基于RCA算法欠定盲源分离.pdfVIP

基于RCA算法的欠定盲源分离1 1，2 1 张烨 方勇 1 （上海大学通信与信息工程学院，上海 200072 ） 2 （南昌大学电子信息工程系，南昌 330029 ） 摘要：本文针对欠定盲稀疏源分离提出了一种有效的盲分离算法。该算法先采用鲁棒竞争聚类学习，估计 出源信号的个数以及混合矩阵；再采用基追踪（Basis Pursuit ）去噪法求出源信号。模拟试验证实了算法的 有效性，并具有较好的鲁棒性。该算法还适用于超定或完备盲源分离。 关键词：欠定盲源分离；稀疏信号；鲁棒聚类；线性规划。 中图分类号：TN911.7 1 引言 近年来，由于盲源分离可以广泛应用在生物信号分析和处理，语音识别，图像处理和无 线通信等领域中，盲源分离一直为相关领域的研究热点。盲源分离是指在未知源信号以及源 信号的混合方式条件下，仅仅根据观测到的混合信号来恢复原始信号或源信号。可以用以下 的模型来描述盲源分离： x(t) As(t) =+v(t) （1） 上式的含义是n维源信号矢量s(t)=[s (t), s (t), …, s (t)] T通过m×n 维混合矩阵A混合，再叠加 1 2 n T m 维高斯白噪声v(t)= [v (t), v (t), …, v (t)] 得到m 维混合信号矢量x(t)=[x (t), x (t), …, 1 2 m 1 2 T xm(t)] 。盲源分离问题可描述为：在源信号s(t)和混合矩阵A未知的条件下，只根据混合信号 x(t) 来确定分离矩阵W, 使得输出y(t)=Wx(t) 为源信号s(t) 的估计。一般情况下，假定源信号 的个数小于或等于观测信号的个数（n≤m ），即超定或完备情况，矩阵A是满列秩矩阵，源信 号相互独立，并且最多只有一个高斯信号。在超定或完备情况下，解决盲源分离问题的基本 原理是独立变量分析，它已有很多有效的算法，如自然梯度算法，EASI算法,FASTICA算法 和联合对角化法等算法[1][2]。但是在实际问题中，源信号的个数往往未知或源信号的个数 大于观测信号的个数（n ＞m ），即欠定情况，如脑电信号EEG处理中就存在这个问题。在欠 定情况下，混合矩阵A不可逆，已有的适用于超定或完备条件下的算法就不能直接用于欠定 条件下盲源信号分离。因此，在实际工程应用中，研究在这两种情况下都有效的盲源分离算 法是一个亟待解决的问题。 本文针对欠定盲源分离提出了一种有效的盲分离算法。该算法假定源信号为稀疏信号， 利用稀疏信号的瞬时混合信号具有线性聚类的特点，采用鲁棒聚类算法先估计出源信号的个 数和混合矩阵，再求出源信号。该算法同样适用于超定和完备条件下盲源分离。 2 问题描述 欠定盲源分离的数学模型同样可以用 1）式来表示，同样假设源信号相互独立，只是观 测信号的个数小于源信号的个数（m ＜n ）且源信号的个数未知。为描述方便将混合矩阵 A 写作 ⎡a11 a12 L a1n ⎤ ⎢ ⎥ a a L a A ⎢ 21 22 2n ⎥ L （2 ） , , , ⎢