[发明专利]基于改进独立成分分析的星载AIS冲突信号分离方法

摘要

本发明公开了一种基于改进独立成分分析的星载AIS冲突信号分离方法，包括：通过模数转换器采样形成N通道接收数据；对接收的N路观测信号进行中心化处理与白化处理；对观测信号预处理后的矩阵利用基于布谷鸟算法和牛顿迭代算法的改进ICA方法得到N路分离信号；对得到的N路分离信号分别进行数字下变频、匹配滤波和白化滤波；对白化滤波后的N路分离信号分别利用维特比算法进行译码，得到N个AIS数据帧。本发明不需要进行频偏、相移、幅度估计，简化了星载AIS接收机结构，减轻了星上载荷。

主权项

1.一种基于改进独立成分分析的星载AIS冲突信号分离方法，其特征在于，包括以下步骤：步骤1，通过N根相互独立天线的天线阵接收冲突信号，通过模数转换器采样形成N通道接收数据，每路数据采样T点，形成N×T的观测信号矩阵X，N等于源信号S的数目；步骤2，对接收的N路观测信号进行中心化处理和白化处理；中心化处理通过观测信号减去观测信号样本均值得到中心化后的信号X′，白化处理通过对X′进行线性转换，得到白化后信号Y，即Y＝V×X′，其中V＝D^‑1/2E^T，V为白化矩阵，D为以X′的协方差矩阵的特征值为对角元素的对角矩阵，E为以X′的协方差矩阵的特征向量构成的正交矩阵；步骤3，对观测信号预处理后的Y矩阵利用基于布谷鸟算法和牛顿迭代算法的改进ICA方法得到最优的分离矩阵W，通过分离矩阵W、白化矩阵V、未中心化的观测信号X相乘得到N路分离信号S′；具体为：步骤3‑1，改进ICA算法使用负熵作为目标函数，目标函数建立如下：J_G(W)＝[E{G(u)}‑E{G(v)}]²其中，G{·}的表达形式为u＝W^TX(t)，W为分离矩阵，v为常量，E{·}为取期望运算；步骤3‑2，采用布谷鸟算法对目标函数全局初步寻优，初始化m个N维鸟巢的位置，即随机产生m个初始分离向量w_ij,j＝1,2,…,m，i＝1,2,…,N，N表示N维鸟巢，i表示第i维鸟巢；w_ij为分离矩阵W的元素，取J(w_ij)＝E{G(w_ij^TX(t))}作为鸟巢的适应度函数；步骤3‑3，计算每个鸟巢的适应度函数值，找到所对应适应度最大的位置，称为当前最优解；步骤3‑4，保留上次迭代所产生的最优位置，对其余m‑1个位置按照进行位置更新，其中，t代表迭代次数，α₀为步长因子，为乘法因子，Lévy(λ)表示莱维随机搜索路径，服从莱维概率分布，即：Lévy(λ)～μ＝t^‑λ,1≤λ≤3，最优位置的初值为初始化时的最优解；步骤3‑5，对新产生的m‑1个位置，分别计算它们的适应度，并与上次迭代过程中所产生的最优解进行比较；如果前者大于后者，则用前者替换后者，成为新的最优解；步骤3‑6，用一个随机数R作为本鸟巢主人发现外来鸟蛋的可能性，并将R与发现概率p_a比较，保留R≤p_a的鸟巢位置，同时随机改变R>p_a的鸟巢位置，从而得到一组新的鸟巢位置；步骤3‑7，判断是否满足“相邻两次的适应度最优解的差值连续多次小于一个极小值”的终止条件，若不满足转步骤3‑3；否则进行步骤3‑8；步骤3‑8，将输出最优解作为分离矩阵的一个行向量；步骤3‑9，重复步骤3‑2到步骤3‑8共N次，得到初步优化的N×N的分离矩阵W₁，W₁表示分离矩阵W的初步优化值；步骤3‑10，采用牛顿迭代算法进行局部精确寻优，将上一步的初步优化分离矩阵W₁带入W，作为W的初始化值；步骤3‑11，利用下式迭代更新分离向量，从而更新分离矩阵，并进行标准化：其中，g(·)为G(·)的导数，g′(·)为g(·)的导数，X(t)为前述观测矩阵，表示对分离向量进行转置操作，为取向量的模，为分离向量标准化后的结果；步骤3‑12，若分离矩阵未收敛，返回步骤3‑11；否则转步骤3‑13；步骤3‑13，将分离矩阵与未中心化的白化观测信号相乘，得出最优分离信号；步骤4，对得到的N路分离信号分别进行数字下变频、匹配滤波和白化滤波；步骤5，对白化滤波后的N路分离信号分别利用维特比算法进行译码，得到N个AIS数据帧。