[发明专利]一种基于AP聚类的欠定盲源分离方法

说明书

本发明公开了一种基于AP聚类的欠定盲源分离方法，属于信号处理领域，包括：(S1)将观测信号变换至时频域上，以筛选出时频单源点；(S2)对时频单源点进行抽样，并利用AP聚类算法对抽样得到的时频单源点进行聚类，得到信号源数目以及初始聚类中心；(S3)将信号源数目、初始聚类中心以及步骤(S1)中得到的时频单源点作为预设的目标聚类算法的输入，以对初始聚类中心进行修正，得到修正后的聚类中心，并以修正后的聚类中心为混合矩阵的列向量，估计混合矩阵；(S4)利用混合矩阵重构信号源；其中，目标聚类算法的输入参数包括聚类数量和初始聚类中心。本发明能够提高欠定盲源分离系统中混合矩阵的估计精度，从而实现源信号的准确分离。

技术领域

本发明属于信号处理领域，更具体地，涉及一种基于AP聚类的欠定盲源分离方法。

背景技术

盲源分离技术是一种通信信号处理技术，能够从位置的混合信号中分离出各源信号，随着现代社会的信息化发展，盲源分离技术得到广泛的应用。在故障诊断方面，可通过盲源分离定位故障设备；在图像处理方面，可通过盲源分离从夹杂干扰的图像中恢复原图像；在生物医学方面，可应用盲源分离完成人体生理数据的提取或分类。

盲源分离系统中，源信号相当于未知数，观测信号相当于约束条件，观测信号数目少于源信号数目的盲源分离问题称为欠定盲源分离问题。欠定盲源分离系统作为盲源分离系统的一个分支，由于约束条件的减少，存在病态性和特殊性，而在实际情况中，源信号数目通常是未知的，或者由于实际空间，传感器价格的约束，不可能布置那么多传感器采集信号，因此实际应用中通常会出现观测信号的数量少于源信号的数量，故欠定盲源分离系统也更加符合实际情况。

目前稀疏成分分析方法是欠定盲源分离系统中的常用方法，使用该方法解决欠定盲源分离问题通常分为两步，即首先估计混合矩阵，然后在混合矩阵已经估计出来的基础上实现源信号的重构分离。混合矩阵估计的好坏直接影响后面的信号分离效果，因此，如何提高混合矩阵的估计精度是很有意义的。在混合矩阵估计中，常用的聚类方法包括K均值聚类、模糊C均值聚类，这两种聚类算法快速简单，具有良好的收敛性，但这些聚类算法对初始聚类中心敏感，且需要给定源信号数量，而在实际应用中，欠定盲源分离系统中源信号的数目通常是未知的，因此，现有的欠定盲源分离方法，所估计的混合矩阵精度不高，源信号的分离效果较差。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种基于AP聚类的欠定盲源分离方法，其目的在于，提高欠定盲源分离系统中混合矩阵的估计精度，从而实现源信号的准确分离。

为实现上述目的，按照本发明的一个方面，提供了一种基于AP聚类的欠定盲源分离方法，包括如下步骤：

(S1)将观测信号变换至时频域上，以筛选出时频单源点；

(S2)对时频单源点进行抽样，并利用AP聚类算法对抽样得到的时频单源点进行聚类，得到信号源数目以及初始聚类中心；

(S3)将信号源数目、初始聚类中心以及步骤(S1)中得到的时频单源点作为预设的目标聚类算法的输入，以对初始聚类中心进行修正，得到修正后的聚类中心，并以修正后的聚类中心为混合矩阵的列向量，估计混合矩阵；

(S4)利用混合矩阵重构信号源；

其中，目标聚类算法的输入参数包括聚类数量和初始聚类中心。