[发明专利]微弱信号盲提取方法有效
申请号: | 202010010208.7 | 申请日: | 2020-01-06 |
公开(公告)号: | CN111160317B | 公开(公告)日: | 2023-03-28 |
发明(设计)人: | 卢广阔 | 申请(专利权)人: | 西南电子技术研究所(中国电子科技集团公司第十研究所) |
主分类号: | G06F18/2134 | 分类号: | G06F18/2134;G06F18/24;G06F18/10 |
代理公司: | 成都九鼎天元知识产权代理有限公司 51214 | 代理人: | 罗强 |
地址: | 610036 四川*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 微弱 信号 提取 方法 | ||
1.一种微弱信号盲提取方法,具有如下技术特征:在基于信源独立的前提下,建立单通道瞬时线性混合模型x(t);然后将单通道混合信号x(t)构造为窗长L为2的矩阵C,再依据奇异谱分析理论(SSA),对其矩阵C进行奇异值分解,并通过反汉克尔Hankel变换,得到奇异值对应时间序列xj2(t);不断进行MRSSA变换,将单通道瞬时线性混合模型转换成多通道的共信道瞬时线性混合模型,得到重构矩阵X;重构后,使用独立分量分析ICA算法把单通道混合数据x(t)分离成多个尽可能相互独立的ICs作为源信号S的估计;最后,利用MRSSA算法的多尺度分辨特性和ICA算法盲特性建立基于MRSSA-ICA自适应的微弱信号提取滤波器,将感兴趣信号分量被从单通道时频部分重叠多信号中提取出来。
2.如权利要求1所述的微弱信号盲提取方法,其特征在于:共信道瞬时线性混合模型建模成x(t)=a1s1(t)+…aksk(t)+aKsK(t)+η(t),
其中,ak为第k个通信信号的混合系数,sk(t)为待处理的独立通信信号,k=1,…K,t表示时间,η(t)为协方差未知的零均值加性高斯白噪声。
3.如权利要求1所述的微弱信号盲提取方法,其特征在于:依照奇异谱分析理论,将单通道时间序列混合数据x(t)构造为窗长L为2的时延矩阵C:
其中,x1、x2…xn分别表示离散时间序列x(t)的第一、第二以及第n个点的值。
4.如权利要求3所述的微弱信号盲提取方法,其特征在于:根据奇异值分解理论,时延矩阵C可展开为
其中,U为左奇异正交矩阵,V为右奇异正交矩阵,T表示转置,i表示奇异值的个数,σi为奇异值,ui为σi的左奇异向量,vi为σi的右奇异向量,Xi为分解后的奇异值σi对应的时延特征矩阵。
5.如权利要求1所述的微弱信号盲提取方法,其特征在于:通过反Hankel变换,把时延特征矩阵Xi重构成时间序列xi,xi(k)表示时间序列xi的每个元素,且等于
并且有滤波器将时间序列xi(t)从混合时间序列x(t)中过滤出来,SSA变换是一种线性变换,且基于SSA变换构造的滤波器是相互正交,其中,时延特征矩阵Xi的行列数(m,n)满足m=1,2,...k,m+n=k+1,k表示时间序列xi的第k个元素,L表示窗长,N表示时间序列xi的个数。
6.如权利要求5所述的微弱信号盲提取方法,其特征在于:时延特征矩阵Xi重构后得到单通道混合数据x(t)=x1(t)+x2(t)的时间序列,其中x1(t)为较大奇异值对应时间序列,反映的是单通道混合数据中的主要部分;x2(t)为较小奇异值对应时间序列,反映的是次要或者微弱部分。
7.如权利要求6所述的微弱信号盲提取方法,其特征在于:取窗长L为2,对较小奇异值对应时间序列x2(t)进行SSA变换,得到x2(t)=x21(t)+x22(t),继续对较小奇异值对应时间序列进行SSA处理,得到混合时间序列x(t)的最终MRSSA展开:其中,t为时间,j表示连续进行SSA变换的次数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南电子技术研究所(中国电子科技集团公司第十研究所),未经西南电子技术研究所(中国电子科技集团公司第十研究所)许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010010208.7/1.html,转载请声明来源钻瓜专利网。