基于塊分割的欠定盲源分離混合矩陣估計方法
【專利摘要】本發明公開了一種基于塊分割的欠定盲源分離源混合矩陣估計方法。本發明首先獲取采樣信號向量，然后提取高能量采樣信號向量并歸一化，構造二維坐標平面并分割坐標縱軸，然后統計提取出包含聚類中心的子區間，取該子區間的中點值作為聚類中心的縱坐標，進而得到聚類中心的坐標值，最終獲得欠定盲源分離混合矩陣。本發明克服了現有技術存在的在源信號非充分稀疏條件下的欠定盲源分離混合矩陣估計精度差和時間復雜度高的缺點，使得本發明適用于源信號非充分稀疏條件下的欠定盲源分離，并且具有能保持較快速度和較高精確度估計出欠定盲源分離混合矩陣的優點。
【專利說明】
基于塊分割的欠定盲源分離混合矩陣估計方法
技術領域
[0001] 本發明屬于通信技術領域，更進一步涉及信號處理技術領域中的一種基于塊分割 的欠定盲源分離混合矩陣估計方法。本發明可以在傳輸信道參數未知且觀測信號數目小于 源信號數目的情況下，利用基站天線接收的觀測信號實現欠定盲源分離混合矩陣的估計。
【背景技術】
[0002] 現有的欠定盲源分離混合矩陣估計方法主要是聚類法，將觀測信號歸一化后投影 到坐標平面，通過聚類算法找出聚類中心，然后估計出混合矩陣。但是，在源信號非充分稀 疏的條件下，利用現有的聚類算法進行欠定盲源分離混合矩陣的估計誤差較大，時間復雜 度也較高。因此，研究適用于源信號非充分稀疏條件下的欠定盲源分離混合矩陣估計，同時 兼顧混合矩陣估計精度和時間復雜度的方法成為欠定盲源分離中亟待解決的問題。
[0003] 高禮等人在其發表的論文"欠定盲源分離混合矩陣估計的進化規劃策略"（《軟件 導刊》，2016年第02期）中提出了一種利用進化規劃思想進行混合矩陣的估計。該方法先檢 測出觀測數據時頻散點圖中的單源點，然后利用進化規劃算法對這些單源點數據進行聚類 分析，提高了混合矩陣估計的精度。但是，該方法仍然存在的不足之處是，該方法在源信號 非充分稀疏條件下估計精度較差，在實際應用中很難保證以較高的精度實現源信號非充分 稀疏條件下的欠定盲源分離混合矩陣估計。
[0004] 李寧等人在其發表的論文"欠定條件下弱稀疏源信號混合矩陣盲估計"（《數據采 集與處理》，2015年第4期）中提出了一種針對源信號非充分稀疏條件下的混合矩陣盲估計 方法。該方法通過對觀測信號頻率峰值的幅值比值所構成的列向量進行聚類，然后采用遺 傳模擬退火聚類算法來進行混合矩陣估計，實現了在源信號非充分稀疏條件下的欠定盲源 分離混合矩陣估計，提高了混合矩陣估計的魯棒性。但是，該專利仍然存在的不足之處是， 需要對觀測信號矩陣進行傅里葉變化，并且需要進行迭代運算，時間復雜度高。
【發明內容】
[0005] 本發明的目的在于針對上述現有技術存在的不足，提出一種基于塊分割的欠定盲 源分離混合矩陣估計方法。本發明可以實現源信號非充分稀疏條件下的欠定盲源分離混合 矩陣的估計，提高混合矩陣估計的精確度，同時降低時間復雜度，兼顧混合矩陣估計的精確 度和時間復雜度。
[0006] 實現本發明目的的具體思路是:在二維坐標平面表示出觀測點，通過統計并篩選 找到坐標平面觀測點密集且獨立的位置，認定該位置包含聚類中心。然后計算聚類中心的 坐標，最終獲得欠定盲源分離混合矩陣。
[0007] 實現本發明目的的具體步驟如下：
[0008] (1)基站接收信號：
[0009] 基站利用兩根天線同時接收來自多個信號源的不同信號；
[0010] (2)構造采樣信號向量：
[0011] (2a)基站對兩根天線的接收信號在T時刻采樣一次，將第一根和第二根天線每次 采樣的采樣值作為向量元素，構造一個采樣信號向量；
[0012] (2b)基站對兩根天線的接收信號在T時刻多次采樣，構造多個采樣信號向量；
[0013] (3)提取高能量采樣信號向量：
[0014] (3a)按照下式，計算每個采樣信號向量的能量：
[0016]其中，E[x(k)]表示第k次采樣得到的采樣信號向量的能量，k=l，2,. . .K，K表示總 的采樣次數;表示開根號操作；I ? I2表示取絕對值的平方操作;x(k)表示第k次采樣得到 的采樣信號向量，X1(k)表示第一根天線的第k次采樣值， X2(k)表示第二根天線的第k次采樣 值；
[0017] (3b)按照下式，計算所有采樣信號向量的平均能量：
[0019] 其中，Earer表示所有采樣信號向量的平均能量，E[x(l)]表示第一次采樣得到的采 樣信號向量的能量，E[x(2)]表示第二次采樣得到的采樣信號向量的能量，E[x(K)]表示第K 次采樣得到的采樣信號向量的能量，K表示總的采樣次數；
[0020] (3c)將提取的所有采樣信號向量能量中高于采樣信號向量平均能量十分之一的 采樣信號向量，存入高能量采樣信號向量；
[0021] (4)高能量采樣信號向量歸一化：
[0022] (4a)按照下式，計算高能量采樣信號向量中第一個元素的歸一化值：
[0024] 其中，
xSU)表示第n個高能量采樣信號向量中第一個元素的歸一化值，n=l， 2, ...，N，N表示總的高能量采樣信號向量的個數，X1(n)表示第n個高能量采樣信號向量的 第一個元素，x(n)表示第n個高能量采樣信號向量，|卜| |2表示2范數操作；
[0025] (4b)按照下式，計算高能量采樣信號向量中第二個元素的歸一化值：
[0027] 其中，Wn)表示第n個高能量采樣信號向量中第二個元素的歸一化值，n=l， 2, ...，N，N表示總的高能量采樣信號向量的個數，X2(n)表示第n個高能量采樣信號向量的 第二個元素，x(n)表示第n個高能量采樣信號向量，|卜| |2表示2范數操作；
[0028] (4c)按照下式，計算歸一化后的高能量采樣信號向量：
[0029] X'（n) = [X'i(n)，x'2(n)]T
[0030] 其中，xln)表示第n個歸一化后的高能量采樣信號向量，x'Kn)表示第n個高能量 采樣信號向量中第一個元素的歸一化值，n=l，2, ...，N，N表示總的高能量采樣信號向量的 個數，Wn)表示第n個高能量采樣信號向量中第二個元素的歸一化值，T表示轉置操作； [0031 ] (5)構造二維坐標平面并分割坐標縱軸：
[0032] (5a)以高能量采樣信號向量中第一個元素的值為橫坐標，高能量采樣信號向量中 第二個元素的值為縱坐標，構造一個二維坐標平面；
[0033] (5b)以第n個高能量采樣信號向量中第一個元素的歸一化值作為第n個觀測點的 橫坐標，以第 n個高能量采樣信號向量中第二個元素的歸一化值作為第n個觀測點的縱坐 標，在二維坐標平面上畫出第n個觀測點；其中，n = l，2, ...，N，N表示總的高能量采樣信號 向量的個數；
[0034] (5c)將二維坐標縱軸上的(_1，1)區間分成多個大小相等的子區間；
[0035] (6)統計各子區間范圍內的觀測點個數：
[0036] 統計觀測點縱坐標值在第i個子區間范圍內的觀測點個數，i = 1，2, . . .M，M表示總 的子區間個數；
[0037] (7)提取聚類中心子區間：
[0038] (7a)找出子區間范圍內的觀測點個數大于門限值并且大于相鄰兩個子區間范圍 內觀測點個數的子區間，將該子區間存入極大值向量；
[0039] (7b)在極大值向量中找出子區間與相鄰的兩個子區間距離都大于門限值的子區 間，將該子區間存入聚類中心待選向量；
[0040] (7c)在極大值向量中找出子區間只與相鄰的一個子區間距離大于門限值，同時子 區間范圍內觀測點個數大于相鄰的另一個子區間范圍內觀測點個數的子區間，將該子區間 存入聚類中心待選向量；
[0041] (7d)在極大值向量中找出子區間與相鄰的兩個子區間距離都小于門限值，同時子 區間范圍內觀測點個數都大于相鄰的兩個子區間范圍內觀測點個數的子區間，將該子區間 存入聚類中心待選向量；
[0042] (7e)將聚類中心待選向量中的所有子區間，按照子區間范圍內觀測點個數的大 小，從大到小進行排序；
[0043] (7f)取出排序的前Q個子區間，得到聚類中心子區間；
[0044] (8)計算聚類中心坐標值：
[0045] (8a)將聚類中心子區間中第i個子區間的中點值作為第i個聚類中心的縱坐標值， i = l，2,. . .Q，Q表示信號源的個數；
[0046] (8b)按照下式，計算聚類中心的橫坐標值：
[0047] x^^l-yj2
[0048]其中，Xi表示第i個聚類中心的橫坐標值，yi表示第i個聚類中心的縱坐標值，i = l， 2,. . .Q，Q表不信號源的個數，表不開根號操作，? 2表不平方操作；
[0049] (9)將所有的聚類中心坐標值組成欠定盲源分離混合矩陣如下： X0 X0 ^
[0050] "... ^ Inv, y〇)
[0051 ]其中，X1表示第一個聚類中心的橫坐標值，yi表示第一個聚類中心的縱坐標值;X2 表示第二個聚類中心的橫坐標值，y2表示第二個聚類中心的縱坐標值;XQ表示第Q個聚類中 心的橫坐標值， yQ表示第Q個聚類中心的縱坐標值，Q表示信號源的個數。
[0052]本發明與現有技術相比具有以下優點：
[0053]第一，由于本發明采用了分割坐標縱軸并統計各子區間觀測點個數后篩選子區間 的方法來尋找聚類中心的位置，克服了現有技術中欠定盲源分離混合矩陣估計易受孤立觀 測點和誤差影響的缺點，使得本發明能夠適用于源信號非充分稀疏條件下的欠定盲源分離 混合矩陣估計，同時提高欠定盲源分離混合矩陣估計的精度。
[0054] 第二，由于本發明選取包含聚類中心的子區間的中點值作為聚類中心的縱坐標， 沒有迭代運算，克服了現有技術中欠定盲源分離混合矩陣估計時間復雜度高的問題，使得 本發明能快速的進行欠定盲源分離混合矩陣估計。
【附圖說明】
[0055] 圖1是本發明的流程圖；
[0056]圖2是本發明的仿真圖；
【具體實施方式】
[0057]以下將結合附圖對本發明做進一步的描述。
[0058]參照附圖1，本發明的實施步驟如下：
[0059]步驟1，基站接收信號。
[0060] 基站利用兩根天線同時接收來自多個信號源的不同信號。
[0061] 步驟2，構造采樣信號向量。
[0062] 第1步，基站對兩根天線的接收信號在T時刻采樣一次，將第一根和第二根天線每 次采樣的采樣值作為向量元素，構造一個采樣信號向量；
[0063]第2步，基站對兩根天線的接收信號在T時刻采樣2000次，構造多個采樣信號向量。 [0064]步驟3,提取高能量采樣信號向量。
[0065]第1步，按照下式，計算每個采樣信號向量的能量：
[0067] 其中，E[x(k)]表示第k次采樣得到的采樣信號向量的能量，k=l，2，. . .2000，^" 表示開根號操作；I ? I2表示取絕對值的平方操作;x(k)表示第k次采樣得到的采樣信號向 量，X1(k)表示第一根天線的第k次采樣值， X2(k)表示第二根天線的第k次采樣值；
[0068] 第2步，按照下式，計算所有采樣信號向量的平均能量：
[0070] 其中，Earer表示所有采樣信號向量的平均能量，E[x(l)]表示第一次采樣得到的采 樣信號向量的能量，E[x(2)]表示第二次采樣得到的采樣信號向量的能量，E[x(2000)]表示 第2000次采樣得到的采樣信號向量的能量；
[0071] 第3步，將提取的所有采樣信號向量能量中高于采樣信號向量平均能量十分之一 的采樣信號向量，存入高能量采樣信號向量。
[0072]步驟4,高能量采樣信號向量歸一化。
[0073]第1步，按照下式，計算高能量采樣信號向量中第一個元素的歸一化值：
[0075] 其中，xSU)表示第n個高能量采樣信號向量中第一個元素的歸一化值，n=l， 2, ...，N，N表示總的高能量采樣信號向量的個數，X1(n)表示第n個高能量采樣信號向量的 第一個元素，x(n)表示第n個高能量采樣信號向量，|卜| |2表示2范數操作；
[0076] 第2步，按照下式，計算高能量采樣信號向量中第二個元素的歸一化值：
[0078] 其中，Wn)表示第n個高能量采樣信號向量中第二個元素的歸一化值，n=l， 2, ...，N，N表示總的高能量采樣信號向量的個數，X2(n)表示第n個高能量采樣信號向量的 第二個元素，x(n)表示第n個高能量采樣信號向量，|卜| |2表示2范數操作；
[0079] 第3步，按照下式，計算歸一化后的高能量采樣信號向量：
[0080] x7 (n) = [x,i(n),x/2(n)]T
[0081]其中，xln)表示第n個歸一化后的高能量采樣信號向量，x'Kn)表示第n個高能量 采樣信號向量中第一個元素的歸一化值，n=l，2, ...，N，N表示總的高能量采樣信號向量的 個數，Wn)表示第n個高能量采樣信號向量中第二個元素的歸一化值，T表示轉置操作。
[0082] 步驟5，構造二維坐標平面并分割坐標縱軸。
[0083] 第1步，以高能量采樣信號向量中第一個元素的值為橫坐標，高能量采樣信號向量 中第二個元素的值為縱坐標，構造一個二維坐標平面；
[0084]第2步，以第n個高能量采樣信號向量中第一個元素的歸一化值作為第n個觀測點 的橫坐標，以第n個高能量采樣信號向量中第二個元素的歸一化值作為第n個觀測點的縱坐 標，在二維坐標平面上畫出第n個觀測點；其中，n = l，2, ...，N，N表示總的高能量采樣信號 向量的個數；
[0085]第3步，將二維坐標縱軸上的（-1，1)區間分成200個大小相等的子區間。
[0086] 步驟6，統計各子區間范圍內的觀測點個數。
[0087] 統計觀測點縱坐標值在第t個子區間范圍內的觀測點個數，t = l，2, .. .200。
[0088] 步驟7,提取聚類中心子區間。
[0089] 第1步，找出子區間范圍內的觀測點個數大于35并且大于相鄰兩個子區間范圍內 觀測點個數的子區間，將該子區間存入極大值向量；
[0090] 第2步，在極大值向量中找出子區間與相鄰的兩個子區間距離都大于0.05的子區 間，將該子區間存入聚類中心待選向量；
[0091] 第3步，在極大值向量中找出子區間只與相鄰的一個子區間距離大于0.05,同時子 區間范圍內觀測點個數大于相鄰的另一個子區間范圍內觀測點個數的子區間，將該子區間 存入聚類中心待選向量；
[0092]第4步，在極大值向量中找出子區間與相鄰的兩個子區間距離都小于0.05,同時子 區間范圍內觀測點個數都大于相鄰的兩個子區間范圍內觀測點個數的子區間，將該子區間 存入聚類中心待選向量；
[0093] 第5步，將聚類中心待選向量中的所有子區間，按照子區間范圍內觀測點個數的大 小，從大到小進行排序；
[0094] 第6步，取出排序的前3個子區間，得到聚類中心子區間。
[0095] 步驟8,計算聚類中心坐標值。
[0096] 第1步，將聚類中心子區間中第i個子區間的中點值作為第i個聚類中心的縱坐標 值，i = l，2,3;
[0097] 第2步，按照下式，計算聚類中心的橫坐標值：
[0098] x,二小-y嚴
[0099] 其中，Xi表示第i個聚類中心的橫坐標值，yi表示第i個聚類中心的縱坐標值，i = l， 2,3，^/~表不開根號操作，? 2表不平方操作。
[0100] 步驟9,將所有的聚類中心坐標值組成欠定盲源分離混合矩陣如下： (X .V, X, ^
[0101] ~ In V3J
[0102] 其中，X1表示第一個聚類中心的橫坐標值，yi表示第一個聚類中心的縱坐標值;X2 表示第二個聚類中心的橫坐標值，y2表示第二個聚類中心的縱坐標值;X3表示第三個聚類中 心的橫坐標值，y 3表示第三個聚類中心的縱坐標值。
[0103] 下面結合仿真圖對本發明做進一步的描述。
[0104] 1.仿真條件：
[0105] 本發明的仿真實驗是在硬件環境為Pentium(R)Dual-Core CPU E530002.60GHz， 軟件環境為32位Windows操作系統的條件下進行的。
[0106]仿真參數設置為，使用Matlab軟件產生隨機源信號，源信號數目為3,觀測信號數 目為2,采樣個數為2000。分別對現有的勢函數算法、K-均值算法和本發明提出的算法進行 仿真。
[0107] 2.仿真內容與結果分析：
[0108] 本發明的仿真實驗是使用本發明、現有的勢函數算法和K-均值算法對混合矩陣進 行估計，比較混合矩陣的每列平均估計誤差。混合矩陣每列平均估計誤差定義為： V e(A,Ar) = ￡ a,-a'，其中，A表示混合矩陣，Y表示估計的混合矩陣，2表示求和操作， N為混合矩陣的列數，i表示混合矩陣的其中一列，&1為混合矩陣的第i列，a、為估計出的混 合矩陣的第i列，I I ? I |2表示向量的2范數操作。
[0109] 圖2(a)是采用本發明和現有技術的兩個方法(K-均值算法和勢函數算法)在稀疏 度為0.9的情況下，分別對混合矩陣進行估計得到的混合矩陣每列平均估計誤差的比較圖。 圖2(a)中的橫坐標表示信噪比，縱坐標表示混合矩陣每列平均估計誤差。混合矩陣每列平 均估計誤差越大表示混合矩陣的估計精度越低。圖2(a)中以星型、正方形、三角形標示的曲 線分別表示本發明、K-均值算法、勢函數算法所得到的混合矩陣每列平均估計誤差隨信噪 比變化的曲線。
[0110] 圖2(b)是采用本發明和現有技術的兩個方法(K-均值算法和勢函數算法)在噪聲 為20dB的情況下，分別對混合矩陣進行估計得到的混合矩陣每列平均估計誤差的比較圖。 圖2(b)中的橫坐標表示稀疏系數，縱坐標表示混合矩陣每列平均估計誤差。混合矩陣每列 平均估計誤差越大表示混合矩陣的估計精度越低。圖2(b)中以星型、正方形、三角形標示的 曲線分別表示本發明、K-均值算法、勢函數算法所得到的混合矩陣每列平均估計誤差隨稀 疏系數變化的曲線。
[0111] 表1是采用本發明和現有技術的兩個方法(K-均值算法和勢函數算法)在稀疏度為 0.9的情況下，分別對混合矩陣進行估計得到的運算時間比較圖。運算時間單位為秒。結果 如表1所示。
[0112] 表1，不同信噪比條件下三種算法的運算時間
[0114] 由圖2(a)可見，在信噪比為12dB與20dB范圍內，本發明所得到的混合矩陣每列平 均估計誤差均低于K-均值算法和勢函數算法所得到的混合矩陣每列平均估計誤差。
[0115] 由圖2(b)可見，在稀疏系數為0.5與0.9范圍內，本發明所得到的混合矩陣每列平 均估計誤差均低于K-均值算法和勢函數算法所得到的混合矩陣每列平均估計誤差。
[0116] 由表1可見，本發明算法在計算時間上遠低于另外兩種方法，特別是在信噪比較低 時本發明優勢明顯。
[0117] 綜上所述，在源信號充分稀疏和低信噪比情況下，本發明在時間復雜度和精度方 面均優于現有技術;在源信號非充分稀疏的情況下，本發明能夠在保持較低時間復雜度的 同時，顯著提高矩陣估計的精度。因此，本發明可以適用于源信號非充分稀疏條件下的盲源 分離矩陣估計，同時兼顧估計精度和時間復雜度。
【主權項】
1. 一種基于塊分割的欠定盲源分離混合矩陣估計方法，包括如下步驟： (1) 基站接收信號： 基站利用兩根天線同時接收來自多個信號源的不同信號； (2) 構造采樣信號向量： (2a)基站對兩根天線的接收信號在T時刻采樣一次，將第一根和第二根天線每次采樣 的采樣值作為向量元素，構造一個采樣信號向量； (2b)基站對兩根天線的接收信號在T時刻多次采樣，構造多個采樣信號向量； (3) 提取高能量采樣信號向量： (3a)按照下式，計算每個采樣信號向量的能量：其中，E[x(k)]表示第k次采樣得到的采樣信號向量的能量，k=l，2, . . .K，K表示總的采 樣次數;表示開根號操作；I · I2表示取絕對值的平方操作;x(k)表示第k次采樣得到的采 樣信號向量，Xi (k)表不第一根天線的第k次米樣值，X2 (k)表不第二根天線的第k次米樣值； (3b)按照下式，計算所有采樣信號向量的平均能量：其中，Earer表示所有采樣信號向量的平均能量，E[x(l)]表示第一次采樣得到的采樣信 號向量的能量，E[x(2)]表示第二次采樣得到的采樣信號向量的能量，E[x(K)]表示第K次采 樣得到的采樣信號向量的能量，K表示總的采樣次數； (3c)將提取的所有采樣信號向量能量中高于采樣信號向量平均能量十分之一的采樣 信號向量，存入高能量采樣信號向量； (4) 高能量采樣信號向量歸一化： (4a)按照下式，計算高能量采樣信號向量中第一個元素的歸一化值：其中，1/1(1〇表示第1!個高能量采樣信號向量中第一個元素的歸一化值，11=1，2，...，1 N表示總的高能量采樣信號向量的個數，X1(n)表示第η個高能量采樣信號向量的第一個元 素，χ(η)表示第η個高能量采樣信號向量，M · I |2表示2范數操作； (4b)按照下式，計算高能量采樣信號向量中第二個元素的歸一化值：其中，Wn)表示第η個高能量采樣信號向量中第二個元素的歸一化值，n=l，2，...，N， N表示總的高能量采樣信號向量的個數，χ2(η)表示第η個高能量采樣信號向量的第二個元 素，χ(η)表示第η個高能量采樣信號向量，M · I |2表示2范數操作； (4c)按照下式，計算歸一化后的高能量采樣信號向量： X7 (η) = [χ/ι(η),χ/2(η)]τ 其中，Y (η)表示第η個歸一化后的高能量采樣信號向量，X'Kn)表示第η個高能量采樣 信號向量中第一個元素的歸一化值，n=l，2, . . .，N，N表示總的高能量采樣信號向量的個 數，Wn)表示第η個高能量采樣信號向量中第二個元素的歸一化值，T表示轉置操作； (5) 構造二維坐標平面并分割坐標縱軸： (5a)以高能量采樣信號向量中第一個元素的值為橫坐標，高能量采樣信號向量中第二 個元素的值為縱坐標，構造一個二維坐標平面； (5b)以第η個高能量采樣信號向量中第一個元素的歸一化值作為第η個觀測點的橫坐 標，以第η個高能量采樣信號向量中第二個元素的歸一化值作為第η個觀測點的縱坐標，在 二維坐標平面上畫出第η個觀測點；其中， η=1，2，...，Ν，Ν表示總的高能量采樣信號向量的 個數； (5c)將二維坐標縱軸上的(_1，1)區間分成多個大小相等的子區間； (6) 統計各子區間范圍內的觀測點個數： 統計觀測點縱坐標值在第I個子區間范圍內的觀測點個數，I = 1，2, .. .M，M表示總的子 區間個數； (7) 提取聚類中心子區間： (7a)找出子區間范圍內的觀測點個數大于門限值并且大于相鄰兩個子區間范圍內觀 測點個數的子區間，將該子區間存入極大值向量； (7b)在極大值向量中找出子區間與相鄰的兩個子區間距離都大于門限值的子區間，將 該子區間存入聚類中心待選向量； (7c)在極大值向量中找出子區間只與相鄰的一個子區間距離大于門限值，同時子區間 范圍內觀測點個數大于相鄰的另一個子區間范圍內觀測點個數的子區間，將該子區間存入 聚類中心待選向量； (7d)在極大值向量中找出子區間與相鄰的兩個子區間距離都小于門限值，同時子區間 范圍內觀測點個數都大于相鄰的兩個子區間范圍內觀測點個數的子區間，將該子區間存入 聚類中心待選向量； (7e)將聚類中心待選向量中的所有子區間，按照子區間范圍內觀測點個數的大小，從 大到小進行排序； (7f)取出排序的前Q個子區間，得到聚類中心子區間； (8) 計算聚類中心坐標值： (8a)將聚類中心子區間中第i個子區間的中點值作為第i個聚類中心的縱坐標值，i = 1，2, · · .Q，Q表不信號源的個數； (8b)按照下式，計算聚類中心的橫坐標值：其中，X1表示第i個聚類中心的橫坐標值，yi表示第i個聚類中心的縱坐標值，i = l， 2,. . .Q，Q表示信號源的個數：表示開根號操作，· 2表示平方操作； (9) 將所有的聚類中心坐標值組成欠定盲源分離混合矩陣如下：其中，X1表示第一個聚類中心的橫坐標值，yi表示第一個聚類中心的縱坐標值;X2表示 第二個聚類中心的橫坐標值，y2表示第二個聚類中心的縱坐標值;XQ表示第Q個聚類中心的 橫坐標值，yQ表示第Q個聚類中心的縱坐標值，Q表示信號源的個數。2. 根據權利要求1所述的基于塊分割的欠定盲源分離混合矩陣估計方法，其特征在于： 步驟(7a)中所述的子區間范圍內的觀測點個數門限值按下式計算得到：其中，δ表示子區間范圍內的觀測點個數門限值，N表示總的高能量采樣信號向量的個 數，Q表示信號源的個數，*表示乘操作。3. 根據權利要求1所述的基于塊分割的欠定盲源分離混合矩陣估計方法，其特征在于： 步驟(7b)、步驟(7c)、步驟(7d)中所述的子區間之間距離的門限值按下式計算得到：其中，d表示子區間之間距離的門限值，M表示二維坐標縱軸上子區間的總個數。
【文檔編號】G06K9/62GK105930857SQ201610206294
【公開日】2016年9月7日
【申請日】2016年4月5日
【發明人】付衛紅, 王佳倫, 熊超, 李曉輝, 韋娟, 劉乃安, 黑永強
【申請人】西安電子科技大學