技术特征:1.一种非负盲源分离方法,其特征在于,包括如下步骤:
步骤s110、估计混合矩阵,使得该混合矩阵的每列元素均为一条直线的斜率的分量,该直线为观测矩阵对应的单锥的边界或边界的交线,并且还使得该混合矩阵的元素为非负值,每列元素之和为1;
步骤s120、依据观测矩阵和估计的混合矩阵得到估计的源信号矩阵,从而构建解空间;
步骤s130、在解空间中,计算估计的源信号矩阵的每行元素对应的源信号彼此之间的二值相关度;
步骤s140、将二值相关度最小的源信号作为分离结果。
2.根据权利要求1所述的非负盲源分离方法,其特征在于,若估计的混合矩阵是二维矩阵,则,其中,,,和为单锥的一条边的斜率的分量,和为单锥的另一条边的斜率的分量,并且和的和为1,和的和为1。
3.根据权利要求1所述的非负盲源分离方法,其特征在于,若估计的混合矩阵是三维矩阵则估计的混合矩阵的每一列的元素为单锥的边的斜率的分量,其中单锥的边为单锥的面的交集,并且混合矩阵的每一列的元素之和为1。
4.根据权利要求1所述的非负盲源分离方法,其特征在于,若估计的混合矩阵是大于三维矩阵,则估计的混合矩阵的每一列的元素为(n-1)个超平面相交的直线的斜率的分量,并且混合矩阵的每一列的元素之和为1。
5.根据权利要求1所述的非负盲源分离方法,其特征在于,将观测矩阵和估计的混合矩阵代入公式中,估计出源信号矩阵。
6.根据权利要求1所述的非负盲源分离方法,其特征在于,在依据观测矩阵和估计的混合矩阵得到估计的源信号矩阵之前,对观测矩阵对应的观测信号进行降噪处理。
7.根据权利要求1所述的非负盲源分离方法,其特征在于,计算源信号彼此之间的二值相关度,具体包括如下步骤:
步骤s131、计算源信号矩阵中每行元素对应的源信号的梯度分布;
步骤s132、依据预设的阈值和计算得到的源信号的梯度分布,将源信号进行二值化;
步骤s133、计算二值化后的源信号彼此之间的二值相关度。
8.根据权利要求7所述的非负盲源分离方法,其特征在于,将梯度大于阈值的源信号的设置为1,而将梯度小于阈值的源信号设置为0,以对源信号进行二值化。
9.根据权利要求7所述的非负盲源分离方法,其特征在于,源信号矩阵为二维矩阵,则通过公式计算估计的源信号和的二值相关度,其中,为源信号的二值化结果,为源信号的二值化结果,k表示源信号的样本数,“⋅”为内积运算符。
10.一种非负盲源分离系统,其特征在于,包括:传感器和分离装置,传感器采集观测信号,并将观测信号发送给分离装置,分离装置执行上述权利要求1-9任一项所述的非负盲源分离方法,以通过观测信号对应的观测矩阵分离出源信号。
技术总结本申请涉及盲源分离技术领域,尤其涉及一种非负盲源分离方法及系统,其中,非负盲源分离方法,包括:估计混合矩阵,使得该混合矩阵的每列元素均为一条直线的斜率的分量,该直线为观测矩阵对应的单锥的边界或边界的交线,并且还使得该混合矩阵 的元素为非负值,每列元素之和为1;依据观测矩阵和估计的混合矩阵得到估计的源信号矩阵,从而构建解空间;在解空间中,计算估计的源信号矩阵的每行元素对应的源信号彼此之间的二值相关度;将二值相关度最小的源信号作为分离结果。本申请在非负盲源分离中避免添加假设以及限制观测数据点云的形状,从而使得非负盲源分离方法具有通用性。
技术研发人员:赵明瞻
受保护的技术使用者:北京英迈琪科技有限公司
技术研发日:2020.08.04
技术公布日:2020.09.11