基于聚譜分析的多通道盲信號自適應分離算法

張?zhí)m勇 劉繁明 李 冰

?

基于聚譜分析的多通道盲信號自適應分離算法

張?zhí)m勇*劉繁明 李 冰

(哈爾濱工程大學自動化學院 哈爾濱 150001)

該文提出一種在多傳感器中多種信號混疊的分離方法。該方法通過分析傳感器數(shù)據(jù)的聚譜來提取未知信號，并利用線性方程基本算法估計有限脈沖響應的耦合系統(tǒng)，該方法對于多通道譜重疊的有色輸入信號盲解卷積十分有效。作為該算法的擴展，可以應用于包括準周期信號等非平穩(wěn)信號的分離。并將該算法應用于電磁輻射的測試，仿真結果證明了其有效性和快速性。

信號處理；多傳感器；盲源分離；聚譜分析；電磁輻射信號

1 引言

多傳感器中多信號的分離具有很重要的應用，例如通信，生物醫(yī)學，語音處理等。其困難之處在于傳輸通道以及輸入信號的信息是未知的，造成了分離的“盲”信息。多通道系統(tǒng)的一類特殊形式是輸出信號是由其它通道線性耦合得到的主要信號和次要信號的混疊。在電磁干擾測試系統(tǒng)中，多個天線中每個天線記錄的受試設備的主要電磁輻射混疊了其余背景噪聲的信息。由于背景噪聲以及干擾的存在，電磁干擾測試系統(tǒng)的性能嚴重降低。文獻[1]提出了一種傳統(tǒng)的噪聲消除方法，假設干擾信號是單分量信號，而忽略不同通道之間的影響。但該文沒有針對多分量信號進行分析。

現(xiàn)有文獻中大多假定通道系數(shù)為比例因子以簡化多通道信號分離問題，文獻[2,3]給出了混合信號中分離獨立信號的線性化方法，但針對非高斯信號的處理不適用。文獻[4,5]針對復雜背景下的混合聲音信號進行了盲源分離，提出了非線性系統(tǒng)的盲源分離方法，但在分解因子的選擇上沒有給出細化方法。文獻[6,7]給出了從混合信號中分離獨立信號的線性和非線性方法，文獻[8,9]給出了自回歸滑動平均辨識結果。文獻[10]中擴展了文獻[11]中的結果，輸入信號為記憶信號的辨識，但這些文獻均假設多通道為非記憶的。通過應用自回歸滑動平均(Auto- Regressing and Moving Average, ARMA)模型的通道響應，文獻[12]給出了記憶性獨立通道的辨識。因為它允許輸入和通道為記憶的，因此輸入為有色時也成立，但對混合矩陣的處理速度偏慢。

文獻[13]首先考慮了多混合矩陣的多通道系統(tǒng)，并提出了去相關準則以提取觀測混合信號中的有用信號，并以兩通道為例進行分析。之后，文獻[14]提出了與文獻[13]類似基于聚譜分析的方法，但可以不需要一個通道的先驗信息就可以確定系統(tǒng)。文獻[13,14]的算法是在兩個通道之間迭代4次，并在重構的輸入中有一成形濾波器不確定度。由于沒有考慮收斂性問題，擴展到多個通道時會很麻煩。最近文獻[15]應用了類似文獻[13]的去相關準則來確定具有AR輸入模型和MA耦合系統(tǒng)的通道。這種情況下，整個多輸入多輸出可以利用文獻[12]中的方法建模。

2 基于聚譜分析的通道估計

其中

其中，對于兩通道系統(tǒng)

2.1 估計

文獻[2]和文獻[10]給出了一種特征分解方法可以估計無記憶多通道矩陣。本文推廣其應用，對直流頻率下的傳輸矩陣進行估計。本文方法是建立在通道輸出的頻譜和3次譜基礎上，而不是文獻[2]和文獻[10]中的4階矩，需要輸入信號滿足如下條件：信號頻譜在直流頻率非零，即

2.2.3譜信道估計

同樣，可以得到第2個通道的方程為

3 輸入信號重構

4 仿真

4.1測試開關電源的電磁輻射

4.2測試電源線的電磁輻射

圖2 估計天線1中的電磁輻射信號

圖3 估計天線2中的電磁輻射信號

圖4 利用雙譜估計電源線波動電壓信號

4.3 多通道聚譜分析的推廣

為了證明聚譜分析盲源分離算法的特點，將自回歸獨立分量分析算法與聚譜分析盲源分離算法進行對比，針對電源線的信號重構如圖6所示。圖中實線表示自回歸獨立分量算法的重構信號，虛線表示聚譜估計盲源分離算法的重構信號，通過對比可以看出聚譜估計重構的信號更精確且信號局部信息刻畫更完整。

前面的分析均是基于雙通道的盲源分離算法進行的，下面將聚譜分析盲源分離算法推廣應用，增加一個環(huán)境信號通道，變?yōu)? 通道結構。通過利用聚譜分析盲源分離算法重構3 通道的信號，如圖7所示。

圖7 中，實線為測試環(huán)境信號通道1 的重構信號，通道2，通道3為測試電源線的波動信號，通過圖7可以看出，聚譜分析盲源分離算法完整地分離出3通道中的信號，并且重構出原信號，說明該算法對于多通道信號的盲源分離同樣適用。

圖7 聚譜分析盲源分離算法的3通道重構

5 結論

通過計算多通道輸出的互聚譜，本文提出了一種輸入信號和通道的估計方法。首先建立多通道的模型，利用該模型可以估計惟一的輸入信號。如果通道為FIR模型以及允許一定的濾波誤差，線性算法可以得到真實的輸入。該方法對于多通道譜重疊的有色輸入信號盲解卷積十分有效。作為該算法的擴展，可以應用于包括準周期信號等非平穩(wěn)信號的分離。并將該算法應用于電磁輻射信號的恢復，仿真結果證明了該算法的有效性和快速性。

當處理平穩(wěn)信號與循環(huán)平穩(wěn)信號時，可以利用時變聚譜分析和本文算法估計輸入信號。

[1] Widrow B, Mccool M, Williams S,.. Adaptive noise canceling: principles and application[J].1975, 63(12): 1692-1716.

[2] 游榮義, 陳忠. 一種基于ICA的盲信號分離快速算法[J]. 電子學報, 2004, 32(4): 669-672.

You Rong-yi and Chen Zhong. A fast algorithm of blind signal separation based on ICA[J]., 2004, 32(4): 669-672.

[3] 陶濤, 黃高明, 趙治華. 后非線性混疊信號盲源分離算法綜述[J]. 控制與決策, 2010, 25(8): 1121-1128.

Tao Tao, Huang Gao-ming, and Zhao Zhi-hua. Survey on blind source separation algorithm for post-nonlinear mixtures[J]., 2010, 25(8): 1121-1128.

[4] Wang Yang and Zhou Zheng-fang. Source extraction in audio via background learning[J]., 2013, 7(1): 283-290.

[5] Hiroshi Sawada, Hirokazu Kameoka, Shoko Araki,.. Multichannel extensions of non-negative matrix factorization with complex-valued data[J].,, 2013, 21(5): 971-982.

[6] Rhabi M, Fenniri H, Keziou A,.. A robust algorithm for convolutive blind source separation in presence of noise[J]., 2013, 93(4): 818-827.

[7] Person D. Modeling of non-Gaussian array data using cumulants: DOA estimation of more sources with less sensors[J]., 1993, 30(3): 279-297.

[8] 羅志增, 李文國. 基于小波變換和盲信號分離的多通道肌電信號處理方法[J]. 電子學報, 2009, 37(4): 823-827.

Luo Zhi-zeng and Li Wen-guo. A method of multi-channel EMG disposal based on wavelet transform and blind signal separation[J]., 2009, 37(4): 823-827.

[9] Ye Ji-min, Jin Hai-hong, and Zhang Qing-rui. Adaptive weighted orthogonal constrained algorithm for blind source sepatation[J]., 2013, 23(3): 514-521.

[10] Tong L, Liu R, Soon V,.. Indeterminacy and identifiability of blind identification[J]., 1991, 38(5): 499-509.

[11] Kleinsteuber M and Shen Hao. Blind source separation with compressively sensed linear mixtures[J]., 2012, 19(2): 107-110.

[12] Tong L, Inouye Y, and Liu R. Waveform preserving blind estimation of multiple independent sources[J]., 1993, 41(7): 2461-2470.

[13] Mavaddaty S and Ebrahimzadeh A. A comparative study of bees colony algorithm for blind source separation[C]. 20th Iranian Conference on Electrical Engineering, Tehran, Iran, 2012: 1172-1177.

[14] Tang Hui and Wang Shu. Noisy blind source separation based on adaptive noise removal[C]. Proceedings of the 10th World Congress on Intelligent Control and Automation, Beijing, China, 2012: 4255-4257.

[15] Muhammad Tahir, Jung Tzyy-ping, Makeig S,.. Recursive independent component analysis for online blind source separation[C]. IEEE International Symposium on Circuits and Systems, Seoul, Korea, 2012: 2813-2816.

[16] Adali T, Li H, Novey M,.. Complex ICA using nonlinear functions[J]., 2008, 56(9): 4536-4544.

[17] Thameri M, Meraim K, and Belouchrani A. New algorithms for adaptive blind source separation[C]. The 11th International Conference on Information Science, Signal Processing and Their Application, Montreal, Canada, 2012: 590-594.

[18] Kim N, Byun H G , You Y,.. Blind signal processing for impulsive noise channels[J]., 2012, 14(1): 27-32.

[19] 劉勝, 張?zhí)m勇, 張利軍. 基于小波分析的電磁干擾測量技術研究[J]. 電子與信息學報, 2010, 32(5): 1229-1233.

Liu Sheng, Zhang Lan-yong, and Zhang Li-jun. The study of electromagnetic interference measurement technique based on wavelet analysis[J].&, 2010, 32(5): 1229-1233.

張?zhí)m勇： 男，1983年生，講師，研究方向為隨機信號處理、電磁兼容預測與測試.

劉繁明： 男，1963年生，教授，研究方向為水下潛器定位技術、微弱信號測量與處理技術.

李 冰： 男，1979年生，講師，研究方向為船舶運動控制、電力推進系統(tǒng)電磁信號處理.

Multichannel Blind Signal Adaptive Separation Algorithm Based on Polyspectra Analysis

Zhang Lan-yong Liu Fan-ming Li Bing

(,,150001,)

A separation method of multiple signals from their superposition recorded at several sensors is addressed. The method employs polyspectra of the sensor data to extract the unknown signals and estimate the Finite Impulse Response (FIR) coupling systems via a linear equation basic algorithm. The method is useful for multichannel blind deconvolution of colored input signals with (possibly) overlapping spectra. An extension of the main algorithm, which can be applied to non-stationary signals separation such as quasiperiodic signal, is also given. What’s more, the method is applied to electromagnetic radiation measurement. Simulation results verify the effectiveness of the algorithm.

Signal processing;Multiple sensors; Blind source separation; Polyspectra analysis; Electromagnetic radiation signal

TN911.7

A

1009-5896(2014)01-0158-06

10.3724/SP.J.1146.2013.00463

2013-04-07收到，2013-07-18改回

國家自然科學基金(51279036)，中國博士后科學基金面上項目(2012M510924)，黑龍江省政府博士后資助項目(LBH-12078)和中央高?；究蒲袠I(yè)務費專項(HEUCFX41305)資助課題

張?zhí)m勇 zlyalf@sina.com