基于小波包-变分贝叶斯独立分量分析的源信号盲分离方法.pdfVIP

第 27卷 第 1期 南昌航空大学学报：自学科学版 Vo1．27．N0．1 2013年 3月 JoumalofNanchangHangkongUniversity：NaturalSciences Mar．2013 基于小波包 一变分贝叶斯独立分量分析的源信号盲分离方法 李志农 周 伟 刘卫兵 何 况 (1．南昌航空大学，江西 南昌 330063；中国71697部队，河南 辉县 453600) [摘 要]结合小波包分析和变分贝叶斯独立分量分析的各 自优点，提出了一种基于小波包 一变分贝叶斯独立分量分析的盲 源分离方法，该方法利用小波包对观测信号进行分解，将得到的重构的小波包系数组成新的观测信号，再利用变分贝叶斯推 论对源信号进行估计。仿真结果表明，该方法是有效的，即使在非常低的信噪比噪声混合下，也能得到非常满意的分离效果。 [关键词]变分贝叶斯独立分量分析；小波包变换 ；盲源分离 [中图分类号]TN957；TN911 [文献标志码]A [文章编号]1001—4926(2013)01—0061一O5 TheBlindSourceSeparationM ethodBasedonWaveletPacketand VariationalBayesIndependentCompomentAnalysis LIZhi—nong ZHOUwei LIU W ei—bin HE Kuang (1．NanchangHangkongUnive~i@，Nanchang，flangxi360063，China； 2．Unit71697ofPLA，Huixian，Henan453600，China ) Abstract：CombinedwiththerespectiveadvantagesofwaveletpacketanalysisandvariationalBayesianindependentcomponentanalysis (VBICA)，ablindsourceseparationmethodbasedonwaveletpacketnadVBICAisproposed．Theobservationsignalsaredecomposed bythewaveletpacketandtheobtmnedreconstructwaveletpacketcoefficientsconstitutehtenewobservationsignals．Thesourcesingals raeestimatedbytheVBICA method．Thesimulationresultsshow thattheproposedmethodisveryeffective．Evenundernoisymixture attheverylowsignal—to—noiseratio，thesatisfactory separationperformnaceCna bealsoobtained． Keywords：variational bayesindependentcompomentnaalysis；waveletpacket；blindsourceseparation． 信号的盲分离仍存在着严重的不足，以致严重影响 1 引 言 该方法在实际中的应用。其主要不足反映在以下两 独立分量分析(independenteompomentanalysis， 方面：(1)大多数信号的盲分离方法要求源信号满 简称 ICA)是指在不需源信号和传递通道参数的情 足非高斯、平稳且相互独立的假设，在实际应用中往 况下，仅由观测信号恢复出源信号各个独立成分的 往会产生许多问题，因为 自然界中的源信号通常不 过程，它为源信号的盲分离提供了一种非常有效的 能满足这些假设。(2)现有的基于 ICA的源分离方 方法，并在工程 中获得了成功的应用。然而，现有源 法常常是忽略噪声的影响或者把噪声看作一个独立 [收稿