最大信噪比盲源分离算法研究

合信号经滑动平均处理后的信号,即Р (2-6)Р方程(2-5)可写成Р (2-7)Р式中:为相关矩阵;。Р2.2 分离算法的推导Р以分离矩阵W对式(2-7)两边求梯度,得Р (2-8)Р由于目标函数F(W,x)的极点值为式(2-8)的零点,因此得Р (2-9)Р通过求解(2-9)就可以得分离矩阵,为矩阵的特征向量。(可用Matlab中eig()函数求得)。当然分离的源信号向量为,其中y的每一行代表一个分离信号,或称y是源信号s的估计。只要分理出的信号不相关时,通过得到的信号是统计独立的,因此上述算法可分离独立的源信号。Р3仿真结果与分析Р选择两路信号,一路为超高斯分布信号,一路为亚高斯分布的正弦信号为源信号,随机产生的线性混合矩阵A={0.1509 0.3784}{0.6979 0.8600},取数据长度L=1000。这两个信号分别按如下方式产生Р其中t取离散值1,2,…,1000,,信号S1的峭度大于零,属于超高斯信号,S2的峭度小于零,属于亚高斯信号,这两路信号的波形如图1所示。Р (a)原始信号—超高斯信号Р (b)原始信号---亚高斯信号Р 图1 原始信号Р两路原始信号经过混合矩阵混合后的信号如图2所示。Р图2 混合信号Р经过最大信噪比盲源分离算法分离后的波形如图3所示。Р图3 基于最大信噪比盲源分离算法得到的分离信号Р由图3可以看出,经过最大信噪比盲源分离算法的操作,得到了非常好的分离效果。具体的Matlab实现程序如下:Рclear;Рt=1:1000; РE=0.0002;РS1=((mod(t,23)-11)/9).^5+3;Рplot(S1)РA=[0.1509 0.6979 ;0.3784 0.8600]РS2=sin(100*pi*E*t);Рfigure(2)Рplot(S2)РS=[S1; S2];Рx=A*S;Р[ys,W]=SNR_Max(x)