基于聚谱分析的多通道盲信号自适应分离算法

张兰勇 刘繁明 李 冰



基于聚谱分析的多通道盲信号自适应分离算法

张兰勇*刘繁明 李 冰

(哈尔滨工程大学自动化学院 哈尔滨 150001)

该文提出一种在多传感器中多种信号混叠的分离方法。该方法通过分析传感器数据的聚谱来提取未知信号，并利用线性方程基本算法估计有限脉冲响应的耦合系统，该方法对于多通道谱重叠的有色输入信号盲解卷积十分有效。作为该算法的扩展，可以应用于包括准周期信号等非平稳信号的分离。并将该算法应用于电磁辐射的测试，仿真结果证明了其有效性和快速性。

信号处理；多传感器；盲源分离；聚谱分析；电磁辐射信号

1 引言

多传感器中多信号的分离具有很重要的应用，例如通信，生物医学，语音处理等。其困难之处在于传输通道以及输入信号的信息是未知的，造成了分离的“盲”信息。多通道系统的一类特殊形式是输出信号是由其它通道线性耦合得到的主要信号和次要信号的混叠。在电磁干扰测试系统中，多个天线中每个天线记录的受试设备的主要电磁辐射混叠了其余背景噪声的信息。由于背景噪声以及干扰的存在，电磁干扰测试系统的性能严重降低。文献[1]提出了一种传统的噪声消除方法，假设干扰信号是单分量信号，而忽略不同通道之间的影响。但该文没有针对多分量信号进行分析。

现有文献中大多假定通道系数为比例因子以简化多通道信号分离问题，文献[2,3]给出了混合信号中分离独立信号的线性化方法，但针对非高斯信号的处理不适用。文献[4,5]针对复杂背景下的混合声音信号进行了盲源分离，提出了非线性系统的盲源分离方法，但在分解因子的选择上没有给出细化方法。文献[6,7]给出了从混合信号中分离独立信号的线性和非线性方法，文献[8,9]给出了自回归滑动平均辨识结果。文献[10]中扩展了文献[11]中的结果，输入信号为记忆信号的辨识，但这些文献均假设多通道为非记忆的。通过应用自回归滑动平均(Auto- Regressing and Moving Average, ARMA)模型的通道响应，文献[12]给出了记忆性独立通道的辨识。因为它允许输入和通道为记忆的，因此输入为有色时也成立，但对混合矩阵的处理速度偏慢。

文献[13]首先考虑了多混合矩阵的多通道系统，并提出了去相关准则以提取观测混合信号中的有用信号，并以两通道为例进行分析。之后，文献[14]提出了与文献[13]类似基于聚谱分析的方法，但可以不需要一个通道的先验信息就可以确定系统。文献[13,14]的算法是在两个通道之间迭代4次，并在重构的输入中有一成形滤波器不确定度。由于没有考虑收敛性问题，扩展到多个通道时会很麻烦。最近文献[15]应用了类似文献[13]的去相关准则来确定具有AR输入模型和MA耦合系统的通道。这种情况下，整个多输入多输出可以利用文献[12]中的方法建模。

2 基于聚谱分析的通道估计

其中

其中，对于两通道系统

2.1 估计

文献[2]和文献[10]给出了一种特征分解方法可以估计无记忆多通道矩阵。本文推广其应用，对直流频率下的传输矩阵进行估计。本文方法是建立在通道输出的频谱和3次谱基础上，而不是文献[2]和文献[10]中的4阶矩，需要输入信号满足如下条件：信号频谱在直流频率非零，即

2.2.3谱信道估计

同样，可以得到第2个通道的方程为

3 输入信号重构

4 仿真

4.1测试开关电源的电磁辐射

4.2测试电源线的电磁辐射

图2 估计天线1中的电磁辐射信号

图3 估计天线2中的电磁辐射信号

图4 利用双谱估计电源线波动电压信号

4.3 多通道聚谱分析的推广

为了证明聚谱分析盲源分离算法的特点，将自回归独立分量分析算法与聚谱分析盲源分离算法进行对比，针对电源线的信号重构如图6所示。图中实线表示自回归独立分量算法的重构信号，虚线表示聚谱估计盲源分离算法的重构信号，通过对比可以看出聚谱估计重构的信号更精确且信号局部信息刻画更完整。

前面的分析均是基于双通道的盲源分离算法进行的，下面将聚谱分析盲源分离算法推广应用，增加一个环境信号通道，变为3 通道结构。通过利用聚谱分析盲源分离算法重构3 通道的信号，如图7所示。

图7 中，实线为测试环境信号通道1 的重构信号，通道2，通道3为测试电源线的波动信号，通过图7可以看出，聚谱分析盲源分离算法完整地分离出3通道中的信号，并且重构出原信号，说明该算法对于多通道信号的盲源分离同样适用。

图7 聚谱分析盲源分离算法的3通道重构

5 结论

通过计算多通道输出的互聚谱，本文提出了一种输入信号和通道的估计方法。首先建立多通道的模型，利用该模型可以估计惟一的输入信号。如果通道为FIR模型以及允许一定的滤波误差，线性算法可以得到真实的输入。该方法对于多通道谱重叠的有色输入信号盲解卷积十分有效。作为该算法的扩展，可以应用于包括准周期信号等非平稳信号的分离。并将该算法应用于电磁辐射信号的恢复，仿真结果证明了该算法的有效性和快速性。

当处理平稳信号与循环平稳信号时，可以利用时变聚谱分析和本文算法估计输入信号。

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

[2] 游荣义, 陈忠. 一种基于ICA的盲信号分离快速算法[J]. 电子学报, 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] 陶涛, 黄高明, 赵治华. 后非线性混叠信号盲源分离算法综述[J]. 控制与决策, 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] 罗志增, 李文国. 基于小波变换和盲信号分离的多通道肌电信号处理方法[J]. 电子学报, 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] 刘胜, 张兰勇, 张利军. 基于小波分析的电磁干扰测量技术研究[J]. 电子与信息学报, 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.

张兰勇： 男，1983年生，讲师，研究方向为随机信号处理、电磁兼容预测与测试.

刘繁明： 男，1963年生，教授，研究方向为水下潜器定位技术、微弱信号测量与处理技术.

李 冰： 男，1979年生，讲师，研究方向为船舶运动控制、电力推进系统电磁信号处理.

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

国家自然科学基金(51279036)，中国博士后科学基金面上项目(2012M510924)，黑龙江省政府博士后资助项目(LBH-12078)和中央高校基本科研业务费专项(HEUCFX41305)资助课题

张兰勇 zlyalf@sina.com