基于ICA的同频信号盲源分离_芦伟东1
需积分: 0 165 浏览量
2022-08-03
14:56:48
上传
评论
收藏 2.15MB PDF 举报
Radio Wave Guard
电波卫士
DCW
55
数字通信世界
2021.07
０ 引言
为了充分用好有限的频谱资源，现代无线电通信常
需共用同一频率。在整个频段带宽只有30MHz 的短波频
段，频率共用更是普遍现象。在日常的短波无线电监测
工作中，有时可能在同一个频率上同时收到来自不同发
射机的两个或更多个信号混杂在一起的混合信号，这对
后续的信号分析工作带来困难。因此，在现有条件下找
到合适的同频信号分离方法，具有重要研究意义。无线
电监测属于非协作通信，通过监测捕获的信号往往没有
先验信息，所以分离监测到的同频信号属于盲源分离的
范畴
[1]
。
１ 盲源分离
在一个鸡尾酒会上，多个人一起说话，输入到多个
麦克风，如何从混合信号中分离出每个人说话的声音？
由此引出了盲源分离问题
[2-3]
。由于缺乏先验信息，对观
测到的信号进行盲分离具有以下两个特点 ：一是观测信
号通过盲分离后得到的输出源信号顺序不确定 ；二是输
出源信号幅度不确定。但这并不影响盲分离的应用，可
以通过信号波形得到源信号所携带的主要信息。盲源分
离过程如图 1 所示。
图1 盲源分离流程
绝大部分的盲源分离方法属于无监督学习方法，需
要基于某种理论构造目标函数，常被采用的目标函数包
括 ：高阶累积量、最大似然估计、互信息量和负熵等。
独立分量分析（ICA，Independent Component Analysis）
属于高阶累积量分析方法，是目前解决盲源分离问题的
重要方法之一。
２ ＩＣＡ 基本原理
设 S（t）为 N 个统计独立的输入信号，经过 A 信
道传输后，在接收端得到 M 个观测信号 X（t）， 则
X（t）=AS（t）+n（t） t=1，2…N （1）
式中，X（t）为 M 维矢量 ；S（t）为 N 维矢量 ；n
（t）为 M 维加性信道噪声 ；A 为 M×N 维混合矩阵，且
M≤N。Y 为解混后得到的信号，ICA 传输模型如图2所示。
图2 ICA模型
由图2 可知，ICA 的主要目标就是要使输出信号 Y
无限接近源信号 S，这实际上就是一个不断寻优的过程，
仅需找到矩阵 B，使其成为 A 的最佳估计逆矩阵即可求
解出 Y。ICA 方法还需满足源信号相互统计独立、各矢
量均值为零和至多有一个是高斯信号的约束条件。
图3 ICA算法流程
ICA 算法流程如图3 所示。其中数据预处理操作的
目的是简化算法和消除后续算法执行过程中可能出现的
错误，预处理可以分为以下几种类型 ：一是中心化，对
输入变量进行中心化处理，使各矢量均值为零 ；二是白
化，使变量去相关，实现统计独立 ；三是主成分降维，
基于 ICA 的同频信号盲源分离
芦伟东
（国家无线电监测中心哈尔滨监测站，黑龙江 哈尔滨 150010）
摘要 ：
简要介绍了独立分量分析的原理和特点，将 FastICA 算法应用于分离实际监测工作中采集的音频信号，仿真实
验表明，独立分量分析测量方法可以有效分离混合信号，为实际监测工作中分离同频信号提供了一种新的思路。
关键词 ：
盲分离 ；独立分量 ；同频信号
doi ：
10.3969/J.ISSN.1672-7274.2021.07.026
中图分类号 ：
TN92，TN98
文献标示码 ：
A
文章编码 ：
1672-7274（2021）07-0055-03
Blind Source Separation of Co-Frequency Signal Based on ICA
LU Weidong
(State Radio Monitoring Center Harbin Monitoring Station, Harbin 150010, China)
Abstract
：In this paper, the principle and characteristics of independent component analysis (ICA) are briey introduced, and
the FastICA algorithm is applied to separate the audio signals collected in the actual monitoring work. The simulation results show
that the ICA measurement method can effectively separate the mixed signals, which provides a new idea for separating the same
frequency signals in the actual monitoring work.
Keywords
：blind source separation; independent component; co-frequency signal
资源评论
