專利名稱：一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種多通道信號(hào)的稀疏分解去噪方法，屬于信號(hào)的噪聲消除與抑制領(lǐng)域。
背景技術(shù)：
信號(hào)去噪的目的是從含有噪聲的數(shù)據(jù)中摒棄各種干擾并提取出期望信號(hào)，為揭示隱藏于信號(hào)中的未知信息提供有力保障。幾十年的發(fā)展，使得對(duì)信號(hào)噪聲消除與抑制理論及其算法的研究取得了一定的成就，出現(xiàn)了多種去噪方法，主要有傳統(tǒng)濾波法、維納、卡爾曼濾波法、SVD分解法、小波分解法、經(jīng)驗(yàn)?zāi)B(tài)分解法、獨(dú)立分量分析法、神經(jīng)網(wǎng)絡(luò)和稀疏分解等方法。但不同的去噪方法大都針對(duì)特定的信號(hào)和噪聲有效，均存在或多或少的缺陷，隨著信號(hào)復(fù)雜度的升高以及人們對(duì)信號(hào)精確度的苛刻要求，很多傳統(tǒng)的信號(hào)去噪方法已經(jīng)滿足不了需求。然而，目前稀疏表示方法在信號(hào)的噪聲抑制和消除方面仍有很大的潛力，尤其是基于冗余原子庫(kù)的稀疏分解能夠?qū)崿F(xiàn)信號(hào)更加簡(jiǎn)潔、靈活和自適應(yīng)的稀疏表示，因此稀疏分解方法在信號(hào)去噪領(lǐng)域具有廣泛的應(yīng)用前景。目前，用于噪聲消除與抑制的稀疏分解有很多算法，其中匹配追蹤算法(MatchingPursuit, MP)是稀疏分解的主流算法,思想原理簡(jiǎn)單,便于理解，與稀疏分解的其他算法相比其計(jì)算復(fù)雜度最低，但由于原子庫(kù)的過(guò)完備性導(dǎo)致計(jì)算量巨大，因此復(fù)雜度高仍然是MP算法的致命問(wèn)題。針對(duì)計(jì)算量大的問(wèn)題，國(guó)內(nèi)外學(xué)者對(duì)MP算法進(jìn)行了各種改進(jìn)，諸如正交匹配跟蹤算法(Orthogonal MP，0ΜΡ)，MP快速算法使MP算法的速度提高了很多，但在信號(hào)的海量數(shù)據(jù)面前，現(xiàn)有的稀疏分解算法速度和恢復(fù)信號(hào)的質(zhì)量還是不能令人滿意。目前大多針對(duì)單個(gè)信號(hào)進(jìn)行稀疏分解去噪，很少有涉及多路信號(hào)聯(lián)合去噪的情況，然而實(shí)際中存在很多同時(shí)采集多路信號(hào)的場(chǎng)景，比如MMO通信、陣列信號(hào)處理和音頻信號(hào)序列等。另外，當(dāng)前稀疏分解研究的重點(diǎn)是改善算法本身的計(jì)算速度，很少或并沒(méi)有考慮待處理信號(hào)本身固有的結(jié)構(gòu)特性和信號(hào)內(nèi)或信號(hào)間的相關(guān)性，同樣地實(shí)際中存在很多信號(hào)都具有近似的稀疏特性，例如上述多路信號(hào)場(chǎng)景中，若多個(gè)傳感器同時(shí)接收到復(fù)用的信號(hào)，由于多徑傳播這些信號(hào)具有相移和衰落的特點(diǎn)，但是卻依然能在同一個(gè)基上稀疏表示，且信號(hào)內(nèi)與信號(hào)間存在某些相關(guān)性。

發(fā)明內(nèi)容
本發(fā)明為了解決現(xiàn)有信號(hào)去噪領(lǐng)域中稀疏分解方法去噪信噪比低，無(wú)法實(shí)現(xiàn)多路信號(hào)聯(lián)合去噪以及未考慮信號(hào)本身特性和信號(hào)相關(guān)性，致使無(wú)法從獲取的多路信號(hào)中高效準(zhǔn)確地提取每一個(gè)原信號(hào)的問(wèn)題，從而提出一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法。一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，它包括如下步驟:步驟一:設(shè)定基于信號(hào)相關(guān)性的多通道信號(hào)去噪過(guò)程中各參數(shù)的初始狀態(tài)值；
`
所述設(shè)定內(nèi)容為:具有相關(guān)性、染有高斯白噪聲的多通道信號(hào)集合為y = [y1；
I2,...,Yj,...^yj],通道數(shù)目為J，第j通道的信號(hào)為y」，冗余字典為D,稀疏度為K,最大迭代次數(shù)為iterNum,所述初始化內(nèi)容為:多通道信號(hào)集合殘差I(lǐng)^1的初始值r」,C1 = y」，j e {I,2，...，J}，匹配子字典T1的初始值TQ=0，匹配子字典T1的原子序號(hào)h的初始值to=0，迭代次數(shù)I的初始值為1，多通道信號(hào)集合的稀疏分解系數(shù)的估計(jì)向量i的初始值
權(quán)利要求
1.一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于它包括如下步驟: 步驟一:設(shè)定基于信號(hào)相關(guān)性的多通道信號(hào)去噪過(guò)程中各參數(shù)的初始狀態(tài)值； 所述設(shè)定內(nèi)容為:具有相關(guān)性、染有高斯白噪聲的多通道信號(hào)集合為I = [yi，I2，…，Yj,..., Yj],通道數(shù)目為J，第j通道的信號(hào)為y」，冗余字典為D，稀疏度為K，最大迭代次數(shù)為 iterNum, 所述初始化內(nèi)容為:多通道信號(hào)集合殘差I(lǐng)^1的初始值rj，。= yj j e {1，2，...，J}，匹配子字典T1的初始值T(, =0，匹配子字典T1的原子序號(hào)h的初始值1=0，迭代次數(shù)I的初始值為1，多通道信號(hào)集合的稀疏分解系數(shù)的估計(jì)向量i的初始值金廣0,/￡{1,2, 步驟二:獲取多通道信號(hào)集合殘差的最匹配原子； 步驟三:獲取多通道信號(hào)集合的稀疏分解匹配子字典T1 ； 步驟四:獲取稀疏分解匹配子字典T1的原子序號(hào)h ； 步驟五:更新多通道信號(hào)集合的殘差L1 ； 步驟六:判斷迭代次數(shù)I是否小于預(yù)先設(shè)定的最大迭代次數(shù)iterNum，判斷結(jié)果為是，則執(zhí)行步驟八，判斷結(jié)果為否，則執(zhí)行步驟七； 步驟七、將迭代次數(shù)I的值加1，并返回步驟二 ； 步驟八、估計(jì)多通道信號(hào)集合的稀疏分解系數(shù)向量X 步驟九:合成去噪后的多通道信號(hào)集合步。
2.根據(jù)權(quán)利要求1所述的一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于所述步驟一:最大迭代次數(shù)iterNum的設(shè)置為:iterNum = K+c, c ^ (O I) K 即最大迭代次數(shù)iterNum為多通道信號(hào)集合稀疏度K的I至2倍。
3.根據(jù)權(quán)利要求1或2所述的一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于所述步驟二:獲取多通道信號(hào)集合殘差& η的最匹配原子的過(guò)程為: 計(jì)算第I次迭代時(shí)與第1-1次迭代后的多通道信號(hào)集合殘差，其中j e {1，2，...，J}，最匹配原子d ,，其中I彡1，即 (j dHr ) Eu iJJ-1 -〃 …IvJ=I norm(d七 其中，dn為冗余字典D的第η個(gè)原子，原子對(duì)應(yīng)的序號(hào)分別為1，2，...，N，即各原子dn的共軛轉(zhuǎn)置與第j通道信號(hào)的上一步殘差相乘運(yùn)算得到一個(gè)值，取絕對(duì)值并除以原子dn的2范數(shù)，每個(gè)通道均重復(fù)上述操作，把J個(gè)通道的值累加，從中選擇累加值最大時(shí)對(duì)應(yīng)的原子即是信號(hào)集合殘差的最匹配原子\，其中ηι為的序號(hào)。
4.根據(jù)權(quán)利要求3所述的一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于所述步驟三:獲取多通道信號(hào)集合稀疏分解的匹配子字典T1的過(guò)程為: 將步驟二獲得的最匹配原子與第1-1次迭代的稀疏分解匹配子字典IV1的并集賦值給I次迭代的稀疏分解匹配子字典T1,即:rT1 = T^1 U d _。
5.根據(jù)權(quán)利要求1或4所述的一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于所述步驟四:獲取稀疏分解匹配子字典T1的原子序號(hào)h的過(guò)程為: 將步驟二獲得的最匹配原子的序號(hào)II1與稀疏分解匹配子字典IV1的原子序號(hào)的并集賦值給匹配子字典T1的原子序號(hào)t1;即:ti = V1 U Ii1 其中，t,eKM。
6.根據(jù)權(quán)利要求5所述的一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于所述步驟五:更新多通道信號(hào)集合的殘差的過(guò)程為: 根據(jù)步驟三中獲得的稀疏分解匹配子字典T1和多通道信號(hào)集合y，計(jì)算第I次迭代后的多通道信號(hào)集合的殘差L1:
7.根據(jù)權(quán)利要求6所述的一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于所述步驟八:估計(jì)多通道信號(hào)集合的稀疏分解系數(shù)向量金的過(guò)程為: 根據(jù)多通道信號(hào)集合y、步驟四中獲得的^和步驟五中獲得的矩陣T/，計(jì)算多通道信號(hào)集合的稀疏分解系數(shù)估計(jì)向量全為: Xj [t； ] = T；+y, 7' e {1,2,..., J} ο
8.根據(jù)權(quán)利要求1所述的一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，其特征在于所述步驟九:合成去噪后的多通道信號(hào)集合$的過(guò)程為: 由步驟八獲得的多通道信號(hào)集合的稀疏系數(shù)向量全和冗余字典D計(jì)算夕:之= Di7, /e {1,2，...，Jj。
全文摘要
一種基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法，涉及一種多通道信號(hào)的稀疏分解去噪方法，解決現(xiàn)有信號(hào)去噪領(lǐng)域中稀疏分解方法去噪信噪比低，無(wú)法實(shí)現(xiàn)多路信號(hào)聯(lián)合去噪以及未考慮信號(hào)本身特性和信號(hào)相關(guān)性，致使無(wú)法從獲取的多路信號(hào)中高效準(zhǔn)確地提取每一個(gè)原信號(hào)的問(wèn)題。基于信號(hào)相關(guān)性的多通道信號(hào)去噪方法的主要步驟包括設(shè)定參數(shù)初始值；獲取多通道信號(hào)集合殘差的最匹配原子；獲取多通道信號(hào)集合的稀疏分解匹配子字典；獲取稀疏分解匹配子字典的原子序號(hào)；更新多通道信號(hào)集合的殘差；判斷迭代次數(shù)是否小于預(yù)先設(shè)定的最大迭代次數(shù)；估計(jì)多通道信號(hào)集合的稀疏分解系數(shù)向量合成去噪后的多通道信號(hào)集合。本發(fā)明可廣泛應(yīng)用于具有信號(hào)相關(guān)性的多通道聯(lián)合稀疏信號(hào)的噪聲消除與抑制。
文檔編號(hào)G06F17/00GK103176947SQ201310127668
公開(kāi)日2013年6月26日 申請(qǐng)日期2013年4月12日 優(yōu)先權(quán)日2013年4月12日
發(fā)明者付寧, 喬立巖, 劉通, 史麗麗 申請(qǐng)人:哈爾濱工業(yè)大學(xué)