基于源数估计的无约束欠定盲源分离算法

付永庆，郭慧，，苏东林，刘焱

(1.哈尔滨工程大学 信息与通信工程学院，黑龙江哈尔滨150001;2.北京航空航天大学电磁兼容技术研究所，北京100191)

盲源分离(blind signal separation，BSS)起源于鸡尾酒问题［1］，可在源信号和传输信道参数均未知的情况下仅根据源信号的统计独立性和观测信号来恢复源信号，被广泛应用于生物医学［2］、地质信号处理和分析［3］、图像处理［4］和移动通信［5］等领域。根据观测信号和源信号的数目关系，将盲源分离问题分为正定、超定和欠定3种情况。上述情况都以信源数目的正确估计为前提实现信号的分离。目前，在信源数目估计领域中，以前两种情况下的盲源分离为主，基于高阶累积量扩展了很多成熟的算法，而欠定盲源分离(undetermined blind signal separation，UBSS)方面的研究尚少。目前欠定盲源分离中信源数目的估计大多基于稀疏混合信号的线性聚类特点，如:2001年Bofill利用势函数的局部最大值的个数对信源数目进行估计［6］;2008年谭北海等直接利用概率统计知识，通过划分区域并统计观测点在不同区域的概率分布实现信源数目估计［7］;2009年张烨等提出采用拉普拉斯势函数判断其局部最大值达到源数估计的目的［8］。但这些方法都存在一些问题，如算法的抗噪声性和信号的稀疏性易受异常值的影响从而造成误判。针对上述问题，提出一种Hough加窗法，利用信号的稀疏特性，先确定经平滑后的聚类区域，减小异常值的影响，再寻找区域最大值，避免陷入局部最大，在此基础上对混合矩阵进行估计。……