[发明专利]信号处理方法和装置

说明书

技术领域

本发明涉及一种信号处理方法和装置，尤其涉及一种基于独立分量分析 (Independent Component Analysis，以下简称：ICA)的信号处理方法和装置。

背景技术

ICA是近年来由信号分离技术发展的多通道信号处理方法，是一种在只 有观测数据且信号源混迭方法未知的情况下对信号独立源进行提取的一种信 号处理方法。通过ICA实现的盲信号分离在语音识别、通信、生物医学信号 处理、图像处理方面具有潜在优势。

对于任何ICA算法来说，都可以归结为：ICA算法＝目标函数+优化算法。 假设观察到n个随机变量x₁，x₂，…x_n，而这些变量是由另外n个随机变量 s₁，s₂，…s_n线性组合得到的，即x_i＝a_i1s₁+a_i2s₂+…+a_ins_n，i＝1，2，…n。其中， a_ij，i，j＝1，2，…n是实系数，s_i彼此统计独立，独立成分s_i被称为隐变量。此外， 混合系数a_ij也是假设未知的，唯一能观测到的是随机变量x_i。因此，必须仅 用x_i就把混合系数a_ij和独立成份s_i同时估计出来，这个过程必须在尽可能的 一般性的假设下进行。上述公式x_i＝a_i1s₁+a_i2s₂+…+a_ins_n，i＝1，2，…n可以表达 为x＝As。在估计混合矩阵A后，需要计算混合矩阵A的逆，即分离矩阵 W＝A^-1，从而得到独立分量s的估计y，即y＝Wx。因此，为了估计y，就 需要有一个目标函数L(W)，当能使L(·)函数达到最大或最小值时，为独 立分量分析所求的解，此时y即等价或者近似等价于s。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现 有的ICA方法，能够分别针对亚高斯信号、超高斯信号、概率密度函数为对 称的或非对称的信号等对源信号进行分离，而无法对这些信号均具有良好的 分离性能，从而导致现有ICA算法适用信号范围的局限性。而且，现有的ICA 方法对分离矩阵中权向量初始值的选取较敏感，收敛性能较差，效率较低。

发明内容

本发明实施例提供一种信号处理方法和装置，以提高对混合信号中的独 立信号的提取效率。

本发明实施例提供一种信号处理方法，包括：

在一段时间内接收混合信号，获取接收的混合信号的幅值信息；

根据所述混合信号的幅值信息的三阶累积量和四阶累积量，计算获取目 标函数；

应用所述目标函数获取所述混合信号中的独立信号。

相应地，本发明实施例还提供一种信号处理装置，包括：

第一接收模块，用于在一段时间内接收混合信号，获取接收的混合信号 的幅值信息；

计算处理模块，用于根据第一接收模块获取的混合信号的幅值信息的三 阶累积量和四阶累积量，计算获取目标函数；

获取处理模块，用于应用所述计算处理模块获取的目标函数获取所述混 合信号中的独立信号。

本发明实施例通过在目标函数中将混合信号的幅值信息的三阶累积量和 四阶累积量进行结合，对不同混合信号的解混处理具有很强的适应性能，既 可以处理亚高斯信号或/和超高斯信号，又对概率密度函数为对称的或非对称 的也有很好的性能表现，因此，克服了现有ICA算法在信号适用范围上的局 限性。

本发明实施例提供另一种信号处理方法，包括：

应用带有使目标函数按给定范数下降的调节因子的牛顿迭代公式对 初始权向量进行迭代处理，直到迭代后的权向量收敛为止，获取收敛的权 向量；

在一段时间内接收混合信号，获取接收的混合信号的幅值信息；

根据所述收敛的权向量对所述混合信号进行解混合处理，获取所述混 合信号中的独立信号。