CN114172766A - 信号分离方法、装置、电子设备及介质 - Google Patents
信号分离方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN114172766A CN114172766A CN202111482563.5A CN202111482563A CN114172766A CN 114172766 A CN114172766 A CN 114172766A CN 202111482563 A CN202111482563 A CN 202111482563A CN 114172766 A CN114172766 A CN 114172766A
- Authority
- CN
- China
- Prior art keywords
- signal
- kurtosis
- source signal
- separation matrix
- separation
- 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
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/0238—Channel estimation using blind estimation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L25/00—Baseband systems
- H04L25/02—Details ; arrangements for supplying electrical power along data transmission lines
- H04L25/0202—Channel estimation
- H04L25/024—Channel estimation channel estimation algorithms
- H04L25/0242—Channel estimation channel estimation algorithms using matrix methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Machine Translation (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本申请提供了一种信号分离方法、装置、电子设备及介质。该方法包括获取混合信号,混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,假设源信号峭度的绝对值大于或等于0.5;基于混合信号、假设源信号峭度,确定分离矩阵;增大假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将分离矩阵为空的上一分离矩阵作为信号分离矩阵;使用信号分离矩阵分离混合信号,得到源信号,能够实现对混合信号进行分离。
Description
技术领域
本申请涉及通信技术领域,特别涉及一种信号分离方法、装置、电子设备及介质。
背景技术
由于当今各行各业的信息化、智能化建设越来越普及,对信号处理的要求也越来越高,如何从采集到的混合信号中识别出需要的源信号,是亟待解决的问题。
现有技术中,通常通过识别源信号的区别特征以识别出源信号,但是当源信号的区别特征未知时,则无法识别出源信号。
发明内容
本申请旨在提供一种信号分离方法、装置、电子设备及介质,提出了对特征未知的源信号进行分离的方法。
根据本申请实施例的一个方面,提供了一种信号分离方法,包括:获取混合信号,所述混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,所述假设源信号峭度的绝对值大于或等于0.5;基于所述混合信号、所述假设源信号峭度,确定分离矩阵;增大所述假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将所述分离矩阵为空的上一分离矩阵;使用所述信号分离矩阵分离所述混合信号,得到所述源信号。
根据本申请实施例的一个方面,提供了一种信号分离装置,包括:获取模块,配置为获取混合信号,所述混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,所述假设源信号峭度的绝对值大于或等于0.5;第一确定模块,配置为基于所述混合信号、所述假设源信号峭度,确定分离矩阵;第二确定模块,配置为增大所述假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将所述分离矩阵为空的上一分离矩阵,作为信号分离矩阵;分离模块,配置为使用所述信号分离矩阵分离所述混合信号,得到所述源信号。
在本申请的一个实施例中,基于前述方案,所述第一确定模块配置为:基于所述假设源信号峭度,确定假设源信号的方差和数学期望;基于所述混合信号、所述假设源信号的方差和数学期望,确定所述分离矩阵。
在本申请的一个实施例中,基于前述方案,所述第一确定模块配置为:获取混合信号的维度;基于所述混合信号的维度,确定第一分离矩阵W(1);将所述第一分离矩阵W(1)、所述混合信号y(k)、所述步长λk、所述方差σ2和数学期望μ,代入公式:
在本申请的一个实施例中,基于前述方案,所述第一分离矩阵W(1)为0.5A。
在本申请的一个实施例中,基于前述方案,所述收敛条件为:∑|W(k+1)-W(k)|<5*eps。
在本申请的一个实施例中,基于前述方案,所述假设源信号峭度为-0.5。
根据本申请实施例的一个方面,提供了一种计算机程序介质,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行上任一项所述的方法。
根据本申请实施例的一个方面,提供了一种电子装置,包括:处理器;存储器,所述存储器上存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,实现如上任一项所述的方法。
本申请的实施例提供的技术方案可以包括以下有益效果:
在本申请的一些实施例所提供的技术方案中,通过获取混合信号,混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,假设源信号峭度的绝对值大于或等于0.5;基于混合信号、假设源信号峭度,确定分离矩阵;增大假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将所述分离矩阵为空的上一分离矩阵,作为信号分离矩阵;使用信号分离矩阵分离混合信号,得到源信号,能够实现对混合信号进行分离,同时,通过给定一个假设的源信号峭度的绝对值大于或等于0.5并逐渐增加其绝对值,能够逐步得到效果更好的分离结果,从而能够快速得到信号分离矩阵,加快盲信号分离的速度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并于说明书一起用于解释本申请的原理。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构的示意图;
图2示意性示出了根据本申请的一个实施例的信号分离方法的流程图;
图3示意性示出了根据本申请的一个实施例的信号分离装置的框图;
图4是根据一示例性实施例示出的一种电子装置的硬件图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
图1示出了可以应用本申请实施例的技术方案的示例性系统架构100的示意图。
如图1所示,系统架构100可以包括终端设备101(终端设备可以为智能手机、平板电脑、便携式计算机、台式计算机、信号采集器中的一种或多种)、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型,例如有线通信链路、无线通信链路等等。
应该理解,图1中的终端设备101、网络102和服务器103的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备101、网络102和服务器103。比如服务器103可以是多个服务器组成的服务器集群等。
盲信号分离(Blind Signal Separation,BSS)是信号处理领域中的一项技术,是任务是在源信号和传输信道均为未知的情况下,从混合信号中信号分离出源信号。
在本申请的一个实施例中,服务器103可以获取终端101收集到的混合信号,混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,假设源信号峭度的绝对值大于或等于0.5;基于混合信号、假设源信号峭度,确定分离矩阵;增大假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将所述分离矩阵为空的上一分离矩阵,作为信号分离矩阵;使用信号分离矩阵分离混合信号,得到源信号,能够实现对盲信号进行分离,同时,通过给定一个假设的源信号峭度的绝对值大于或等于0.5并逐渐增加其绝对值,能够逐步得到效果更好的分离结果,从而能够快速得到信号分离矩阵,加快盲信号分离的速度。
需要说明的是,本申请实施例所提供的信号分离方法一般由服务器103执行,相应地,信号分离装置一般设置于服务器103中。但是,在本申请的其它实施例中,终端设备101也可以与服务器103具有相似的功能,从而执行本申请实施例所提供的信号分离方法。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图2示意性示出了根据本申请的一个实施例的信号分离方法的流程图,该信号分离方法的执行主体可以是服务器,比如可以是图1中所示的服务器103。
参照图2所示,该信号分离方法至少包括步骤S210至步骤S240,详细介绍如下:
在步骤S210中,获取混合信号,混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,假设源信号峭度的绝对值大于或等于0.5。
在本申请的一个实施例中,可以基于假设源信号峭度,确定方差和数学期望;基于混合信号、方差和数学期望,确定分离矩阵。
在本申请的一个实施例中,可以将假设的源信号的峭度kurt(y),带入公式:
在该实施例中,发明人发现,当|kurt(y)|大于或等于0.5时,增大|kurt(y)|意味着假设源信号的远离高斯型信号,减小|kurt(y)|意味着假设源信号的接近高斯型信号,同时也带来c,σ2的变化。对于|kurt(y)|不变的情况,也会有相应的c和σ2,其中,
在步骤S220中,基于混合信号、假设源信号峭度,确定分离矩阵。
在本申请的一个实施例中,可以获取混合信号的维度;基于混合信号的维度,确定第一分离矩阵W(1);还可以获取收敛步长λk;将第一分离矩阵W(1)、混合信号y(k)、步长λk、方差σ2和数学期望μ,代入公式:
在本申请的一个实施例中,可以将混合信号中源信号的个数,作为混合信号的维度。
在本申请的一个实施例中,第一分离矩阵W(1)可以为0.5A。
在本申请的一个实施例中,收敛条件可以为:∑|W(k+1)-W(k)|<5*eps,其中eps为MATLAB中的最小浮点数精度。
在本申请的一个实施例中,可以假设λk为定值,比如可以是0.003,从而能够快速得到分离矩阵。
在本申请的一个实施例中,可以是:
得到:
求解约束优化问题:
min{kurt(y)},
继续参照图2,在步骤S230中,增大假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,并基于重新确定的分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,作为信号分离矩阵。
在本申请的一个实施例中,可以将假设源信号峭度的绝对值每次增加0.01,能够快速且准确的确定分离矩阵。
在步骤S240中,使用信号分离矩阵分离混合信号,得到源信号。
在图2的实施例中,通过获取混合信号,混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,假设源信号峭度的绝对值大于或等于0.5;基于混合信号、假设源信号峭度,确定分离矩阵;增大假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将分离矩阵为空的上一分离矩阵,作为信号分离矩阵;使用信号分离矩阵分离混合信号,得到源信号,能够实现对混合信号进行分离,同时,通过给定一个假设的源信号峭度绝对值大于或等于0.5并逐渐增加其绝对值,能够逐步得到效果更好的分离结果,从而能够快速得到信号分离矩阵,加快盲信号分离的速度。
在本申请的一个实施例中,在应用本申请的信号分离方法处理分离信号时,方法的运行时间短,迭代步数少,分离信号的信噪比高,发明人为了检验本申请的信号分离方法,将假设源信号的峭度作为控制变量:
|k4|=0.5到k4|=0.55
依次设置为水平1至6,使用SPSS25.0分别对算法运行时间,迭代步数,SN1,SN2进行单因素方差分析。检验结果为:不同峭度水平下的算法运行时间,迭代步数,SN1,SN2均相比于现有分离方法显著提升。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的信号分离方法。对于本申请装置实施例中未披露的细节,请参照本申请上述的信号分离方法的实施例。
图3示意性示出了根据本申请的一个实施例的信号分离装置的框图。
参照图3所示,根据本申请的一个实施例的信号分离装置300,包括获取模块301、确定模块302、第一分离模块303和第二分离模块304。
在本申请的一些实施例中,基于前述方案,获取模块301配置为获取混合信号,混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,假设源信号峭度的绝对值大于或等于0.5;第一确定模块302配置为基于混合信号、假设源信号峭度,确定分离矩阵;第二确定模块303配置为增大假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将分离矩阵为空的上一分离矩阵,作为信号分离矩阵;分离模块304配置为使用信号分离矩阵分离混合信号,得到源信号。
在本申请的一个实施例中,基于前述方案,第一确定模块302配置为:基于假设源信号峭度,确定方差和数学期望;基于混合信号、假设源信号的方差和数学期望,确定分离矩阵。
在本申请的一个实施例中,基于前述方案,第一确定模块302配置为:将假设的源信号的峭度kurt(y),带入公式:
在本申请的一个实施例中,基于前述方案,第一确定模块302配置为:获取混合信号的维度;基于混合信号的维度,确定第一分离矩阵W(1);将第一分离矩阵W(1)、混合信号y(k)、步长λk、方差σ2和数学期望μ,代入公式:
在本申请的一个实施例中,基于前述方案,第一分离矩阵W(1)为0.5A。
在本申请的一个实施例中,基于前述方案,所述收敛条件为:∑|W(k+1)-W(k)|<5*eps。
在本申请的一个实施例中,基于前述方案,假设源信号峭度为-0.5。
所属技术领域的技术人员能够理解,本申请的各个方面可以实现为系统、方法或程序产品。因此,本申请的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
下面参照图4来描述根据本申请的这种实施方式的电子设备40。图4显示的电子设备40仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图4所示,电子设备40以通用计算设备的形式表现。电子设备40的组件可以包括但不限于:上述至少一个处理单元41、上述至少一个存储单元42、连接不同系统组件(包括存储单元42和处理单元41)的总线43、显示单元44。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元41执行,使得所述处理单元41执行本说明书上述“实施例方法”部分中描述的根据本申请各种示例性实施方式的步骤。
存储单元42可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)421和/或高速缓存存储单元422,还可以进一步包括只读存储单元(ROM)423。
存储单元42还可以包括具有一组(至少一个)程序模块425的程序/实用工具424,这样的程序模块425包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线43可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备40也可以与一个或多个外部设备(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备40交互的设备通信,和/或与使得该电子设备40能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口45进行。并且,电子设备40还可以通过网络适配器46与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器46通过总线43与电子设备40的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备40使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,Λ盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本申请实施方式的方法。
根据本申请一个实施例,还提供了一种计算机可读存储介质,其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中,本申请的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本申请各种示例性实施方式的步骤。
在本申请的一个实施例中,提供了一种用于实现上述方法的程序产品,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本申请的程序产品不限于此,在本文件中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
此外,上述附图仅是根据本申请示例性实施例的方法所包括的处理的示意性说明,而不是限制目的。易于理解,上述附图所示的处理并不表明或限制这些处理的时间顺序。另外,也易于理解,这些处理可以是例如在多个模块中同步或异步执行的。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围执行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (10)
1.一种信号分离方法,其特征在于,包括:
获取混合信号,所述混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,所述假设源信号峭度的绝对值大于或等于0.5;基于所述混合信号、所述假设源信号峭度,确定分离矩阵;
增大所述假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将所述分离矩阵为空的上一分离矩阵,作为信号分离矩阵;
使用所述信号分离矩阵分离所述混合信号,得到所述源信号。
2.根据权利要求1所述的信号分离方法,其特征在于,所述基于所述混合信号、所述假设源信号峭度,确定分离矩阵,包括:
基于所述假设源信号峭度,确定假设源信号的方差和数学期望;
基于所述混合信号、所述假设源信号的方差和数学期望,确定所述分离矩阵。
5.根据权利要求4所述的信号分离方法,其特征在于,
所述第一分离矩阵W(1)为0.5A。
6.根据权利要求4所述的信号分离方法,其特征在于,
所述收敛条件为:∑|W(k+1)-W(k)|<5*eps。
7.根据权利要求1所述的信号分离方法,其特征在于,
所述假设源信号峭度为-0.5。
8.一种信号分离装置,其特征在于,包括:
获取模块,配置为获取混合信号,所述混合信号中的源信号为亚高斯属性,并获取假设源信号峭度,所述假设源信号峭度的绝对值大于或等于0.5;
第一确定模块,配置为基于所述混合信号、所述假设源信号峭度,确定分离矩阵;
第二确定模块,配置为增大所述假设源信号峭度的绝对值,基于增大绝对值后的假设源信号峭度,重新确定分离矩阵,直至增大绝对值后的假设源信号峭度对应的分离矩阵为空,则将所述分离矩阵为空的上一分离矩阵,作为信号分离矩阵;
分离模块,配置为使用所述信号分离矩阵分离所述混合信号,得到所述源信号。
9.一种电子设备,其特征在于,所述电子设备包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的信号分离方法。
10.一种计算机程序介质,其存储有计算机程序指令,当所述计算机程序指令被计算机执行时,使计算机执行如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111482563.5A CN114172766B (zh) | 2021-12-06 | 2021-12-06 | 信号分离方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111482563.5A CN114172766B (zh) | 2021-12-06 | 2021-12-06 | 信号分离方法、装置、电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114172766A true CN114172766A (zh) | 2022-03-11 |
CN114172766B CN114172766B (zh) | 2023-06-30 |
Family
ID=80483698
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111482563.5A Active CN114172766B (zh) | 2021-12-06 | 2021-12-06 | 信号分离方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114172766B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003073612A2 (en) * | 2002-02-27 | 2003-09-04 | Qinetiq Limited | Method of blind signal separation |
US20040260522A1 (en) * | 2003-04-01 | 2004-12-23 | Laurent Albera | Method for the higher-order blind identification of mixtures of sources |
JP2007248975A (ja) * | 2006-03-17 | 2007-09-27 | Doshisha | パーミュテーションフリー・ブラインド音源分離方法および装置 |
CN102510363A (zh) * | 2011-09-30 | 2012-06-20 | 哈尔滨工程大学 | 一种强干扰源环境下的lfm信号检测方法 |
CN103427791A (zh) * | 2013-08-08 | 2013-12-04 | 长安大学 | 一种基于粒子群优化的信号分离方法 |
CN103870875A (zh) * | 2014-03-18 | 2014-06-18 | 中国人民解放军理工大学 | 一种分离时频域混合信号的方法 |
CN105404783A (zh) * | 2015-12-01 | 2016-03-16 | 吉林大学 | 一种盲源分离方法 |
CN106126479A (zh) * | 2016-07-07 | 2016-11-16 | 重庆邮电大学 | 基于遗传变异优化的二阶振荡粒子群盲源分离方法 |
CN107622242A (zh) * | 2017-09-22 | 2018-01-23 | 福建师范大学福清分校 | 一种工程中盲源混合信号的加速分离方法 |
CN110212990A (zh) * | 2019-04-28 | 2019-09-06 | 哈尔滨工业大学(深圳) | 一种基于4阶统计量最小化的调制格式透明载波恢复方法 |
CN110309900A (zh) * | 2019-04-09 | 2019-10-08 | 重庆邮电大学 | 基于全局最优解引导项的萤火虫盲源分离方法 |
CN112036453A (zh) * | 2020-08-14 | 2020-12-04 | 哈尔滨工程大学 | 一种基于量子犀牛搜索机理的盲源分离方法 |
CN112179475A (zh) * | 2020-08-20 | 2021-01-05 | 电子科技大学 | 一种多源混叠的分布式光纤振动传感信号的分离方法 |
CN112257530A (zh) * | 2020-10-13 | 2021-01-22 | 西安电子科技大学 | 基于盲信号分离和支持向量机的滚动轴承故障诊断方法 |
CN113191233A (zh) * | 2021-04-21 | 2021-07-30 | 东莞理工学院城市学院 | 盲信号分离方法及系统、电子设备及存储介质 |
-
2021
- 2021-12-06 CN CN202111482563.5A patent/CN114172766B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003073612A2 (en) * | 2002-02-27 | 2003-09-04 | Qinetiq Limited | Method of blind signal separation |
US20050105644A1 (en) * | 2002-02-27 | 2005-05-19 | Qinetiq Limited | Blind signal separation |
US20040260522A1 (en) * | 2003-04-01 | 2004-12-23 | Laurent Albera | Method for the higher-order blind identification of mixtures of sources |
JP2007248975A (ja) * | 2006-03-17 | 2007-09-27 | Doshisha | パーミュテーションフリー・ブラインド音源分離方法および装置 |
CN102510363A (zh) * | 2011-09-30 | 2012-06-20 | 哈尔滨工程大学 | 一种强干扰源环境下的lfm信号检测方法 |
CN103427791A (zh) * | 2013-08-08 | 2013-12-04 | 长安大学 | 一种基于粒子群优化的信号分离方法 |
CN103870875A (zh) * | 2014-03-18 | 2014-06-18 | 中国人民解放军理工大学 | 一种分离时频域混合信号的方法 |
CN105404783A (zh) * | 2015-12-01 | 2016-03-16 | 吉林大学 | 一种盲源分离方法 |
CN106126479A (zh) * | 2016-07-07 | 2016-11-16 | 重庆邮电大学 | 基于遗传变异优化的二阶振荡粒子群盲源分离方法 |
CN107622242A (zh) * | 2017-09-22 | 2018-01-23 | 福建师范大学福清分校 | 一种工程中盲源混合信号的加速分离方法 |
CN110309900A (zh) * | 2019-04-09 | 2019-10-08 | 重庆邮电大学 | 基于全局最优解引导项的萤火虫盲源分离方法 |
CN110212990A (zh) * | 2019-04-28 | 2019-09-06 | 哈尔滨工业大学(深圳) | 一种基于4阶统计量最小化的调制格式透明载波恢复方法 |
CN112036453A (zh) * | 2020-08-14 | 2020-12-04 | 哈尔滨工程大学 | 一种基于量子犀牛搜索机理的盲源分离方法 |
CN112179475A (zh) * | 2020-08-20 | 2021-01-05 | 电子科技大学 | 一种多源混叠的分布式光纤振动传感信号的分离方法 |
CN112257530A (zh) * | 2020-10-13 | 2021-01-22 | 西安电子科技大学 | 基于盲信号分离和支持向量机的滚动轴承故障诊断方法 |
CN113191233A (zh) * | 2021-04-21 | 2021-07-30 | 东莞理工学院城市学院 | 盲信号分离方法及系统、电子设备及存储介质 |
Non-Patent Citations (4)
Title |
---|
SYED AWAIS WAHAB SHAH等: "Blind Source Separation Algorithms Using Hyperbolic and Givens Rotations for High-Order QAM Constellations", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING ( VOLUME: 66, ISSUE: 7, 01 APRIL 2018)》 * |
崔志涛等: "一种改进的自适应步长盲源分离算法", 《科技信息》 * |
崔志涛等: "一种新的基于归一化峭度的ICA算法", 《广东工业大学学报》 * |
王法松: "盲源分离的扩展模型与算法研究", 《中国优秀博士学位论文全文数据库》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114172766B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110971969B (zh) | 视频配乐方法、装置、电子设备及计算机可读存储介质 | |
US10656909B2 (en) | Learning intended user actions | |
CN109241286B (zh) | 用于生成文本的方法和装置 | |
CN109871311B (zh) | 一种推荐测试用例的方法和装置 | |
CN109829164B (zh) | 用于生成文本的方法和装置 | |
US20130290836A1 (en) | Methods and apparatus for copying text format pattern | |
CN112270200B (zh) | 一种文本信息的翻译方法、装置、电子设备和存储介质 | |
CN111309962A (zh) | 提取音频片段的方法、装置以及电子设备 | |
US11983866B2 (en) | Image defect detection method, electronic device using the same | |
CN109597482B (zh) | 电子书的自动翻页方法和装置、介质及电子设备 | |
CN112257459B (zh) | 语言翻译模型的训练方法、翻译方法、装置和电子设备 | |
US9351093B2 (en) | Multichannel sound source identification and location | |
CN110852057A (zh) | 一种计算文本相似度的方法和装置 | |
CN114172766A (zh) | 信号分离方法、装置、电子设备及介质 | |
CN112069797B (zh) | 一种基于语义的语音质检方法和装置 | |
CN112509581B (zh) | 语音识别后文本的纠错方法、装置、可读介质和电子设备 | |
CN111754984B (zh) | 文本选取的方法、装置、设备和计算机可读介质 | |
CN114757214A (zh) | 用于优化翻译模型的样本语料的选取方法、相关装置 | |
CN111752912B (zh) | 数据处理方法及装置 | |
CN113361677A (zh) | 神经网络模型的量化方法和装置 | |
CN113127430A (zh) | 镜像信息处理方法、装置、计算机可读介质及电子设备 | |
CN110597517A (zh) | 动态解析mat文件的方法及装置 | |
CN115328811B (zh) | 用于工控网络仿真的程序语句测试方法、装置、电子设备 | |
CN111460273B (zh) | 信息推送方法和装置 | |
CN110019162B (zh) | 实现属性归一的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |