一种多通道压缩感知框架下的混合参数估计方法

摘要

一种多通道压缩感知框架下的混合参数估计方法，涉及多通道压缩感知技术领域，解决现有混合参数估计计算必须先完成重构混合信号，源信号重构效率低的问题。采集混合信号x_i的压缩观测信号为y_i，取非线性函数g(·)，所述函数g(·)的输入为yW_l，输出为Y，计算Y的熵，计算熵H(Y)的梯度沿着熵H(Y)的梯度方向更新反混合矩阵W_l+1，使得熵H(Y)逐渐增大，所述更新反混合矩阵W的公式为：将迭代次数l的值加1，l＝l+1，判断迭代次数l是否大于设定的总的迭代次数t，据经过t次迭代更新得到的反混合矩阵W_t，计算混合矩阵A的估计值本发明可广泛应用于对混合参数估计的计算。

主权项

一种多通道压缩感知框架下的混合参数估计方法，其特征在于它包括如下步骤：步骤一：采集混合信号x_i的压缩观测信号为y_i，1≤i≤m；其中，x_i是第i个混合信号，m为混合信号的数目，混合信号x_i的长度为N，观测信号y_i的长度为M，即，且M＜＜N；设：反混合矩阵W是m行m列的实数阵列，即测量矩阵为Ф是M行N列的实数矩阵，即算法迭代次数l的初始值为1，总的迭代次数为L，反混合矩阵初始值为W₀，更新步长为η；步骤二、在(0，1)内单调递增的函数中选取任意非线性函数g(·)；步骤三、设定函数g(·)的输入为yW_l‑1，输出为Y，即Y＝g(yW_l‑1)，其中y＝[y₁，y₂，...，y_m]，y_i表示第i个混合信号的压缩观测值；步骤四、计算Y的熵$H\left(Y\right)=H\left(y\right)+E[\underset{i=1}{\overset{m}{\Sigma }}\ln g\prime \left(y{W}_{l-1}\right)]+\ln \left|W_{l-1}\right|,$其中H(Y)表示Y的熵，H(y)表示混合信号观测值y的熵，函数ln是对数函数，g′表示g的一阶导数，表示ln g′(yW_l‑1)的均值；步骤五、计算熵H(Y)的梯度其中是第l‑1次循环计算的反混合矩阵W_l‑1的各个元素，是熵关于变量的偏导数，是熵的梯度；步骤六、沿着熵H(Y)的梯度方向更新反混合矩阵，使得熵H(Y)逐渐增大，所述更新反混合矩阵的公式为：$W_l=W_{l-1}+\eta *▿h;$步骤七、判断迭代次数l是否大于等于设定的总的迭代次数L，判断结果为是，则执行步骤八，判断结果为否，则将迭代次数l的值加1，l＝l+1，返回步骤三；步骤八、根据经过L次迭代更新得到的反混合矩阵W_L，计算混合参数为：$\hat{A}={\left(W_L\right)}^{-1}$所述混合参数其中a_ij表示产生混合信号x_i时，第j个源信号的权重；上述混合信号x_i是指第i个采集到的多路源信号的混合信号。