基于FIR滤波器矩阵代数的多通道盲解卷积算法 Multichannel Blind Deconvolution Based on FIR Matrix Algebra.pdfVIP

振动与冲击 第27卷第9期 JOURNALOFVIBRATIONANDSHOCK 基于FIR滤波器矩阵代数的多通道盲解卷积算法 陈少林1”， 陈进2 (I．南京航空航天大学航空宇航学院，南京210016； 2．上海交通大学机械系统与振动国家重点实验室，上海200240) 摘 要：通过FIR滤波器矩阵代数将盲源分离算法扩展为多通道盲解卷积算法，得到了多通道盲解卷积的自然梯 度算法和等变自适应算法。然后，分别对两纯亚高斯信号的卷积混合信号和两纯超高斯信号的卷积混合信号进行盲解卷 积分离，给出了分离滤波器和全局滤波器的脉冲响应以及描述算法性能的ICI、ISI和MC—ISI指标，仿真结果表明基于滤 波器矩阵代数的多通道盲解卷积自然梯度算法对同系信号的分离和解卷积均具有很好的效果。 关键词：FIR滤波器矩阵代数；盲源分离；多通道盲解卷积 中图分类号：TB52 文献标识码：A 在机械声频故障诊断中，其关键问题是如何从多 ；(f)是源信号s(f)的一个可靠估计‘卜31，即 台机器的混合噪声中分离出各台机器的噪声信号，从 而提取出各台机器的声学故障特征。盲源分离技术有 G(t)木s(t) (3) 望解决这一技术问题。对于瞬时线性混合情形，盲源 写成z变换域形式 分离技术基本成熟。但对于实际的声信号，其混合过 程一般为卷积混合，瞬时混合只是在不考虑多路径影 y(z)=G(z)s(：) (4) 响和各声源与麦克风之间到时差的一种近似。因此， 为了符合实际情况，需要对卷积混合情形时的盲辩识 进行研究，当源信号假设为独立同分布信号时(Inde—排列矩阵，该矩阵的每一行与每一列有且仅有一个非 Identical pendent Distributed，I．I．D)，称为多通道盲解 卷积。 信号的卷积混合是指各传递通道建模为一个有记 忆系统，即，必须考虑各传递通道时间延迟效应，其传 性为 递函数认为是一个滤波器函数，这样，第i个传感器的 1)输出信号在幅值上不确定； 输出信号戈；(t)如下， 2)输出信号与源信号之间的延迟不确定； n 3)输出信号在次序上不确定。 (1) Xi(t)=∑aq(￡)宰sj(t)f=1，2，…，m 目前，对上述多通道盲解卷积问题的算法一般分 其中口i(t)为第i个传感器与第J个信号源之间的滤波 为频域算法和时域算法。将式(2)转换到频域形式得 器函数，si(t)为第_『个源信号，符号“木”表示卷积运 茗∽=A∽5∽ (5) 算。上式可用矢量与矩阵表达如下 x(13、A∽和s∽分别是各自对应函数的傅里叶变换， x(t)=A(t)幸s(f)(2) 上式对于每一个频率点，而言都是一个复数域的瞬时 其中A(f)=[口ii(t)]。。。是未知的m×il阶滤波器函数 混合盲源分离问题。因此，我们可以对每一频率点，运 矩阵。多通道盲解卷积的假设条件为 用盲源分离算法。但由于盲源分离问题存在排序和幅 1)源信号相互间统计独立，且每一信号为一独立 值不确定性，使得频域算法存在如下相应