CN103124245A - 基于峭度的变步长自适应盲源分离方法 - Google Patents
基于峭度的变步长自适应盲源分离方法 Download PDFInfo
- Publication number
- CN103124245A CN103124245A CN2012105839061A CN201210583906A CN103124245A CN 103124245 A CN103124245 A CN 103124245A CN 2012105839061 A CN2012105839061 A CN 2012105839061A CN 201210583906 A CN201210583906 A CN 201210583906A CN 103124245 A CN103124245 A CN 103124245A
- Authority
- CN
- China
- Prior art keywords
- kurtosis
- length
- peak
- signal
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Soundproofing, Sound Blocking, And Sound Damping (AREA)
- Cable Transmission Systems, Equalization Of Radio And Reduction Of Echo (AREA)
- Filters That Use Time-Delay Elements (AREA)
Abstract
本发明公开了一种基于峭度的变步长自适应盲源分离方法,旨在通过峭度来判断算法的解与最优解的距离,在线地调整步长,通过不断优化分离矩阵达到自适应的目的,它具体内容包括以下步骤:1、对观测信号进行白化预处理;2、利用白化处理后的信号对分离矩阵W进行迭代;3、得到最优矩阵,实现源信号分离。本发明的有益效果在于:利用峭度的变化来控制步长;通过峭度来判断算法的解与最优解的距离,在线地调整步长,通过不断优化分离矩阵达到自适应的目的;解决了盲源分离过程中收敛速度与稳态误差之间的矛盾。
Description
技术领域
本发明涉及一种信号处理方法,尤其涉及一种基于峭度的变步长自适应盲源分离方法。
背景技术
盲源分离是指在多个源信号混合的复杂环境中,仅通过传感器观测信号将原始信号分离出来的一种信号处理方法。在无线通信、语音、图像、地震信号处理、生物医学等领域具有很大的应用潜力。自适应盲分离(EASI)作为一种典型的最小均方(LMS)算法,具有较快的收敛速度,是盲源分离的一种常用的方法。但是这种算法存在一个步长优化问题,步长越大,收敛速度快,稳态误差大;反之,步长越小,收敛速度慢,但是稳态误差小。这一矛盾使得算法的收敛速度与稳态误差不能同时满足。
发明内容
本发明的目的在于解决盲源分离算法中存在的收敛速度与稳态误差的矛盾,旨在通过峭度来判断算法的解与最优解的距离,在线地调整步长,通过不断优化分离矩阵达到自适应的目的,提供一种基于峭度的变步长自适应盲源分离方法,它具体内容包括以下步骤:
步骤一:对观测信号进行白化预处理;
步骤二:利用白化处理后的信号对分离矩阵W进行迭代;
步骤三:得到最优矩阵,实现源信号分离。
上述基于峭度的变步长自适应盲源分离方法,在步骤二中,利用白化处理后的信号对分离矩阵W进行迭代的过程中,以峭度作为调整步长的评判标准,当峭度增大,则说明分离矩阵没有达到最优矩阵,需增大步长;当峭度减小,说明系统出现动荡,应减小步长;其迭代过程包括以下步骤:
(1)取参数μ(k)用来控制步长,设步长的更新表达式为:
λ(k+1)=μ(k)λ(k)(1)
(2)取y(k),y(k+1),y(k+2)的峭度,分别设为peak(k),peak(k+1),peak(k+2);为了达到步长平滑变化的目的,使用指数函数来调节步长:
Δpeak1=|peak(k+1)-peak(k)|(2)
Δpeak2=|peak(k+2)-peak(k+1)|(3)
得到了μ(k)的更新公式:
μ(k)=eΔpeak2Δpeak1(4)
(3)根据步长的更新公式与EASI算法的迭代公式,新算法的迭代规则为:
Wk+1=Wk+μ(k)λ(k)[I-y(k)yT(k)-g(y(k))yT(k)+y(k)gT(y(k))]W(k)(5)。
本发明的有益效果在于:
1、利用峭度的变化来控制步长;
2、通过峭度来判断算法的解与最优解的距离,在线地调整步长,通过不断优化分离矩阵达到自适应的目的;
3、解决了盲源分离过程中收敛速度与稳态误差之间的矛盾。
附图说明
图1为本发明的基于峭度的变步长自适应盲源分离流程图;
图2为源信号时域波形图;
图3为混合信号时域波形图;
图4为基于峭度的变步长自适应盲源分离方法得到的分离信号时域波形图;
图5为固定步长的EASI方法得到的分离信号时域波形图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述:
本发明利用峭度的变化在线地调整步长,通过不断优化分离矩阵达到自适应的目的,其具体流程如图1所示。构造以下5个源信号s1=sign(cos(2*π*155*x))、s2=sin(2*π*800*x)、s3=sin(2*π*300*x+6*cos(2*π*60*x))、s4=sin(2*π*90*x)、s5=2*rand(1,4000)-1
将上述5个信号按顺序组合成源信号S,源信号如图2所示,并将S与某一随机生成的矩阵A相乘,随机矩阵A为:
得到的混和信号如图3所示,以此做为观测信号进行盲源分离。利用传统的EASI算法进行盲源分离的结果如图4所示。
下面结合流程图对基于峭度的变步长自适应盲源分离方法原理进行详细说明。具体步骤如下:
步骤一:对观测信号进行白化预处理,得到白化矩阵以及白化后的观测信号X任);
步骤二:利用白化处理后的信号对分离矩阵W进行迭代,具体包括以下步骤:
(1)为了达到自适应变步长的目的,以最小互信息为准则,通过设定反映峭度变化的参数μ(k)来控制步长,步长λ(k)的更新表达式:λ(k+1)=μ(k)λ(k);
(2)取y(k),y(k+1),y(k+2)的峭度,分别设为peak(k),peak(k+1),peak(k+2)。为了达到步长平滑变化的目的,使用指数函数来调节步长:
Δpeak1=|peak(k+1)-peak(k)(2)
Δpeak2=|peak(k+2)-peak(k+1)|(3)
得到了μ(k)的更新公式:
μ(k)=eΔpeak2Δpeak1(4)
(3)利用步长更新表达式,得到分离矩阵的迭代规则:
Wk+1=Wk+μ(k)λ(k)[I-y(k)yT(k)-g(y(k))yT(k)+y(k)gT(y(k))]W(k)(5)
f(y(k))为激活函数,根据情况取f(y(k))=y3(k)或者f(y(k))=y(k)-tanh(y(k));
步骤三:得到完成迭代的分离矩阵W,将分离矩阵乘以白化后的观测信号X,得到源信号的估计,信号盲源分离结果如图5所示。
由图4可以看出,传统的EASI算法能够把源信号从观测信号中分离出来,但是存在一定程度的失真。基于峭度的变步长自适应盲源分离方法的分离结果如图5所示,从图5可以看出,基于峭度的变步长自适应盲源分离方法很好的将源信号从观测信号中分离出来。
Claims (2)
1.一种基于峭度的变步长自适应盲源分离方法,其特征在于:它具体内容包括以下步骤:
步骤一:对观测信号进行白化预处理;
步骤二:利用白化处理后的信号对分离矩阵W进行迭代;
步骤三:得到最优矩阵,实现源信号分离。
2.根据权利要求1所述的一种基于峭度的变步长自适应盲源分离方法,其特征在于:在步骤二中,利用白化处理后的信号对分离矩阵W进行迭代的过程中,以峭度作为调整步长的评判标准,当峭度增大,则说明分离矩阵没有达到最优矩阵,需增大步长;当峭度减小,说明系统出现动荡,应减小步长;其迭代过程包括以下步骤:
(1)取参数μ㈠用来控制步长,设步长的更新表达式为:
λ(k+1)=μ(k)λ(k)
(2)取y(k),y(k+1),y(k+2)的峭度,分别设为peak(k),peak(k+1),peak(k+2)。为了达到步长平滑变化的目的,使用指数函数来调节步长:
Δpeak1=|peak(k+1)-peak(k)|
Δpeak2=|peak(k+2)-peak(k+1)|
得到了μ(k)的更新公式:
μ㈠=eΔpeak2Δpeak1
(3)根据步长的更新公式与EASI算法的迭代公式,新算法的迭代规则为:
Wk+1=Wk+μ(k)λ(k)[I-y(k)yT(k)-g(y(k))yT(k)+y(k)gT(y(k))]W(k)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210583906.1A CN103124245B (zh) | 2012-12-26 | 2012-12-26 | 基于峭度的变步长自适应盲源分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210583906.1A CN103124245B (zh) | 2012-12-26 | 2012-12-26 | 基于峭度的变步长自适应盲源分离方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103124245A true CN103124245A (zh) | 2013-05-29 |
CN103124245B CN103124245B (zh) | 2016-08-10 |
Family
ID=48455104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210583906.1A Expired - Fee Related CN103124245B (zh) | 2012-12-26 | 2012-12-26 | 基于峭度的变步长自适应盲源分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103124245B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104009948A (zh) * | 2014-05-12 | 2014-08-27 | 南京信息工程大学 | 一种基于改进人工蜂群算法的盲源分离方法 |
CN106534009A (zh) * | 2016-11-29 | 2017-03-22 | 安徽理工大学 | 一种改进的变步长等变自适应盲源分离方法 |
CN107944362A (zh) * | 2017-11-15 | 2018-04-20 | 桂林电子科技大学 | 一种基于ica降低误码率的盲源分离方法 |
CN108520234A (zh) * | 2018-04-08 | 2018-09-11 | 哈尔滨工业大学 | 一种基于多种特征量约束的钢轨裂纹信号盲源提取方法 |
CN109192220A (zh) * | 2018-08-02 | 2019-01-11 | 福建师范大学福清分校 | 一种比例微分控制的混合信号自适应快速分离方法 |
CN109816596A (zh) * | 2017-11-21 | 2019-05-28 | 中移(杭州)信息技术有限公司 | 一种图像去噪方法及装置 |
US20220028408A1 (en) * | 2018-10-03 | 2022-01-27 | Nippon Telegraph And Telephone Corporation | Signal separation apparatus, signal separation method and program |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158821A1 (en) * | 2002-12-18 | 2004-08-12 | Scott Rickard | System and method for non-square blind source separation under coherent noise by beamforming and time-frequency masking |
CN101095324A (zh) * | 2004-08-30 | 2007-12-26 | 京瓷公司 | 用于对无线通信信号进行盲源分离的系统和方法 |
CN101819782A (zh) * | 2010-03-10 | 2010-09-01 | 重庆邮电大学 | 一种变步长自适应盲源分离方法及盲源分离系统 |
-
2012
- 2012-12-26 CN CN201210583906.1A patent/CN103124245B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158821A1 (en) * | 2002-12-18 | 2004-08-12 | Scott Rickard | System and method for non-square blind source separation under coherent noise by beamforming and time-frequency masking |
CN101095324A (zh) * | 2004-08-30 | 2007-12-26 | 京瓷公司 | 用于对无线通信信号进行盲源分离的系统和方法 |
CN101819782A (zh) * | 2010-03-10 | 2010-09-01 | 重庆邮电大学 | 一种变步长自适应盲源分离方法及盲源分离系统 |
Non-Patent Citations (2)
Title |
---|
王雪等: "《基于峭度的盲源分离方法研究》", 《应用科技》, vol. 33, no. 6, 30 June 2006 (2006-06-30) * |
裴学广: "《基于变步长自然梯度算法的盲源分离》", 《舰船电子对抗》, vol. 30, no. 4, 31 August 2007 (2007-08-31) * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104009948A (zh) * | 2014-05-12 | 2014-08-27 | 南京信息工程大学 | 一种基于改进人工蜂群算法的盲源分离方法 |
CN104009948B (zh) * | 2014-05-12 | 2017-02-01 | 南京信息工程大学 | 一种基于改进人工蜂群算法的盲源分离方法 |
CN106534009A (zh) * | 2016-11-29 | 2017-03-22 | 安徽理工大学 | 一种改进的变步长等变自适应盲源分离方法 |
CN107944362A (zh) * | 2017-11-15 | 2018-04-20 | 桂林电子科技大学 | 一种基于ica降低误码率的盲源分离方法 |
CN109816596A (zh) * | 2017-11-21 | 2019-05-28 | 中移(杭州)信息技术有限公司 | 一种图像去噪方法及装置 |
CN109816596B (zh) * | 2017-11-21 | 2020-12-22 | 中移(杭州)信息技术有限公司 | 一种图像去噪方法及装置 |
CN108520234A (zh) * | 2018-04-08 | 2018-09-11 | 哈尔滨工业大学 | 一种基于多种特征量约束的钢轨裂纹信号盲源提取方法 |
CN108520234B (zh) * | 2018-04-08 | 2021-04-06 | 哈尔滨工业大学 | 一种基于多种特征量约束的钢轨裂纹信号盲源提取方法 |
CN109192220A (zh) * | 2018-08-02 | 2019-01-11 | 福建师范大学福清分校 | 一种比例微分控制的混合信号自适应快速分离方法 |
CN109192220B (zh) * | 2018-08-02 | 2022-11-11 | 福建师范大学福清分校 | 一种比例微分控制的混合信号自适应快速分离方法 |
US20220028408A1 (en) * | 2018-10-03 | 2022-01-27 | Nippon Telegraph And Telephone Corporation | Signal separation apparatus, signal separation method and program |
US11922966B2 (en) * | 2018-10-03 | 2024-03-05 | Nippon Telegraph And Telephone Corporation | Signal separation apparatus, signal separation method and program |
Also Published As
Publication number | Publication date |
---|---|
CN103124245B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103124245A (zh) | 基于峭度的变步长自适应盲源分离方法 | |
Kates | Speech processing in modern communication: challenges and perspectives | |
CN101567863B (zh) | 浅海水声通信系统的间接自适应均衡方法 | |
BR112017021255A2 (pt) | microrganismo modificado para a produção otimizada de 2,4-di-hidroxibutirato | |
CN108293170B (zh) | 波束成形应用中的自适应无相位失真幅度响应均衡的方法及装置 | |
WO2013188886A3 (en) | Method and system for parallel batch processing of data sets using gaussian process with batch upper confidence bound | |
Wang et al. | An adaptive cultural algorithm with improved quantum-behaved particle swarm optimization for sonar image detection | |
Chen et al. | Abandon locality: Frame-wise embedding aided transformer for automatic modulation recognition | |
Shah et al. | Fractional order constant modulus blind algorithms with application to channel equalisation | |
CN107493247A (zh) | 一种自适应均衡方法、装置及均衡器 | |
Chen et al. | New delay-dependent L2–L∞ filter design for stochastic time-delay systems | |
CN109391315B (zh) | 一种数据模型双驱动的mimo接收机 | |
Lim et al. | Performance of SE-MMA blind adaptive equalization algorithm in QAM system | |
Abunde et al. | Dynamics of inhibition patterns during fermentation processes-Zea Mays and Sorghum Bicolor case study | |
CN108510996B (zh) | 一种快速迭代自适应滤波方法 | |
CN104703107B (zh) | 一种用于数字助听器中的自适应回波抵消方法 | |
CN109495183B (zh) | 一种相干光通信系统中星座点中心的跟踪方法及系统 | |
SG162699A1 (en) | Inline vacuum processing apparatus, method of controlling the same, and information recording medium manufacturing method | |
CN107018104B (zh) | 一种基于混合猴群优化的小波加权多模盲均衡方法 | |
Shwetha et al. | Adaptive Channel Equalization for Digital Communication with Tunicate Swarm Algorithm | |
CN103605813A (zh) | 一种域适应学习的最优核组合选择方法 | |
Xiao et al. | CMA Blind Equalization with Variable Momentum Based on Nonlinear Transformation Function | |
Ye-cai et al. | A support vector machine blind equalization algorithm based on orthogonal wavelet transform | |
Guo et al. | Support vector machine wavelet blind equalization algorithm based on improved genetic algorithm | |
CN113283592B (zh) | 基于低复杂度lstm的接收端均衡方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Meng Zong Inventor after: Cai Long Inventor after: Fan Fengjie Inventor before: Meng Zong Inventor before: Cai Long Inventor before: Pan Fengjie |
|
COR | Change of bibliographic data | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 Termination date: 20181226 |