[发明专利]基于单层感知机的欠定盲源分离源信号恢复方法

摘要

本发明公开了一种基于单层感知机的欠定盲源分离源信号恢复方法。本发明首先获取观测信号矩阵，然后对观测信号矩阵中的所有列向量进行聚类得到混合矩阵，根据观测信号矩阵和混合矩阵计算待恢复的源信号列向量，利用单层感知机方法更新待恢复的源信号列向量，最终获得恢复的源信号。本发明克服了现有技术存在的源信号恢复精度易受噪声误差影响和计算复杂度偏高的缺点，使得本发明具有能保持较高恢复精度的同时快速的恢复源信号的优点。

主权项

1.基于单层感知机的欠定盲源分离源信号恢复方法，包括如下步骤：(1)将采集到的通信信号存入观测信号矩阵；(2)对观测信号矩阵进行聚类，得到混合矩阵；(3)将欠定盲源分离的迭代次数初始化为1；(4)按照下式，计算待恢复源信号列向量：其中，表示待恢复源信号列向量，A表示混合矩阵，表示求伪逆操作，x(l)表示观测信号矩阵中的第l个列向量，l表示欠定盲源分离的迭代次数；(5)赋值高斯参数：(5a)搜索待恢复源信号列向量中的最大分量；(5b)将搜索到的最大分量的值赋给高斯参数；(6)更新待恢复源信号列向量：(6a)将单层感知机法的迭代次数初始化为1；(6b)利用最速下降法，计算单层感知机的增量；所述最速下降法的步骤如下：第1步，按照下式，计算高斯对角矩阵：其中，D表示高斯对角矩阵，diag[·]表示设定对角元操作，e^(·)表示以自然数为底数的求幂操作，σ表示高斯参数，N表示传感器的总数，表示待恢复源信号列向量的第一个分量，表示待恢复源信号列向量的第二个分量，表示待恢复源信号列向量的第N个分量；第2步，按照下式，计算最优学习因子：其中，μ表示最优学习因子，A_j表示混合矩阵的第j个行向量，(·)^T表示转置操作，x_j表示观测信号向量的第j个元素，表示待恢复源信号列向量，D表示高斯对角矩阵；||·||表示求模操作；第3步，按照下式，计算单层感知机的增量：其中，Δ表示单层感知机的增量，μ表示最优学习因子；(6c)将待恢复源信号列向量加上单层感知机的增量，得到更新后的待恢复源信号列向量；(6d)将单层感知机法的迭代次数加1，得到单层感知机法的当前迭代次数；(6e)判断单层感知机法的当前迭代次数是否小于等于M，若是，则执行步骤(6b)，否则，执行步骤(7)，其中，M表示待恢复源信号列向量的个数；(7)将高斯参数乘以0.6，得到更新后的高斯参数；(8)判断更新后的高斯参数是否大于10^‑5，若是，则执行步骤(6)，否则，执行步骤(9)；(9)存储利用单层感知机法更新后的待恢复源信号列向量；(10)将欠定盲源分离的迭代次数加1，得到欠定盲源分离的当前迭代次数；(11)判断欠定盲源分离的当前迭代次数是否小于等于观测信号矩阵的列数，若是，执行步骤(4)，否则，执行步骤(12)；(12)获得恢复源信号矩阵：将欠定盲源分离迭代得到的所有待恢复源信号列向量组成恢复源信号矩阵。