專利名稱：基于密度的欠定盲源分離方法
技術(shù)領(lǐng)域：
本發(fā)明屬于信號處理領(lǐng)域，具體涉及欠定盲源分離方法，可用于機械故障檢測、語音信號處理、圖像信號處理、生物醫(yī)學工程等領(lǐng)域。
背景技術(shù)：
盲源分離(Blind Sources Separation,BSS)技術(shù),是二十世紀九十年代發(fā)展起來的一種新型信號處理技術(shù)，在機械故障檢測、語音信號處理、圖像信號處理、生物醫(yī)學工程等領(lǐng)域都有廣泛的應(yīng)用。盲源分離是指在源信號和傳輸通道參數(shù)未知的情況下，僅由觀測信號恢復出源信號。欠定盲源分離(Undetermined BSS)要求觀測信號個數(shù)小于源信號個數(shù)，是一個更符合實際情況、更具挑戰(zhàn)性的問題。欠定盲源分離線性瞬時混合模型為:X (t) =As (t) +V (t), t=l, 2,..., T0 I)其中，X(t) = [Χια>..Χ α)...ΧΜα)]τ* 采樣時刻μ維的觀測信號向量，a為未知的μχν(μ<ν)的混合矩陣；sα) = [8ια)...&α)...%α)]τ* t采樣時刻N維的未知源信號向量；V(t) = [V1 (t)-ViU) -VmU)]1 采樣時刻刻M維的加性高斯白噪聲向量，符號T表示向量的轉(zhuǎn)置；M為觀測信號個數(shù)(傳感器個數(shù))，N為源信號個數(shù)，T0表示采樣數(shù)據(jù)長度。針對欠定盲源分離問題，基于稀疏分量分析(Sparse Component Analysis, SCA)的兩步法已成為解決該問題的重要手段。稀疏分量分析假設(shè)源信號為在絕大多數(shù)采樣時刻的取值為零或接近于零，只有少數(shù)采樣時刻的取值遠離零的稀疏信號。當源信號均為稀疏信號時，在大多數(shù)采樣時刻僅有一個源信號起主導作用，接收端接收到的觀測信號具有線性聚類特征。根據(jù)觀測信號的線性聚類特征，參照

圖1，兩步法首先采用某種聚類算法估計混合矩陣，然后根據(jù)混合矩陣和觀測信號采用某種算法恢復源信號，如線性規(guī)劃法，匹配追蹤法等。因此，在兩步法中混合矩陣的估計十分關(guān)鍵，其精度直接影響源信號的恢復效果。如果源信號不是稀疏信號，可以采用信號的稀疏變換工具，如短時傅里葉變換、小波變換等，對信號進行稀疏表示，使其在變換域具有較好的稀疏特性。目前K-均值聚類等統(tǒng)計聚類方法，勢函數(shù)方法以及魯棒競爭聚類方法等可用來估計混合矩陣?；贙-均值聚類等統(tǒng)計聚類方法復雜度低，容易實現(xiàn)，但性能易受初始值影響，且需給出源信號個數(shù)，而實際中源信號個數(shù)可能是未知的。勢函數(shù)方法可在源信號個數(shù)未知時估計出混合矩陣，但該方法缺乏一定的理論依據(jù)，主觀經(jīng)驗性太強，且僅適用于二維空間。適用于高維空間的拉普拉斯勢函數(shù)方法，具有較強的抗噪聲能力，但該方法為了保證估計出每個局部最大值，將所有數(shù)據(jù)對象選為初始聚類中心，致使算法復雜度高，不具有實用性。魯棒競爭聚類方法減小了算法復雜度，但魯棒性差，混合矩陣估計精確度較低。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對上述已有技術(shù)的不足，提供一種基于密度的欠定盲源分離方法，以降低計算復雜度，減小初始值對估計性能的影響， 在源信號個數(shù)未知時估計出混合矩陣，提高混合矩陣和源信號估計精度。實現(xiàn)本發(fā)明的技術(shù)思路是:利用觀測信號的線性聚類特征，對觀測信號去掉低能量采樣數(shù)據(jù)后投影到單位右半超球面上；計算所有投影點的密度參數(shù)；根據(jù)噪聲和異常值偏離混合矩陣列矢量所對應(yīng)的直線，其投影點的密度參數(shù)較小的特點，刪除密度參數(shù)較小的投影點，減小噪聲和異常值的影響；利用改進的K-均值聚類算法對剩余投影點進行聚類劃分，確定最佳聚類個數(shù)和聚類中心；去掉包含數(shù)據(jù)對象個數(shù)很少的聚類和相應(yīng)的聚類中心，剩余聚類中心個數(shù)即為源信號個數(shù)的估計值，剩余聚類中心即為混合矩陣各個列矢量的估計值，由此得到混合矩陣的估計值；根據(jù)觀測信號和估計出的混合矩陣，采用線性規(guī)劃法恢復源信號。其具體實現(xiàn)步驟如下:I)在所有采樣時刻t處，將接收端接收到的觀測信號x(t)的能量||*(0￡與低能量
門限ε 1進行比較，如果||X(/f <5,則將x(t)刪除，否則將X(t)投影到單位右半超球面上，得到投影點iw:
權(quán)利要求
1.一種基于密度的欠定盲源分離方法，其特征在于，包括如下步驟: .1)在所有采樣時刻t處，將接收端接收到的觀測信號X(t)的能量||x(o￡與低能量門限ε 1進行比較，如果則將x(t)刪除，否則將X(t)投影到單位右半超球面上，得到投影點iw:
2.根據(jù)權(quán)利要求1所述的方法，所述步驟4.2)選取K個初始聚類中心，按如下步驟進行: 4.2.1)從高密度集合D中選擇密度參數(shù)最大的數(shù)據(jù)對象作為第一個初始聚類中心Z1,取距離Z1最遠的數(shù)據(jù)對象作為第2個初始聚類中心Z2 ； 4.2.2)對于I = 3，4，…，K，計算高密度集合D內(nèi)其余數(shù)據(jù)對象Si到已選1_1個初始聚類中心Zj的歐式距離At，*；)，其中j = I, 2,..., 1-Ι, e [1，c]，c為高密度集合D中數(shù)據(jù)對象個數(shù)；選取到1-ι個初始聚類中心的最小歐式距離最大的數(shù)據(jù)對象作為第I個初始聚類中心Z1:
3.根據(jù)權(quán)利要求1所述的方法，所述步驟5)在觀測信號x(t)和混合矩陣A的基礎(chǔ)上，采用線性規(guī)劃法恢復源信號S(0，按如下步驟進行: .5.1)依次按照列標遞增且互不相同的原則從混合矩陣A中選取M個列向量，構(gòu)造出G個MXM維子矩陣A1…尾…七，其中L = Cf, i e [1，L]； .5.2)在所有采樣時刻t處，根據(jù)觀測信號x(t)和全部子矩陣A…I…又z計算源信號估計值:
全文摘要
本發(fā)明公開了一種基于密度的欠定盲源分離方法，主要解決現(xiàn)有技術(shù)計算復雜度高，易受初始值影響，需給定源信號個數(shù)的問題。其實現(xiàn)步驟是對觀測信號去掉低能量采樣數(shù)據(jù)后投影到單位右半超球面上；計算所有投影點的密度參數(shù)，刪除密度較小的投影點；利用改進的K-均值聚類算法對剩余投影點進行聚類，確定最佳聚類個數(shù)和聚類中心；去掉包含數(shù)據(jù)對象個數(shù)很少的聚類，剩余聚類個數(shù)為源信號個數(shù)的估計值，對應(yīng)的聚類中心為混合矩陣各個列矢量的估計值；根據(jù)觀測信號和估計出的混合矩陣，采用線性規(guī)劃法恢復源信號。本發(fā)明降低了計算復雜度，減小了初始值對估計性能的影響，能在源信號個數(shù)未知時估計出混合矩陣，可提高混合矩陣和源信號的估計精度。
文檔編號G06F19/00GK103218524SQ20131011646
公開日2013年7月24日 申請日期2013年4月3日 優(yōu)先權(quán)日2013年4月3日
發(fā)明者付衛(wèi)紅, 馬麗芬, 曾興雯, 嚴新, 李愛麗, 劉乃安, 黑永強, 李曉輝 申請人:西安電子科技大學