[发明专利]一种变步长自适应盲源分离方法及盲源分离系统

说明书

技术领域

本发明涉及信号处理技术领域，是一种盲源分离方法。

背景技术

在许多情况下，源信号是相互混合的，对观测信号进行处理的目的就是 恢复出无法直接观测的各个原始源信号。盲源分离过程可描述为：通过寻找 一个满秩线性变换矩阵，以便使输出的各个分量尽可能地相互独立，最大程 度地逼近各个源信号。即建立目标函数以寻优来实现逼近。(参考文献：[1] Cardoso J F，Laheld B.Equivariant adaptive source separation[J].IEEE Transaction on Signal Processing，44(12)：3017-3030，1996.)

EASI(Equivariant Adaptive Source Separation，等变化自适应)算法是经典 的自适应盲源分离算法，属于LMS(Least Mean Squares，最小均方误差)型算 法。LMS型学习算法都存在一个步长的优选问题，步长是影响算法收敛速度 和稳态性能的关键所在。若采用大的步长，则算法收敛快，但信号的分离精 度(即稳态性能)差；而采用小的步长，则稳态性能好，但算法收敛慢。传 统的EASI算法都采用固定步长，这就决定了传统的EASI算法存在收敛速度 和稳态误差的内在矛盾。采用大的步长，信号分离精度得不到保证；若采用 小的步长，收敛速度慢，会导致接收完所有混合信号后，信号未能得到成功 分离。

发明内容

本发明所要解决的技术问题是，提出一种变步长自适应盲源分离方法， 解决在对盲源信号进行分离的过程中，LMS型算法存在的收敛速度和稳态误差 这一矛盾。在信号处理过程中，可以有效地对混合信号进行分离，提高了收 敛速度，降低了稳态误差，同时算法收敛的稳定性更好。

本发明解决上述技术问题的技术方案是，在EASI算法的基础上，应用最 小均方误差准则，估计系统的全局矩阵，由此得到算法性能指数(PI)的估计值， 通过该估计值来控制系统的步长，在信号分离初期采用较大的步长，以加快 算法的收敛速度，然后慢慢减小步长，提高算法的稳态误差。变步长自适应 EASI盲源分离方法具体包括，n个独立同分布的未知源信号 s(k)＝[s₁(k)，s₂(k)，…，s_n(k)]^T经过信道混合矩阵H的传输得到m个混合信号 x(k)＝[x₁(k)，x₂(k)，…，x_m(k)]^T；对所有混合信号逐点更新分离矩阵W，可根据 公式：W(k+1)＝W(k)+μ(k)[I-y(k)y^T(k)-g(y(k))y^T(k)+y(k)g^T(y(k))]W(k)对接收到 的所有混合信号逐点更新分离矩阵W，所建立的分离矩阵随步长的变化而变 化。将全部混合信号通过分离矩阵W，根据公式：y＝Wx将信号分离。在构 建分离矩阵的过程中，根据性能指数的估计值控制步长的大小，根据公 式：确定下一点信号送入时，更新分离矩阵W的步长，使 步长随着值的下降而不断减小。确定值具体包括，利用最小均方误 差准则得到混合矩阵H的估计矩阵；根据公式 获取全局传输矩阵的估计矩阵，根据全局传输矩阵调用 公式得到性能指数的估 计值，由此确定每次迭代所需的步长，并由分离矩阵更新模块构建分离 矩阵。