專利名稱：一種多通道壓縮感知框架下的混合參數(shù)估計方法
技術領域：
本發(fā)明涉及多通道壓縮感知技術領域。
背景技術：
傳統(tǒng)的信號 獲取基于奈奎斯特采樣定理，即:信號的采樣速率必須大于等于信號最高頻率的2倍時，才能從采集到的數(shù)據(jù)中無失真的恢復出源信號。隨著人們對信息量需求的增加，信號的帶寬增大，當信號的獲取依然基于奈奎斯特采樣定理時，將會對信號采樣
及數(shù)據(jù)存儲等帶來極大的挑戰(zhàn)。2004年提出的新型采樣理論-壓縮感知(Compressed
Sensing, CS)指出當信號滿足稀疏性時，能以遠低于奈奎斯特采樣率的速度對信號進行觀測，然后通過合適的重構算法從信號的少量投影值中恢復源信號。由于CS理論可以大大降低信號的采樣速率以及數(shù)據(jù)存儲容量，在多個領域具有廣泛的應用前景。但是在某些多傳感器的應用場合，比如:語音識別、網(wǎng)絡異常探測、醫(yī)學信號處理等領域，傳感器采集到的往往是多個源信號的一種混合，并且，混合參數(shù)及源信號參數(shù)都是未知的。而現(xiàn)有的多通道壓縮感知框架下的通用方法估計混合參數(shù)存在必須先完成重構混合信號，混合參數(shù)估計效率低的問題。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有的多通道壓縮感知框架下的通用方法估計混合參數(shù)必須先重構混合信號，估計混合參數(shù)效率低的問題，從而提供一種多通道壓縮感知框架下的混合參數(shù)估計方法。一種多通道壓縮感知框架下的混合參數(shù)估計方法，它包括如下步驟:步驟一:采集混合信號Xi的壓縮觀測信號為yi; I彡i彡m ;其中，Xi是第i個混合信號，m為混合信號的數(shù)目，混合信號Xi的長度為N，觀測信號的長度為 M，即 X1 e Mam , y g ftMxl ,且 M < < N ;設:反混合矩陣W是m行m列的實數(shù)陣列，即WeMmxm,測量矩陣為Φ是M行N列的實數(shù)矩陣，即Φε E-UKV算法迭代次數(shù)I的初始值為I，總的迭代次數(shù)為L,反混合矩陣初始值為Wtl,更新步長為rI;步驟二、在(0，I)內(nèi)單調(diào)遞增的函數(shù)中選取任意非線性函數(shù)g(.)；步驟三、設定函數(shù)g(.)的輸入為yWn,輸出為Y,即Y = gbWn),其中y = [y1；y2，...，ym]，Ii表示第i個混合信號的壓縮觀測值；步驟四、計算Y 的熵 H(Y) = H(y) + E fln/(yWM) +InjWwI，
_ /=1 」其中H(Y)表示Y的熵，H(y)表示混合信號觀測值y的熵，函數(shù)In是對數(shù)函數(shù)，g'表示g的一階導數(shù)，
權利要求
1.一種多通道壓縮感知框架下的混合參數(shù)估計方法，其特征在于它包括如下步驟: 步驟一:采集混合信號Xi的壓縮觀測信號為yi; I < i < m ; 其中，Xi是第i個混合信號，m為混合信號的數(shù)目，混合信號Xi的長度為N，觀測信號yi的長度為 M，即 X1 e Exxl，y, g Ewxl ,且 M < < N ; 設:反混合矩陣W是m行m列的實數(shù)陣列，即W ； 測量矩陣為Φ是M行N列的實數(shù)矩陣，即ΜΛ χΛΓ 算法迭代次數(shù)I的初始值為1，總的迭代次數(shù)為L,反混合矩陣初始值為Wtl,更新步長為η ； 步驟二、在(O，1)內(nèi)單調(diào)遞增的函數(shù)中選取任意非線性函數(shù)g(.)； 步驟三、設定函數(shù)g(.)的輸入為yWn,輸出為Y,即Y = gbWn),其中y = [y17y2,...，yj，Ii表示第i個混合信號的壓縮觀測值； 步驟四、計算 Y 的熵
2.根據(jù)權利要求1所述的一種多通道壓縮感知框架下的混合參數(shù)估計方法，其特征在于所述m個混合信號Xi的形式為x=[Xl，x2，...,xm；|eRwxAi，則m個觀測信號yi的形式為
3.根據(jù)權利要求1或2所述的一種多通道壓縮感知框架下的混合參數(shù)估計方法，其特征在于所述混合信號Xi為:
4.根據(jù)權利要求1所述的一種多通道壓縮感知框架下的混合參數(shù)估計方法，其特征在于所述測量矩陣Φ服從高斯分布。
5.根據(jù)權利要求1所述的一種多通道壓縮感知框架下的混合參數(shù)估計方法，其特征在于所述總的迭代次數(shù)為100,迭代步長為0.25。
6.根據(jù)權利要求1所述的一種多通道壓縮感知框架下的混合參數(shù)估計方法，其特征在于所述非線性函數(shù)g(. )選用tanh函數(shù)。
全文摘要
一種多通道壓縮感知框架下的混合參數(shù)估計方法，涉及多通道壓縮感知技術領域，解決現(xiàn)有混合參數(shù)估計計算必須先完成重構混合信號，源信號重構效率低的問題。采集混合信號xi的壓縮觀測信號為yi，取非線性函數(shù)g(·)，所述函數(shù)g(·)的輸入為yWl，輸出為Y，計算Y的熵，計算熵H(Y)的梯度沿著熵H(Y)的梯度方向更新反混合矩陣Wl+1，使得熵H(Y)逐漸增大，所述更新反混合矩陣W的公式為將迭代次數(shù)l的值加1，l＝l+1，判斷迭代次數(shù)l是否大于設定的總的迭代次數(shù)t，據(jù)經(jīng)過t次迭代更新得到的反混合矩陣Wt，計算混合矩陣A的估計值本發(fā)明可廣泛應用于對混合參數(shù)估計的計算。
文檔編號H03M7/30GK103219998SQ20131010190
公開日2013年7月24日 申請日期2013年3月27日 優(yōu)先權日2013年3月27日
發(fā)明者付寧, 徐紅偉, 喬立巖, 于偉, 殷聰如 申請人:哈爾濱工業(yè)大學