基于EEMD的地声信号单通道盲源分离算法Word格式.docx
- 文档编号:13111413
- 上传时间:2022-10-05
- 格式:DOCX
- 页数:11
- 大小:17.79KB
基于EEMD的地声信号单通道盲源分离算法Word格式.docx
《基于EEMD的地声信号单通道盲源分离算法Word格式.docx》由会员分享,可在线阅读,更多相关《基于EEMD的地声信号单通道盲源分离算法Word格式.docx(11页珍藏版)》请在冰豆网上搜索。
(哈尔滨工程大学水声技术国家级重点实验室,黑龙江哈尔滨150001)
摘要:
针对只有一个观测通道时,基于矩阵运算的盲源分离算法将会失效的问题,提出一种适用于单观测通道的地声
信号盲源分离方法.首先采用总体经验模态分解方法将观测信号分解为固有模态矩阵,使单通道的欠定问题转化为多通
道的正定问题,再利用巳有的盲源分离算法进行分离.仿真实验说明该方法可以抑制宽频及瞬态干扰,有效地提取源信
号,而且对频带有交叠的信号也有一定的分离效果.实验数据处理显示该方法可以在地声环境噪声干扰下,有效地提高
目标信号的信噪比,增加检测性能,证明了该方法在地声信号处理中的有效性.关键词:
盲源分离;
单通道;
总体经验模态分解;
地声信号处理
中图分类号:
TN911.7文献标志码:
A文章编号:
1006-7043(2011)024)194-06
Thesinglechannelseismic-acousticsignal
blind-sourceseparationmethodbasedonEEMD
LIUJia,YANGShie,PIAOShengchun
(NationalLaboratoryofUnderwaterAcousticTechnolog^HarbinEngmeeringUniversit^
Harbinl50001,China)
Abstract:
Withonlyasmgleobservmgchannel,theblmdsourceseparationmethodsbasedonmatrixcalculatingdo
notwork.Todealwiththisproblem,asinglechannelblind 一
sourceseparationmethodfbrseismic-acousticsignalprocessmgwaspresented.Firstjtheobservingsignalwasdecomposedmtointrinsicmodematrixbyensembleem—piricalmodedecomposition,transformingthesinglechannelunderdeterminedproblemintothemulti一channelposi—tivedefmiteproblem.Thentheinputmatrixfbrblindsourceseparationwasobtamed.Fmally,thesourcewasesti—matedbytheblmdsourceseparationmethod.Thesimulationresultsshowthatthismethodcanseparatethesourcesignalfrombroadfrequencyandimpulsivenoise?
andworkswellwhenthefrequenciesofdifferentsourcesignalsO-
verlap.Experimentalresultsshowthatthesignal-to 一
noiseratiocanalsobeimprovedfbrseismic-acousticback—groundnoise.Itprovesthatthismethodiseffectiveforprocessmgseismic——acousticsignal.Keywords:
blindsourceseparation;
singlechannel;
ensembleempiricalmodedecomposition;
seismic—acousticsig—nalprocessing
在浅海,由于简正波的截止效应,低频声波的能
量不能有效地在水中实现远距离传输,但声波中有很大一部分能量会透射到海底介质中,以地声的形式传播.由于传输通道的复杂性,导致地声信号相比水声信号,具有信噪比更低,瞬态干扰更显着的特点,因此地声信号处理也更有难度.由于目标信号,如船舶辐射噪声等,一般相对海洋环境噪声和地面收稿日期:
2010-02-01.
基金项目:
国防基础研究资助项目(A2420060088)
作者简介:
刘佳(1984—),女,博士研究生E—maU:
liujialO67@163con;
杨士莪(1931—),男,教授,博士生导师,中国工程院院士.通信作者:
刘佳.
人类活动噪声等具有统计独立性,因此可利用盲源分离方法在地声信号中分离船舶辐射噪声等目标信号.目前将盲源分离应用于海洋环境噪声背景下的船舶辐射噪声分离中已有一些研究成果"
,但应用于地声信号处理还是首次.而且目前的研究大都是基于多观测通道,即传感器的数目大于或等于源信号的数目,然而实际中受各种条件制约,有时存在只有单观测通道的情况,这是极端的欠定问题,此时基于矩阵运算的常规盲源分离算法都不适用.关于这类单通道盲源分离问题,在语音,生物医学等应用领域有一些相应的研究成果圳,如Jangl5使用的第2期刘佳,等:
基于EEMD的地声信号单通道盲源分离算法时域基函数法进行源信号的分离,并成功将此应用于语音信号处理,该方法的局限是需要有训练数据;
James和Davies采用动态空间嵌入法解决生物医学信号盲分离;
Warner_7采用利用过采样和成形滤波器差异的分离方法,完成MPSK信号的处理,该方法需要信噪比较高.文章在现有研究的基础上,结合地声信号背景干扰强,瞬态干扰明显的特点,将总体经验模态分解(ensembleempiricalmodedecomposi.
tion,EEMD)应用到这类信号的处理中,采用EEMD技术将信号由一维变化到高维,有效地解决单通道的欠定问题,并经过仿真及实验数据处理对上述处理方法进行了实际验证.
1基于EEMD的单通道盲源分离算法原理
设n个信号源s,s,…,s所发出的信号被单传感器接收,假设传感器接收的信号是各个源信号的线性组合,则接收传感器的输出为(t)=&
gt;
O(£
)+(t).⑴
式中:
n为混合系数,n(t)为接收端噪声.单通道盲源分离的任务就是根据接收信号(t)估计源信号S(t),由于只有单通道观测数据可以利用,这是属于极端的欠定盲源分离问题,在这种条件下,基于矩阵表示的盲源分离算法已不再适用,文中采用基于EEMD分解方法解决这一问题.
1.1EEMD算法
经验模态分解(empiricalmodedecomposition,EMD)能根据信号本身的特点,自适应地将信号分解为若干个固有模态函数(intrinsicmodefunction,IMF)之和.但EMD在分解过程中存在的模态混叠现象,即:
当原本属于前一个IMF的信号被间歇性微弱干扰影响,极大值包络线和极小值包络线会产生突然的扰动,逐层向下传递,导致不同的2个时间尺度被归类成同一个IMF,或者单一时间尺度的信号被切割成两个IMF.模态混叠的发生使得后续的IMF蕴含的物理意义被破坏.为解决模态混叠问题,Huang等..提出了EEMD方法.该方法在分析信号中加入正态分布的白噪声,不仅为分析信号提供了均匀分布的随机尺度,而且平滑了脉冲干扰等异常扰动河以有效地抑制由异常扰动引起的模态混叠,使分解得到的IMFs更有意义.
EEMD算法的实现方法如下:
1) 向被分析信号(t)中加入随机正态分布白噪声,方差为or,并对加入白噪声的信号进行归一化处理;
2) 应用EMD对加人白噪声后的信号进行分
解;
3) 重复上述1),2)步骤n次,并且每次加入新
的随机正态分布白噪声序列;
4) 将每次分解得到的IMFs对应集成平均,进而得到分析信号的固有模态函数组合.
经过EEMD分解后观测信号可以表示为各个固有模态函数的和,即
n
(t)=c(t)+r(t).
(2)
r(t)为余量,C(t)为第i个IMF.
再将分解得到的IMF表示成n维矩阵形式
Q):
C(t)=[Cl(t)C2(t)・・・C(t)].(3)
设S(t)=[Sl(t)S2(t)・・・S(t)]为源信号,
则IMF矩阵c(t)就可作为盲源分离的输人矩阵,再利用常规的盲源分离算法估计源信号S(t).
1.2盲源分离算法
盲源分离的目标是确定分离矩阵曰,以获得源信号的合理估计:
S()=Bc()S0.(4)
分离矩阵曰的估计方法有很多,文中采用Car.doso_l提出的基于矩阵联合对角化的JADE算法.首先将观测信号白化处理.设原信号为单位方差,即
R=E{s(t)S”(£
)l=I・(5)
令Q为观测信号C(t)的白化矩阵,则
E{C(t)C”(t)}=QAE{S(t)S”(t)}(QA)”=
⑹
说明对任意一个白化矩阵Q,存在一个矩阵使得QA=U,则经过白化处理后的信号可以表示为C(t)=Qc(t)=QIAs(t)]=Us(t).(7)
式(7)表明白化处理后的信号可认为是源信号的”酉混合”,矩阵A的确定转化为酉矩阵£
,的估计.定义对任意nX矩阵,其四阶累积量矩阵的第(以)个元素为
?
196?
哈尔滨工程大学第32卷
[N(M)]仁Cum(z,z氐zD.(8)
k. 2=l
式中挑选n个最有意义的特征值对应的”特征值矩阵”作为优化累积量矩阵集,进而累积量矩阵集Ne={A,mIlWrW12)的近似联合对角化可通过以下代价函数的最大化实现:
dpfs
c(,IV).二Idiag(VH)I(9)
通过累积量矩阵集合的联合近似对角化,可以最终确定酉矩阵,得到源信号的估计:
s(t)=U”Qc().(10)
l. 3单通道盲源分离算法的实现
综上所述,单通道盲源分离的思想是:
首先利用EEMD分解观测信号(t),将信号从一维转变到高维空间,再应用BSS的方法估计各源信号.具体实现方法有如下2种方式.
1) ”虚拟通道“法.
① 利用EEMD对观测信号X(t)进行分解,得到IMF矩阵c(t).
② 分别选取相应模态,构建虚拟噪声通道n.(t)=Yc(t)和信号通道si・(t)=£
c(t).
③ 利用BSS对虚拟噪声通道和信号通道进行分离,得到源信号的估计0.
2) ”信号重构”19法.
① 利用EEMD对观测信号X(t)进行分解,得到IMF矩阵c()・
② 利用BSS对IMF矩阵g(t)进行分离,得到输出矩阵和混合矩阵A.
③ 选取感兴趣的分离向量,其他分量置零,获得经筛选的分离矩阵s.
④ 重构源信号,(t):
ZA?
s.
这2种实现方法没有本质的差别,都结合了EEMD和BSS的优点,使单通道盲源分离问题可解.其中,方法1在利用EEMD得到IMF矩阵后,依据IMF的特点和对信号及噪声的先验知识,选择相应的IMF求和,分别构成虚拟信号通道和虚拟噪声通道,而且总的虚拟通道数要大于源信号的数目,再利用BSS分离获得源信号,为叙述方便称之为”通道虚拟”法,这种实现方法有利于分离频带较宽的信号;
方法2则直接把IMF矩阵作为BSS的输入,得到输出矩阵,再选出感兴趣的分离向量重构源信号,为叙述方便称之为”信号重构“法,这种实现方法有利于分析具有线谱特征的信号.所以在实际中可以根据分析信号的特点灵活选用,而且在很多情况下这两种实现方法的分离结果非常接近.
2算法性能仿真研究
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 EEMD 信号 通道 分离 算法