资源描述：
《盲源分离技术及其水声信号处理中的应用》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、盲源分离技术及其水声信号处理中的应用*章新华(海军大连舰艇学院信息工程系大连116018)摘要:本文首先阐述一盲源分离的基本概念，简述了盲分离技术的基本要点和目前分离算法的利弊，围绕水声信道环境的特殊性，提出了一种改进的频域盲分离算法，给出了一种解决频域次序不确定性的方法。进行了两种背景下的仿真实验，得到了比较理想的分离效果。中文关键词:盲源分离;水声信号处理;船舶辐射噪声中图分类号:U666.73;文献标识码:ABlindSourceSeparationTechniquesandItsAppli
2、cationsinUnderwaterAcousticSignalProcessingMANGXin-hua(DepartmentofInformationEngineering,DalianNavalAcademy,Dalian116018,China)Abstract:Blindsourceseparation(BSS)techniqueisfirstlydiscussedinthepaper.Somekeyissuesofitanditsadvantagesordisadvantanalyz
3、ed.Basedonthespecialsituationofundetvwateracousticchannelanimprovedfrequency-domainBSSalgorithmisproposed.TWokindsofsimulationexperimentsareimplementedandsatisfactoryresultsareobtained.Keywords:blindsourceseparation;underwateracousticsignalprocessing;
4、ship-radiatednoise1引言在实际信号观测(如语音、雷、声纳、通讯系统)中，通常是用多传感器(多阵元)观测多源信号。由于缺乏信号传输通道和信号本身的先验知识，当有多目标信号源混合、环境噪声复杂时，使得对感兴趣信号的提取和分析十分困难。然而，在混杂的环境中提取感兴趣的信号很重要，如:CocktailParty(鸡尾酒会)问题就是其中的一个典例。这就引发了在未知传输信道和信号信息情况下，用信号源分离方法提取感兴趣源信号的研究。这种技术就是盲信号处理，包括:独立源盲分离、盲解卷、盲辨识。盲
5、源分离技术是一种对信号源知识、信道先验知识具有很好宽容性的自适应阵列信号处理方法，即使在未知任何信号源信息和信道信息的情况下，仅满足极有限的条件也能实现多源信号的分离和恢复。正因如此诱人的特点，这一技术引起了信号处理领域的广泛关注。目前，盲源分离技术已在通信信号处理，雷达信号处理、语音信号处理，生物医学工程等领域开展了广泛研究。水声领域的盲源分离研究起步较晚，难度也更大。·近年来，盲源分离技术在水声信号处理领域的研究也越来越多，且取得了一定的成果。’本文首先阐述盲源分离的基本概念，对主要算法进行分
6、析比较，在此基础上提出了适合水声领域应用的频域分离算法，并给出了目前取得的主要结果。’本文得到国家自然科学基金伽o.60072049)和水声技术国防重点实验室基金(51445050101JB1601)资助作者简介:章新华(1962-)，男，浙江桐庐人，博士，教授、博士生导师，从事水声信号处理等研究。一145-2盲信号分离2.1问题描述在不考虑传感器噪声的情况下，盲源分离的问题在数学上可以描述如下:设传感器数目为m，目标源数目为，，X(k)=(XI(k),...,xm(k))T为k时刻的观测向量，S
7、(k)=(SI(k),...,S.(k))T为k时刻的。个独立源信号向量。盲处理的目的是在无其它信息的条件下仅根据观测序列({X(1),X(2),⋯，}，估计{S(1),S(2),-J.也就是说对观测序列进行某种反变换，还原出各个原始的独立信号。信号混合与分离的原理如图1所示。传感器信号源分离信号x;(k)s,(k)Yl(k)Yr,(k)s,(k)‘·.·t一。·，.-.-·-、.一·-··一t-.，，·-.图1典型多传感器一多源信号分离原理图在不考虑传感器观测噪声情况下，传感器的观测向量rese
8、sex,(k)essese~一lx2(k)lX(k)we(1)吸weesseex.(k)J=H*S(k)这里，*表示卷积，传输函数H可能是无记忆的(当前观测与过去时刻的信号无关)，也可能是有记忆的。如果是前者，则混合通道H称为瞬时混合。如果是后者，则混合通道H称为卷积混合，此时H的每个元素为多项式函数。借助于源信号的统计独立性，选择一定的准则，设计分离算法，‘使得尸一Y,(k)~~，Y,(k)Y(k).t(2)...tLY.(k)=W*X(k)这样，Y(k)就是S(k)的一种估计，
