基于单通道非线性盲源分离的多源目标识别方法技术

本公开是关于一种基于单通道非线性盲源分离的多源目标识别方法。包括以下步骤：利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型；将多干扰源信息转换成多源非线性混叠信号；对多源非线性混叠信号进行盲源分离处理，得到分离信号；将分离信号进行信号识别处理，得到多源目标识别结果；其中，盲源分离包括自组织特征映射网络和径向基函数网络。本公开提出的基于单通道非线性盲源分离的多源目标识别方法能够有效解决模式混叠问题和端点效应问题，从而提高了分离信号和多干扰源信息之间的相似度。信号和多干扰源信息之间的相似度。信号和多干扰源信息之间的相似度。

【技术实现步骤摘要】
基于单通道非线性盲源分离的多源目标识别方法


[0001]本公开涉及多源目标识别
，尤其涉及一种基于单通道非线性盲源分离的多源目标识别方法。

技术介绍

[0002]盲源分离技术是盲信号处理技术的一种。它是指在不知道源信号和传输信道的任何先验知识的情况下，仅仅根据所获得的观测数据，将多种混合信号分离开的信号处理技术。盲源分离技术常见分类有：根据混合通道个数可以分为单通道和多通道信号盲源分离；根据源信号混合方式可以分为线性混合和非线性混合，其中，线性混合又可以分为卷积混合和瞬时混合，非线性混合又可以分为一般非线性模型和后非线性混叠模型；根据源信号与观测信号数目关系可以分为欠定、正定和超定盲源分离。
[0003]单通道盲源分离算法是欠定盲源分离算法的一种，它是通过提取一个接收通道的观测数据去估计多个不同源信号的处理手段。单通道盲源分离技术的求解较为复杂，这种分离技术在进行多源目标分辨时，所需的接收设备数量较少，并且能够增强接收设备的灵活性。在实际操作环境中，由于传输信道的动态性，使得传感器检测到的混合信号通常是由非线性混合得到的，虽然非线性混合的工作效率较高，但往往会出现严重的非线性失真问题，例如模式混叠现象和端点效应问题。因此，将单通道盲源和非线性盲源进行结合，以解决上述技术问题，具有重要的研究意义。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本公开实施例的目的在于提供一种基于单通道非线性盲源分离的多源目标识别方法，包括以下步骤：
[0006]利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型；
[0007]将所述多干扰源信息转换成多源非线性混叠信号；
[0008]对所述多源非线性混叠信号进行盲源分离处理，得到分离信号；
[0009]将所述分离信号进行信号识别处理，得到多源目标识别结果；
[0010]其中，所述盲源分离处理包括自组织特征映射网络和径向基函数网络。
[0011]本公开的一示例性实施例中，在所述利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型的步骤中，所述多干扰源信息包括单音干扰、多音干扰、扫频干扰、调频干扰、脉冲干扰、BPSK宽带干扰、BPSK窄带干扰和欺骗干扰。
[0012]本公开的一示例性实施例中，将所述多干扰源信息转换成多源非线性混叠信号的步骤包括：
[0013]将所述多干扰源信息中的每个干扰源信息分别进行线性混叠处理，分别得到多个
线性混叠干扰源信息；
[0014]对多个所述线性混叠干扰源信息分别进行非线性混叠处理，得到所述多源非线性混叠信号。
[0015]本公开的一示例性实施例中，对所述多源非线性混叠信号进行盲源分离处理，得到分离信号的步骤包括：
[0016]对所述多源非线性混叠信号进行降噪预处理；得到多源降噪非线性混叠信号；
[0017]将所述多源降噪非线性混叠信号进行经验模态分解，得到多个IMF分量信号；
[0018]利用所述自组织特征映射网络对多个所述IMF分量信号进行聚类处理，将所述聚类处理的结果输入至所述径向基函数网络中，得到所述径向基函数网络输出的所述分离信号。
[0019]本公开的一示例性实施例中，对所述多源非线性混叠信号进行降噪预处理的步骤包括：
[0020]对所述多源非线性混叠信号进行零均值化处理；并将所述零均值化处理后的所述多源非线性混叠信号进行白化处理；得到所述多源降噪非线性混叠信号；
[0021]所述零均值化处理的公式包括：
[0022][0023]所述白化处理的公式包括：
[0024][0025]其中，表示白化处理后的多源降噪非线性混叠信号；X
i0
(t)表示零均值处理后的多源降噪非线性混叠信号；Q表示白化矩阵，Q＝Λ
‑
1/2
U
T
；X
i
(t)表示混合信号；Λ＝diag(d1,d2,...,d
m
)，表示由m个特征值组成的对角矩阵；U表示与m个特征值对应的特征矢量组成的特征矩阵；T表示向量转置；t表示某一时刻。
[0026]本公开的一示例性实施例中，将所述多源降噪非线性混叠信号进行经验模态分解，得到多个IMF分量信号的步骤包括：
[0027]确定所述多源降噪非线性混叠信号中所有局部极值点；所述局部极值点包括多个局部极大值和多个局部极小值；
[0028]分别将所有所述局部极大值连接，形成上包络线x
max
(t)；分别将所有所述局部极小值连接，形成下包络线x
min
(t)；并由此得到平均包络线m
i
(t)；
[0029]所述平均包络线m
i
(t)的公式包括：
[0030]m
i
(t)＝(x
max
(t)+x
min
(t))/2
ꢀꢀ
(3)
[0031]其中，i＝1,2,3,...,N；
[0032]计算所述多源降噪非线性混叠信号与所述平均包络线m
i
(t)的差值，计算所述差值h
i
(t)的公式包括：
[0033][0034]其中，i＝1,2,3,...,N；
[0035]用所述差值h
i
(t)替换并重复上述计算所述平均包络线和所述差值的步骤，
直至所述差值h
i
(t)符合成为所述IMF分量信号的条件，则所述差值h
i
(t)为IMF1，i＝1，记为C1(t)；
[0036]将所述C1(t)从所述中去除，得到新的多源降噪非线性混叠信号
[0037][0038]对得到的所述C1(t)，重复上述所有步骤直至得到满足成为所述IMF分量信号的所有所述差值h
i
(t)，且剩余残差信号r
n
(t)为单调函数；即，
[0039]计算每一个所述IMF分量信号的能量E
i
，计算公式包括：
[0040][0041]计算得到所有IMF分量信号的总能量E，计算公式包括：
[0042][0043]计算每一个所述IMF分量信号的相对能量η
k
，计算公式包括：
[0044]η
k
＝E
i
/E
×
100％
ꢀꢀ
(9)
[0045]将求得的所有所述IMF分量信号按照所述相对能量η
k
从大到小的顺序排列，剔除所述剩余残差信号r
n
(t)，得到所有所述IMF分量信号的相对能量分别对应的本征模态函数imf
k
，将所有所述本征模态函数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于单通道非线性盲源分离的多源目标识别方法，其特征在于，包括以下步骤：利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型；将所述多干扰源信息转换成多源非线性混叠信号；对所述多源非线性混叠信号进行盲源分离处理，得到分离信号；将所述分离信号进行信号识别处理，得到多源目标识别结果；其中，所述盲源分离处理包括自组织特征映射网络和径向基函数网络。2.根据权利要求1所述单通道非线性盲源分离的多源目标识别方法，其特征在于，在所述利用接收设备采集到的同一时刻的多干扰源信息，建立单通道非线性盲源分离模型的步骤中，所述多干扰源信息包括单音干扰、多音干扰、扫频干扰、调频干扰、脉冲干扰、BPSK宽带干扰、BPSK窄带干扰和欺骗干扰。3.根据权利要求1所述单通道非线性盲源分离的多源目标识别方法，其特征在于，将所述多干扰源信息转换成多源非线性混叠信号的步骤包括：将所述多干扰源信息中的每个干扰源信息分别进行线性混叠处理，分别得到多个线性混叠干扰源信息；对多个所述线性混叠干扰源信息分别进行非线性混叠处理，得到所述多源非线性混叠信号。4.根据权利要求1所述单通道非线性盲源分离的多源目标识别方法，其特征在于，对所述多源非线性混叠信号进行盲源分离处理，得到分离信号的步骤包括：对所述多源非线性混叠信号进行降噪预处理；得到多源降噪非线性混叠信号；将所述多源降噪非线性混叠信号进行经验模态分解，得到多个IMF分量信号；利用所述自组织特征映射网络对多个所述IMF分量信号进行聚类处理，将所述聚类处理的结果输入至所述径向基函数网络中，得到所述径向基函数网络输出的所述分离信号。5.根据权利要求4所述单通道非线性盲源分离的多源目标识别方法，其特征在于，对所述多源非线性混叠信号进行降噪预处理的步骤包括：对所述多源非线性混叠信号进行零均值化处理；并将所述零均值化处理后的所述多源非线性混叠信号进行白化处理；得到所述多源降噪非线性混叠信号；所述零均值化处理的公式包括：所述白化处理的公式包括：其中，表示白化处理后的多源降噪非线性混叠信号；X
i0
(t)表示零均值处理后的多源降噪非线性混叠信号；Q表示白化矩阵，Q＝Λ
‑
1/2
U
T
；X
i
(t)表示混合信号；Λ＝diag(d1,d2,...,d
m
)，表示由m个特征值组成的对角矩阵；U表示与m个特征值对应的特征矢量组成的特征矩阵；T表示向量转置；t表示某一时刻。6.根据权利要求5所述单通道非线性盲源分离的多源目标识别方法，其特征在于，将所述多源降噪非线性混叠信号进行经验模态分解，得到多个IMF分量信号的步骤包括：确定所述多源降噪非线性混叠信号中所有局部极值点；所述局部极值点包括多个局部
极大值和多个局部极小值；分别将所有所述局部极大值连接，形成上包络线x
max
(t)；分别将所有所述局部极小值连接，形成下包络线x
min
(t)；并由此得到平均包络线m
i
(t)；所述平均包络线m
i
(t)的公式包括：m
i
(t)＝(x
max
(t)+x
min
(t))/2
ꢀꢀꢀꢀꢀ
(3)其中，i＝1,2,3,...,N；计算所述多源降噪非线性混叠信号与所述平均包络线m
i
(t)的差值，计算所述差值h
i
(t)的公式包括：其中，i＝1,2,3,...,N；用所述差值h
i
(t)替换并重复...

【专利技术属性】
技术研发人员：杨光，刘星，聂敏，吴朝阳，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：