未知数目稀疏源盲分离的混叠矩阵估计方法

摘要

本发明是一种未知数目稀疏源盲分离的混叠矩阵估计方法。它属于工程领域，具体涉及到盲源分离技术领域。它的目的是解决目前基于经典聚类算法的稀疏源盲分离的混叠矩阵估计方法都要求源信号数目已知，并且估计精度较差的问题。本发明根据稀疏源混叠信号呈线性聚类的几何特点，基于聚类中心与每类数据致密点的距离关系，提出了一个新的聚类有效性准则，并根据此准则估计出源信号数目。同时利用霍夫变换寻找每一类数据的致密点，以代替聚类中心来估计混叠矩阵，提高了混叠矩阵的估计精度。本发明适用于源信号数目未知情况下的稀疏源盲分离的混叠矩阵的估计，提高了混叠矩阵的估计精度，广泛适用于语音识别、医学信号处理、无线通讯等领域。

主权项

1.未知数目稀疏源盲分离的混叠矩阵估计方法，其特征在于它的具体过程为：步骤A、将观测信号中的观测数据点中绝对值小于预定阈值的点去掉；所述观测信号在时域就具有较好的稀疏性；步骤B、将剩余的观测数据点投影到上半单位超球面上，获得所述观测数据点投影到上半单位超球面之后的数据集为Z＝{z_j|j＝1，2，…，L}，其中z_j是M维向量，L是数据点数；步骤C、估计源信号数目，并获得混叠矩阵，具体过程为：步骤C1、源信号数目为c，其取值的上限为c_max，选取源信号数目c的初始值为2；步骤C2、以源信号数目c为聚类簇数目，对观测数据点运行20次K-means聚类算法，并取最优划分，获得第i类数据的聚类中心m_i、第i类数据的第j个数据和第i类数据的点数n_i；步骤C3、用霍夫变换求第i类数据的致密点p_i；步骤C4、根据公式$\mathrm{FP}-\mathrm{index}\left(c\right)=\left(\underset{i=1}{\overset{c}{\Sigma }}\frac{{\left|\right|p_i-m_i\left|\right|}^2}{\frac{1}{n_i}\underset{j=1}{\overset{n_i}{\Sigma }}{\left|\right|z_j^{\left(i\right)}-m_i\left|\right|}^2}\right)·c^{r-1}$计算聚类有效性准则的函数值FP-index(c)，其中，r称作惩罚因子；步骤C5、如果所述源信号数目c＜c_max，则令c＝c+1，返回执行步骤C2；否则，执行步骤C6；步骤C6、比较源信号数目c从2至c_max所对应的每个函数值FP-index获得最小函数值所对应源信号数目c，将其作为源信号数目的估计，然后将其对应的每类数据致密点按列向量组合起来作为混叠矩阵的估计；在上述过程中所述的i＝1，2，…，c，所述j＝1，2，…，n_i。