盲信号分离基础知识讲述.doc

专业课程设计学习材料 源信号分离 Source Signal Separation 第一部分 简单介绍 目标 我们的目标就是学习源信号分离理论的基础知识和信号分离时涉及的相关学科知识， 图1 源信号波形 图2 混合信号波形 图3 分离信号波形 二、分离方法 1、FFT法；条件：不同源信号占有不同的频带 2、自适应滤波方法；条件：已经信号的某些特征 3、盲信号分离方法；条件：遵从某些统计假设条件 三、盲分离的基本模型 盲信号分离的基本模型如图（）所示。 图1 盲信号分离的基本模型 其中：，，……，为个源信号；，，……，为个观测信号；，，……，为待求解的个分离信号；，，……，为个噪声信号，。将其分别写成矩阵形式为： （1） 向量、、、分别称作源、观测、分离、噪声。通常意义的盲信号分离是指只有观测已知，中含有源信号和混合系统的信息，源特性、源、噪声信号都是未知的盲信号分离的任务就是从中估计源，使。 图（1）的盲信号分离模型可以概括表示为通式（2）和式（3）的数学模型，分别称为系统混合模型和系统分离模型 （2） （3） 式中：表示未知混合系统的混合函数；表示分离系统的分离函数；没有噪声的情况下，和互为反函数，此时混合系统与分离系统互为逆系统。 依据混合系统的混合方式，盲信号分离问题分为线性瞬时混合盲信号分离、线性卷积混合盲信号分离及非线性瞬时混合盲信号分离三种主要形式，线性瞬时混合盲信号分离是最简单、最经典的盲信号分离模型，其理论和算法的发展最完善、最系统、最成功。 令,即得线性瞬时混合模型的数学表达式： （4） （5） 其中：为混合系数矩阵，称为系统混合矩阵；为分离系数矩阵，称为系统分离矩阵。线性瞬时混合表示接收器同时接收到多个源发射来的信号，信号传输过程无延迟滤波仅有缩放作用，本论文主要针对线性瞬时混合模型进行研究。第2 盲信号分离理论基础 BSS是盲信号处理领域的研究内容之一，主要目标是从观测信号中获得源信号的最佳估计。它是统计信号处理、信息论及神经网络等多学科相结合的综合性分支内容，涉及概率统计、矩阵论、信息论、泛函及人工神经网络等学科基础知识，本章主要总结BSS理论的基础知识和研究盲信号分离时涉及的相关学科知识，为进一步研究BSS问题做准备。 2.1 线阵列信号的盲分离数学模型 若测量向量来自间距为的个各向同性阵元组成的均匀线列阵，个点源向量位于远场，来自方向，记为，如图（2.1）所示。 图2.1线列阵接收模型 Fig2.1 The model of linear array receive signals 以阵元作为参考阵元，式（1-4）与式（1-5）可写为： （2-1） （2-2） （2-3） （2-4） 表示阵列对第个源的方向向量；为中心角频率；令，表示期望信号波前到达相邻两阵元的时间差。设、、分别为、与的解析形式。均匀线列阵接收远场信号，可将式（2-1）表示为： （2-5） 其中， 在水声信号处理领域中系统混合矩阵是基阵对个目标入射方向的响应向量构成的矩阵，又称为基阵的阵列流形。 相应的系统分离模型可表示为： （2-6） 是的分离矩阵，是分离信号的解析形式。 盲信号分离的任务就是寻找合适的分离矩阵，使式（2-6）成立，再取的实部，即：，恰好是独立源信号的一个估计，即。 2.2 盲信号分离的代价函数及优化准则 在BSS问题中，不仅需要建立系统数学模型，还要考虑BSS算法的代价函数，使得BSS的分离系统对应于代价函数的极值点（极大值点或极小值点），再选用某种优化算法寻找代价函数的极值点。当代价函数达到极值点后，对应的系统即为待求解的分离系统。 BSS算法的代价函数大都是建立在独立分量分析（Independent complement Analysis：ICA ）数学模型基础之上，ICA是为了解决盲分离问题而提出并发展起来的一类信号处理技术，现已成为解决盲分离问题的有力工具。然而ICA和BSS方法并不能完全等同或相互替代，BSS比ICA具有更宽广的适用范围，原因是：ICA只在源信号相互独立的条件下适用，而对BSS而言，即便源信号之间存在相关