阵 e6a 使得利用 e 估计的源信号 4 6e] 是真实的源信号 % 当 >_5时 $ 需要对输出信号作预
混合矩阵成为正交矩阵 % 设分离 矩阵 e 为 5 估计信号 d5维 可逆 矩阵 $ 根 据 非 高 斯 独 立 源 假 设$ 当噪声可以忽略 6e] $ 9 时$ e 应使得输出信号独立性最大 %定义独立性测 度 fg 距离为 h h i j k l m n o i h n p qr v w 0 9 $ e3 x6 s t6 u 9 3 h | } y s0
{ 2z z
0 J 3 2( 2( 25 K 式 中< 6= G0 1 3 1 : ? :G 1 为传递函 >:G ( 5 K 数模型 A 为新息 $ 是零均值 L 方差阵为 M 0 3 H 5 N的白噪 声 %可见式 0 是一个 #, J 3 .# 新息模型 %对于这一 模型 $ 其未知参数的估计可采用文献 ’ 提出的现 ( E * 代时间序列分析方法 0 % .O P P #.3
& 基于现代时间序序列分析的滤波 方法
许 多实 际的信 号和系统 $ 如舰 船辐 射 噪 声 机械噪声
’ ( ( * ’ ( ) *
$
及传输信道
’ ( + *
等都可以近Biblioteka Baidu地用 #, 0 ( 3
25 @
故本文设源信号及传感器信号满足 .# 模型建模 $
2( 2( /0 1 3 4 0 5 36 7 0 1 3 8 0 5 3
2( 首先选择阶数 5 使 $ 0 1 3 ) 足够高的 #, 模型 Q 2( 2( 2( 近似成立 $ 则式 0 可化 得 G0 0 6/0 J 3 Q 1 3 1 3 1 3
2( 2( /0 1 3 9 0 5 36 G0 1 3 H 0 5 3
" 9 t 0 { 3 ! ! ~
5 !
s 0 9 3 {
X 噪声背景下盲分离算法的性能
X Y & 基于自然梯度的 Z [ \ 算法
设 > 个 传感器 的观测 信号 ] 来自于 5 0 3 0 ^ >_ 个源信号 4 的线性混合 $ 并包含了加性观测噪 3 0 3 5 ^ 声‘ 忽略时间 ^ 其模型为 ] 0 3 $ $ 6a :‘ %式中 < 6 ^ 4 ]
( F * 白 化 处 理’ 以 估 计 源 信 号 数 并 抑 制 噪 声$ 同时使
2( 2( 2( /0 1 3 9 0 5 36 7 0 1 3 8 0 5 3: /0 1 3 ; 0 5 3 0 F 3 将式 0 右端写为 F 3 2( 2( 2( G0 1 3 H 0 5 36 7 0 1 3 8 0 5 3: /0 1 3 ; 0 5 3 0 I 3 则式 0 化为 F 3
+ C + D + + 是 一个卡尔曼滤波模 型 $ 但 /$ $ 7 B C 和 B D 均 未 知$
因此无法直接应用卡尔曼滤波方法 % 为了解决这一问题 $ 将式 0 写为 ( 3 4 0 5 36 / 0 1 3 7 0 1 3 8 0 5 3 将式 0 代入式 0 并化简得 E 3 + 3
2( 2( 2(
( $ ) 基 于 独 立 性 测 度 *% ~ g i h d fc {算 法 +距 离 的 自 ( 7 ) + ) 然 梯度算法 以及联合对角化算法 ) 等( , . , 2‘ k
引
言
在阵列信号处理中 处于被动工作方式下的传
在无噪声的情况下 这些算法的性能都是近似最优 或 次最 优 的 但 当 噪 声 不 可 忽 略 时它们的性能就 会下降甚至失效 . 分别提出了联合最大似然估计法 基于累积量的 & ) 方法以及基于最大墒的方法 . 这些方法虽可同时完 成 波形 恢 复 和 噪 声 压 制 但 也 存 在 着 计 算 复 杂需
噪声背景下的盲源分离算法
向 前 林春生 程锦房
海军工程大学兵器工程系 -武汉 ) $ ’ # # ’ ’ , 摘要 ! 分析了当存在高斯背景噪声时一类盲分离算法的性能 指出此时盲分离算法 仍 可 用 于 估 计 解 混 矩 阵 而输 出信号为分离的源信号与高斯噪声的叠加 . 利用现 代 时 间 序 列 分 析 方 法 ) 建立了输出信号的自回归 /0 1 1 2/, 移动平均 ) 新息模型 并给出了一种基于多维线性最小二乘法的信号滤波算法 . 仿真试验表明 该算法稳 23 /2, 定且收敛 可以在背景噪声存在时有效地恢复源信号的波形 . 关键词 ! 盲分离 4 盲辨识 4 背景噪声 23 /2 模型 4 中图分类号 ! * ’ $ 40 & " " 6 ( 0 5 5 文献标识码 ! 2
0 + 3 式 中< 和 1 : ? : /5 /0 1 36 = > : / ( @1 2( 2( 25 @ 6= 0 7 1 3 1 :?:7 1 建立了源信号 4 >: 7 ( 5 @ 2( 的传递函数模型 A 为输出 0 3 1 为单位延时算子 A 9 5
2( 2(
9 0 5 36 4 0 5 3: ; 0 5 3
收稿日期 ! 修订日期 ! * # # $ % " " % * " 4 * # # 7 % # $ % * (
万方数据
第 (期
向
前$ 等< 噪声背景下的盲源分离算法
F E V 2( ; 0 5 36 /5 H 0 5 3 @G 5 K 0 W 3
本文分析 了基于自 然梯度的 ! " # 算法应用于 含 噪 混合信号盲 分 离 时 输 出 信 号 矢 量 各 成 分 的 特 并结合现代时间序序列分析方法给出了一种新 性$ 的信噪分离方法 %
8 9 : ; < = > ?8 @ A B C = < D EF B CG @ = H 9I B J C K ? I ? ; : C : < = B HF C B EL H M < : H < : H ? B J M N B = M OP= Q < J C ? M
-X -Y RS T U VW S T U S UY Z [ U \ Z ] U V Z ] U V^ S U _ T U V
O 0 $ $ ?$ 60 $ b b b 4 c ( + >3 为 > 维 的 观 测 随 机 矢 量 A ( O 为 维 的 未 知 且 相 互 独 立 的 源 信 号 $ ?$ 3 A c c 5 a + 5
为 激 励 噪 声A 为 观 测 噪 声A 方差分 信 号A 0 3 0 3 8 5 ; 5 别 为 B 和 B% 可见 $ 当传递函数阶数 5 这就 6(时 $ @
& ) 已知模型参数等问题 . 现代时间序列分析方法 ( 通
感器阵接受来自多个源的信号 这些源信号及其传 输通道均可能未知和时变 . 盲信号处理是指仅由传 感 器 的 观 测 数 据 恢 复 出 各 源 信 号 的 方 法在通信 如 盲 均衡 , 语 音 及 图 像 处 理被动声纳探测等领 ) 域中有着广泛的应用前景 . 近年来 基于非高斯独立源假设的自适应盲分
) -nc -jt -$ ’ # # ’ ’ , ‘ a b c d e fa g e h i ja c b h gk g l m g a a d m g l o c p qg m o a d r m e sh i k g l m g a a d m g l u c g v u m g c
!0 | 8 w M < C : K < u ab d h x p a fh ie u ax p m g yr h t d z ar a b c d c e m h gi d h fe u ag h m r sfm { e t d am ry m r z t r r a y -e % % } m d r e p s u a b d h b a d e m a r h i e u a g c e t d a l d c y m a g e x c r a y~ v 2c p l h d m e u fc d a c g c p s ! a y"u a ge u a # c t r % |2g r m c gx c z $ l d h t g yg h m r aa { m r e a r ym e m rb h m g e a yh t e e u c e e u ac p l h d m e u fz c gx at r a ye ha r e m fc e a -"u e u at g fm { a yfc e d m { m p ah t e b t e r m l g c p rc d az h fb h r a yh i e u aa r e m fc e m h gh i e u ar h t d z ar m l g c p |0 -e # c t r r m c gg h m r a u a g u a23 /2 fh y a p h i h t e b t er m l g c p rm rz h g r e d t z e a y c g ye u ac y y m e m h g c p % % c g ycft p e m y m fa g r m h g c p d a z t d r m o a p a c r e r % t c d a c p l h d m e u fm r t r a yi h d r m l g c p i m p e a d m g lc g yb c d c fa % |1 e a da r e m fc e m h gh i e u a23 /2 fh y a p m ft p c e m h gd a r t p er u h "re u c ee u ac p l h d m e u fm rr e c x p ac g y -c o a i h d fh ie u ar h t d z am gr h fa# c t r r m c gx c z $ % z h g o a d l a g e g yz c ga i i m z m a g e p sd a z h o a de u a"c | l d h t g yg h m r a r !x 423 4x 4x &? O’ B C 9 M p m g yr a b c d c e m h g /2 fh y a p p m g ym y a g e m i m z c e m h g c z $ l d h t g yg h m r a
" % ’ ) 离 算 法 引 起 了 极 大 的 关 注( 提出了许多有效的 -
针 对 噪 声 条 件 下 的 信 号 盲 分 离 问 题文献( ( %
过 建立时 间序列 信号的 自回 归移动 平均 ) 23 /2, 新息模型 可在未知模型参数的情况下对信号进行 滤波 .
算法 这些算法利用非高斯独立源假设所提供的信 息针对不 同 的 准 则 进 行 优 化 如最大化互信息的
从而由式 0 得到源信号的估计为 + 3 V V 4 0 5 36 9 0 5 32 ; 0 5 3 0 ( ) 3 现代时 间序 序 列 分 析 方 法 虽 然 可 处 理 未 知 参 数的多维信号的滤波问题 $ 但要求信号矢量各成分 之间统计独立 % 对于源信号存在混合的情况 $ 要应 用现 代时 间序序 列 分 析 方 法 必 须 使 各 源 信 号 相 互 分离 % 但如同 ! " # 盲分离方法可以分离混合的信号 $ 引言中所指出的 $ 在有噪声的情况下许多 ! " # 盲分 离方法的性能将下降 %
数
据
采
集
与
处
理
, h t d g c p h i ‘ c e c2z % t m r m e m h g. 5 d h z a r r m g l
/h p | * "nh | " /c d |* # # +
文章编号 ! " # # $ % & # ’ ( ) * # # + , # " % # # $ * % # $
0 E 3
为 >d5维 的混 合矩 阵 A ‘为 具有 高斯分 布的加 性 + 白噪声 $ 自相关 矩阵为 B 且a % 若噪 声可以 忽略 $ = 是未知且可逆的方阵0 即 >65 则易知存在一个 3 $ V 2( 分离矩阵 e6a 使得利用 e 估计的源信号 4 6e] 是真实的源信号 % 当 >_5时 $ 需要对输出信号作预
混合矩阵成为正交矩阵 % 设分离 矩阵 e 为 5 估计信号 d5维 可逆 矩阵 $ 根 据 非 高 斯 独 立 源 假 设$ 当噪声可以忽略 6e] $ 9 时$ e 应使得输出信号独立性最大 %定义独立性测 度 fg 距离为 h h i j k l m n o i h n p qr v w 0 9 $ e3 x6 s t6 u 9 3 h | } y s0
{ 2z z
0 J 3 2( 2( 25 K 式 中< 6= G0 1 3 1 : ? :G 1 为传递函 >:G ( 5 K 数模型 A 为新息 $ 是零均值 L 方差阵为 M 0 3 H 5 N的白噪 声 %可见式 0 是一个 #, J 3 .# 新息模型 %对于这一 模型 $ 其未知参数的估计可采用文献 ’ 提出的现 ( E * 代时间序列分析方法 0 % .O P P #.3
& 基于现代时间序序列分析的滤波 方法
许 多实 际的信 号和系统 $ 如舰 船辐 射 噪 声 机械噪声
’ ( ( * ’ ( ) *
$
及传输信道
’ ( + *
等都可以近Biblioteka Baidu地用 #, 0 ( 3
25 @
故本文设源信号及传感器信号满足 .# 模型建模 $
2( 2( /0 1 3 4 0 5 36 7 0 1 3 8 0 5 3
2( 首先选择阶数 5 使 $ 0 1 3 ) 足够高的 #, 模型 Q 2( 2( 2( 近似成立 $ 则式 0 可化 得 G0 0 6/0 J 3 Q 1 3 1 3 1 3
2( 2( /0 1 3 9 0 5 36 G0 1 3 H 0 5 3
" 9 t 0 { 3 ! ! ~
5 !
s 0 9 3 {
X 噪声背景下盲分离算法的性能
X Y & 基于自然梯度的 Z [ \ 算法
设 > 个 传感器 的观测 信号 ] 来自于 5 0 3 0 ^ >_ 个源信号 4 的线性混合 $ 并包含了加性观测噪 3 0 3 5 ^ 声‘ 忽略时间 ^ 其模型为 ] 0 3 $ $ 6a :‘ %式中 < 6 ^ 4 ]
( F * 白 化 处 理’ 以 估 计 源 信 号 数 并 抑 制 噪 声$ 同时使
2( 2( 2( /0 1 3 9 0 5 36 7 0 1 3 8 0 5 3: /0 1 3 ; 0 5 3 0 F 3 将式 0 右端写为 F 3 2( 2( 2( G0 1 3 H 0 5 36 7 0 1 3 8 0 5 3: /0 1 3 ; 0 5 3 0 I 3 则式 0 化为 F 3
+ C + D + + 是 一个卡尔曼滤波模 型 $ 但 /$ $ 7 B C 和 B D 均 未 知$
因此无法直接应用卡尔曼滤波方法 % 为了解决这一问题 $ 将式 0 写为 ( 3 4 0 5 36 / 0 1 3 7 0 1 3 8 0 5 3 将式 0 代入式 0 并化简得 E 3 + 3
2( 2( 2(
( $ ) 基 于 独 立 性 测 度 *% ~ g i h d fc {算 法 +距 离 的 自 ( 7 ) + ) 然 梯度算法 以及联合对角化算法 ) 等( , . , 2‘ k
引
言
在阵列信号处理中 处于被动工作方式下的传
在无噪声的情况下 这些算法的性能都是近似最优 或 次最 优 的 但 当 噪 声 不 可 忽 略 时它们的性能就 会下降甚至失效 . 分别提出了联合最大似然估计法 基于累积量的 & ) 方法以及基于最大墒的方法 . 这些方法虽可同时完 成 波形 恢 复 和 噪 声 压 制 但 也 存 在 着 计 算 复 杂需
噪声背景下的盲源分离算法
向 前 林春生 程锦房
海军工程大学兵器工程系 -武汉 ) $ ’ # # ’ ’ , 摘要 ! 分析了当存在高斯背景噪声时一类盲分离算法的性能 指出此时盲分离算法 仍 可 用 于 估 计 解 混 矩 阵 而输 出信号为分离的源信号与高斯噪声的叠加 . 利用现 代 时 间 序 列 分 析 方 法 ) 建立了输出信号的自回归 /0 1 1 2/, 移动平均 ) 新息模型 并给出了一种基于多维线性最小二乘法的信号滤波算法 . 仿真试验表明 该算法稳 23 /2, 定且收敛 可以在背景噪声存在时有效地恢复源信号的波形 . 关键词 ! 盲分离 4 盲辨识 4 背景噪声 23 /2 模型 4 中图分类号 ! * ’ $ 40 & " " 6 ( 0 5 5 文献标识码 ! 2
0 + 3 式 中< 和 1 : ? : /5 /0 1 36 = > : / ( @1 2( 2( 25 @ 6= 0 7 1 3 1 :?:7 1 建立了源信号 4 >: 7 ( 5 @ 2( 的传递函数模型 A 为输出 0 3 1 为单位延时算子 A 9 5
2( 2(
9 0 5 36 4 0 5 3: ; 0 5 3
收稿日期 ! 修订日期 ! * # # $ % " " % * " 4 * # # 7 % # $ % * (
万方数据
第 (期
向
前$ 等< 噪声背景下的盲源分离算法
F E V 2( ; 0 5 36 /5 H 0 5 3 @G 5 K 0 W 3
本文分析 了基于自 然梯度的 ! " # 算法应用于 含 噪 混合信号盲 分 离 时 输 出 信 号 矢 量 各 成 分 的 特 并结合现代时间序序列分析方法给出了一种新 性$ 的信噪分离方法 %
8 9 : ; < = > ?8 @ A B C = < D EF B CG @ = H 9I B J C K ? I ? ; : C : < = B HF C B EL H M < : H < : H ? B J M N B = M OP= Q < J C ? M
-X -Y RS T U VW S T U S UY Z [ U \ Z ] U V Z ] U V^ S U _ T U V
O 0 $ $ ?$ 60 $ b b b 4 c ( + >3 为 > 维 的 观 测 随 机 矢 量 A ( O 为 维 的 未 知 且 相 互 独 立 的 源 信 号 $ ?$ 3 A c c 5 a + 5
为 激 励 噪 声A 为 观 测 噪 声A 方差分 信 号A 0 3 0 3 8 5 ; 5 别 为 B 和 B% 可见 $ 当传递函数阶数 5 这就 6(时 $ @
& ) 已知模型参数等问题 . 现代时间序列分析方法 ( 通
感器阵接受来自多个源的信号 这些源信号及其传 输通道均可能未知和时变 . 盲信号处理是指仅由传 感 器 的 观 测 数 据 恢 复 出 各 源 信 号 的 方 法在通信 如 盲 均衡 , 语 音 及 图 像 处 理被动声纳探测等领 ) 域中有着广泛的应用前景 . 近年来 基于非高斯独立源假设的自适应盲分
) -nc -jt -$ ’ # # ’ ’ , ‘ a b c d e fa g e h i ja c b h gk g l m g a a d m g l o c p qg m o a d r m e sh i k g l m g a a d m g l u c g v u m g c
!0 | 8 w M < C : K < u ab d h x p a fh ie u ax p m g yr h t d z ar a b c d c e m h gi d h fe u ag h m r sfm { e t d am ry m r z t r r a y -e % % } m d r e p s u a b d h b a d e m a r h i e u a g c e t d a l d c y m a g e x c r a y~ v 2c p l h d m e u fc d a c g c p s ! a y"u a ge u a # c t r % |2g r m c gx c z $ l d h t g yg h m r aa { m r e a r ym e m rb h m g e a yh t e e u c e e u ac p l h d m e u fz c gx at r a ye ha r e m fc e a -"u e u at g fm { a yfc e d m { m p ah t e b t e r m l g c p rc d az h fb h r a yh i e u aa r e m fc e m h gh i e u ar h t d z ar m l g c p |0 -e # c t r r m c gg h m r a u a g u a23 /2 fh y a p h i h t e b t er m l g c p rm rz h g r e d t z e a y c g ye u ac y y m e m h g c p % % c g ycft p e m y m fa g r m h g c p d a z t d r m o a p a c r e r % t c d a c p l h d m e u fm r t r a yi h d r m l g c p i m p e a d m g lc g yb c d c fa % |1 e a da r e m fc e m h gh i e u a23 /2 fh y a p m ft p c e m h gd a r t p er u h "re u c ee u ac p l h d m e u fm rr e c x p ac g y -c o a i h d fh ie u ar h t d z am gr h fa# c t r r m c gx c z $ % z h g o a d l a g e g yz c ga i i m z m a g e p sd a z h o a de u a"c | l d h t g yg h m r a r !x 423 4x 4x &? O’ B C 9 M p m g yr a b c d c e m h g /2 fh y a p p m g ym y a g e m i m z c e m h g c z $ l d h t g yg h m r a
" % ’ ) 离 算 法 引 起 了 极 大 的 关 注( 提出了许多有效的 -
针 对 噪 声 条 件 下 的 信 号 盲 分 离 问 题文献( ( %
过 建立时 间序列 信号的 自回 归移动 平均 ) 23 /2, 新息模型 可在未知模型参数的情况下对信号进行 滤波 .
算法 这些算法利用非高斯独立源假设所提供的信 息针对不 同 的 准 则 进 行 优 化 如最大化互信息的
从而由式 0 得到源信号的估计为 + 3 V V 4 0 5 36 9 0 5 32 ; 0 5 3 0 ( ) 3 现代时 间序 序 列 分 析 方 法 虽 然 可 处 理 未 知 参 数的多维信号的滤波问题 $ 但要求信号矢量各成分 之间统计独立 % 对于源信号存在混合的情况 $ 要应 用现 代时 间序序 列 分 析 方 法 必 须 使 各 源 信 号 相 互 分离 % 但如同 ! " # 盲分离方法可以分离混合的信号 $ 引言中所指出的 $ 在有噪声的情况下许多 ! " # 盲分 离方法的性能将下降 %