欠定盲源分离混合矩阵估计进化规划策略.docVIP

欠定盲源分离混合矩阵估计进化规划策略 　　摘要摘要：针对稀疏信号欠定盲分离混合矩阵的估计问题，提出一种利用进化规划思想进行混合矩阵估计的方法。首先检测出观测数据时频散点图中的单源点，然后利用进化规划算法对这些单源点数据进行聚类分析，从而得到混合矩阵的估计。利用进化规划算法进行全局优化搜索，可大大改善聚类质量，提高混合矩阵估计的精度，并具有很好的鲁棒性。计算机仿真结果表明，采用该方法估计的混合矩阵可很好地逼近原矩阵，达到了良好的估计效果。 　　关键词关键词：进化规划；混合矩阵；欠定盲分离；时频单源点 　　DOIDOI：10.11907/rjdk.161099 　　中图分类号：TP302.1 　　文献标识码：A文章编号文章编号2016）002002203 　　0引言 　　盲源分离（Blind Source Separation，BSS）[1]问题自上世纪80年代首次实现至今，已提出了大量算法并得到了广泛应用。特别是观测信号个数少于源信号数目的欠定盲源分离（Underdetermined BSS）问题，更成为盲信号处理领域的研究热点。由于欠定情况下的混合矩阵是奇异的，故不能直接对混合矩阵求逆矩阵。基于源信号的稀疏性以及时频分析理论，Li、Cichocki等[2]提出了k-means聚类算法，P Bofill[3]提出用势函数算法进行混合矩阵估计，其基本思想都是首先估计混合矩阵，然后恢复源信号，但是前者需要知道源信号个数，后者只适用于两路观测信号。为此，后来学者在此基础上提出了很多改进算法，Reju V G[4]提出了一种在单源点检测的基础上利用层次聚类方法进行混合矩阵的估计；陈永强等[5]将人工蜂群算法运用到盲混合矩阵估计中，大大增强了算法的鲁棒性；Xu H等[6]提出了一种压缩传感（Compressive Sensing，CS）重构算法的盲混合矩阵估计方法，该算法具有很好的收敛速度和估计精度。 　　本文主要研究无噪声情况下的线性瞬时混合信号的欠定混合矩阵估计问题，提出了一种利用进化规划思想进行混合矩阵估计的方法。首先对观测数据进行短时傅立叶变换，得到时频散点图，经过归一化和对称化处理后，根据实虚部是否相等检测出时频单源点；然后利用进化规划算法进行聚类分析，进而得到混合矩阵的估计。由于将单源点检测方法与进化规划算法的优化随机搜索策略相结合，从而大大改善了聚类质量，提高了混合矩阵估计精度。 　　1时频单源点检测 　　在时频域，只有一个信号存在或只有一个信号起主导 　　作用的时频点，称为时频单源点。时频单源点具有较好的方向聚集性，此方向就是在该单源点的源信号混合矩阵对应的列向量[7]。对于N个源信号混合成M路观测信号（M≤N），在无噪声情况下的欠定盲源分离问题的线性瞬时混合模型可以表示为： 　　x（t）=As（t）=∑Ni=1aisi（1） 　　其中，s（t）=[s1（t），???，sN（t）]T表示N维未知源信号，x（t）=[x1（t），???，xM（t）]T表示M维观测信号，A=[a1，???，aN]为M×N维混合矩阵，ai是A的第i个列向量。 　　对基于源信号的稀疏性进行欠定盲混合矩阵估计时，由于信号在时频域呈现出更强的稀疏性[8]，因此通常需要将观测数据作时频变换，本文对式（1）两边进行短时傅立叶变换（STFT）[9]得到： 　　X（t，f）=AS（t，f）=∑Ni=1aiSi（t，f）（2） 　　其中，X（t，f）和Si（t，f）分别表示观测信号向量x（t）与第i个源信号si（t）的STFT。显然，式（2）也是线性混合模型。 　　假设源信号在时频域满足W分离正交性（WDO），即在频域点上至多有一个信号的能量不为零，其它部分等于零或接近于零[10]。现设在时频点（tp，fp）处只存在一个源信号sk，则式（2）退化成：X（tp，fp）=akSk（tp，fp）（3） 　　式（3）中X（tp，fp）和Sk（tp，fp）皆为复数，分别取其实部和虚部进行归一化和对称化处理[11]，可得： 　　R（tp，fp）=I（tp，fp）（4） 　　其中，R（tp，fp）与I（tp，fp）分别为经过归一化映射处理后的观测信号的实部和虚部。 　　式（4）表明在单源点处的观测信号的实虚部相等，即实部向量和虚部向量具有相同方向。可证明，当时频点（t，f）处存在多个信号，实部向量和虚部向量具有不同的方向[12]。因此，可以检测每个时频点处经归一化映射处理后观测信号的实部向量和虚部向量方向是否相同来判断该时频点是否为单源点。可用下式表示： 　　1-|R（t，f）I（t，f）|‖R（t，f）‖2‖I（t，f）‖2ε1（5） 　　其中，R（t，f）和I（t，f）分别为时频点（t，f）处经归一化映射