论文部分内容阅读
摘 要：盲源分离是指在不知道源信号和传输信道的先验信息的情况下，根据输入源信号的统计特性，仅由观测到的混合信号来恢复或分离出源信号。它广泛应用于生物医学、图像处理、无线通信和语音增强等领域。本文阐述了盲源分离的基本理论，介绍了盲源信号分离在语音信号处理、水声信号处理、燃气泄漏检测等方面的应用，提出了这些应用中存在的问题。
关键词：盲源分离；独立分量；非高斯性；现代信号处理
1 盲源信号分离和独立分量分析
1.1 盲源信号分离
盲源分离（Blind Source Separation，BSS）或盲信号分离（Blind Signal Separation，BSS）是信号处理领域兴起的一个新的研究方向，其中的“盲”是指源信号信息和传输信道的信息事先未知，在盲信号处理算法中不能利用这些信息[1，2，3]。考虑的有许多由某些物理物体或源发出信号的情形。这些物理源可以是由大脑不同区域发射的电信号，可以是同一个房间里人们讲话所发出的声信号，也可以是移动电话发出的无线电波等。进一步假设有一些传感器或接收器，这些传感器位于不同的位置，以便每一个记录的都是原始源信号经过轻微的加权后的混合。
2 盲源信号分离技术应用
国际上，研究盲源分离问题的著名学者有：美国的Salk Institutes神经计算实验室学者Sejnowski和Bell，日本的学者Amari和Cichowski，芬兰学者Oja，法国学者Comon、Cardoso等。盲分离问题发展至今，已有的大部分算法用于解决线性瞬时混合问题，一些具有良好性能的成功算法已经被应用于信号处理等很多领域，并具有广泛的应用前景。近几年非线性盲分离问题得到了极大的发展，Valpola等人将贝叶斯集合学习（Bayesian Ensemble Learning）引入到非线性盲源分离问题中达到了比较好的效果，Pajunen引入的自组织映射（SOM）方法通过提取非线性特征值分解出混合信号，基于核的非线性盲源分离算法、局部线性盲源分离算法等都备受重视。
2.1 盲信号分离在燃气泄漏检测中的应用
由于不可避免的管道老化、焊缝缺陷、人为破坏等原因造成的管道泄漏，是管道安全运营的重要隐患。泄漏的流体沿管道窜行会造成资源浪费并产生环境污染。由于管道泄漏产生的信号为非线性、非平稳信号，这就要求对泄漏信号分别从时域和频域两方面进行分析。为了正确地获得非平稳振动信号的时频变化特征，实现有效泄漏信号的特征提取，将经验模态分解（Empirical mode decomposition，EMD）引入到管泄漏检测领域。
2.2盲信号处理在燃气检测应用中存在问题
（1） 由于气体泄漏不像液体泄漏那样直观，明显，具有很强的隐蔽性，尤其是微量泄漏更是难以发现，但是泄漏事故一旦发生其危害就非常重大，因此及时的发现泄漏并且准确地对泄漏位置进行精确定位就显得尤为重要，更好的、更精确的检测与定位手段也引起了越来越多的关注。
（2） 现有的管道泄漏定位研究中，大都采用查阅手册获得的一种波速来进行定位计算，这是在假设波在传播中处于單一模态、无频散情况下的一个理论值。而实际中，应力波的传播速度会受到管道的振动模态、频散、管道本体的参数等因素的共同作用而偏离理论值，从而直接影响定位精度。已有研究成果表明的都是传播速度与某一种因素的关系，因此需要研究在多种影响因素综合作用下，应力波实际传播速度的精确估计方法。
2.3盲源分离在水声信号处理中的应用
盲源分离以其良好的性能日益受到水声领域研究学者们的关注，并得到了广泛的应用。目前针对盲源分离算法在水声中的应用问题，已有一些卓有意义的研究成果分布于水声阵列信号处理、主动声纳信号处理、目标定位与识别、舰船辐射噪声分析等诸多方面。把目前的研究成果依研究的侧重点不同，大致可以分为两类：
（1）算法的应用研究
即试图将盲源分离应用于水声信号处理领域，以解决水下目标定位，特征提取以及降噪等目的。KarimGs和DavidR.O.wling等人于2004年在JASA上发表论文，研究了适用于阵列信号处理的水声信号盲解卷积算法。
（2）针对算法机理的研究
即通过改进盲源分离算法使其适应水声信号的多途、非平稳以及欠定等特性。代表性的研究成果有：针对水声信号非平稳的特点，海军航空工程学院的单志超等人研究了利用二阶非平稳统计量的方法分离船舶辐射一噪声的盲源分离方法。
2.4盲源分离在水声信号处理中存在问题
（l）当源信号数目过多时，将无法构建足够的输入矩阵，因此，需要研究如何在源信号数目过多时，实现单通道盲源分离。
（2）如何在强干扰背景下实现极微弱信号的盲源分离；
（3）如何在相关源信号之间实现单通道盲源分离；
（4）如何利用盲源分离实现目标信号的定位与识别等。
3 结束语
本文仅仅是简单介绍了盲信号分离在少数几个行业的应用，而实际上盲源分离也已广泛地应用于多用户通信、语音处理、阵列处理、生物医学工程、地震、图像处理等很多领域。人们对盲源分离研究已经走过了三十多年的历程，有关盲源分离的理论和算法都得到了快速发展，但是，我们应当看到，无论从理论研究深度和算法实现上，盲源分离问题要走的路还有很长，这个领域研究的空间还很大，需要我们坚持不懈的努力。■
参考文献
[1] Andrzej Cichocki， Shun-ichi Amari. Adaptive Blind Signal Signal and Image Processing [M]. New York： John Wiley&Sons Inc， 2002.1-18.
[2] 杨尚明. 盲信号分离ICA理论与应用[D]. 成都：电子科技大学，2009：1-6.
作者简介：邓海利（1979-），男，山东金乡人，工程师，硕士研究生，主要从事雷电监测预警及防护技术研究。
关键词：盲源分离；独立分量；非高斯性；现代信号处理
1 盲源信号分离和独立分量分析
1.1 盲源信号分离
盲源分离（Blind Source Separation，BSS）或盲信号分离（Blind Signal Separation，BSS）是信号处理领域兴起的一个新的研究方向，其中的“盲”是指源信号信息和传输信道的信息事先未知，在盲信号处理算法中不能利用这些信息[1，2，3]。考虑的有许多由某些物理物体或源发出信号的情形。这些物理源可以是由大脑不同区域发射的电信号，可以是同一个房间里人们讲话所发出的声信号，也可以是移动电话发出的无线电波等。进一步假设有一些传感器或接收器，这些传感器位于不同的位置，以便每一个记录的都是原始源信号经过轻微的加权后的混合。
2 盲源信号分离技术应用
国际上，研究盲源分离问题的著名学者有：美国的Salk Institutes神经计算实验室学者Sejnowski和Bell，日本的学者Amari和Cichowski，芬兰学者Oja，法国学者Comon、Cardoso等。盲分离问题发展至今，已有的大部分算法用于解决线性瞬时混合问题，一些具有良好性能的成功算法已经被应用于信号处理等很多领域，并具有广泛的应用前景。近几年非线性盲分离问题得到了极大的发展，Valpola等人将贝叶斯集合学习（Bayesian Ensemble Learning）引入到非线性盲源分离问题中达到了比较好的效果，Pajunen引入的自组织映射（SOM）方法通过提取非线性特征值分解出混合信号，基于核的非线性盲源分离算法、局部线性盲源分离算法等都备受重视。
2.1 盲信号分离在燃气泄漏检测中的应用
由于不可避免的管道老化、焊缝缺陷、人为破坏等原因造成的管道泄漏，是管道安全运营的重要隐患。泄漏的流体沿管道窜行会造成资源浪费并产生环境污染。由于管道泄漏产生的信号为非线性、非平稳信号，这就要求对泄漏信号分别从时域和频域两方面进行分析。为了正确地获得非平稳振动信号的时频变化特征，实现有效泄漏信号的特征提取，将经验模态分解（Empirical mode decomposition，EMD）引入到管泄漏检测领域。
2.2盲信号处理在燃气检测应用中存在问题
（1） 由于气体泄漏不像液体泄漏那样直观，明显，具有很强的隐蔽性，尤其是微量泄漏更是难以发现，但是泄漏事故一旦发生其危害就非常重大，因此及时的发现泄漏并且准确地对泄漏位置进行精确定位就显得尤为重要，更好的、更精确的检测与定位手段也引起了越来越多的关注。
（2） 现有的管道泄漏定位研究中，大都采用查阅手册获得的一种波速来进行定位计算，这是在假设波在传播中处于單一模态、无频散情况下的一个理论值。而实际中，应力波的传播速度会受到管道的振动模态、频散、管道本体的参数等因素的共同作用而偏离理论值，从而直接影响定位精度。已有研究成果表明的都是传播速度与某一种因素的关系，因此需要研究在多种影响因素综合作用下，应力波实际传播速度的精确估计方法。
2.3盲源分离在水声信号处理中的应用
盲源分离以其良好的性能日益受到水声领域研究学者们的关注，并得到了广泛的应用。目前针对盲源分离算法在水声中的应用问题，已有一些卓有意义的研究成果分布于水声阵列信号处理、主动声纳信号处理、目标定位与识别、舰船辐射噪声分析等诸多方面。把目前的研究成果依研究的侧重点不同，大致可以分为两类：
（1）算法的应用研究
即试图将盲源分离应用于水声信号处理领域，以解决水下目标定位，特征提取以及降噪等目的。KarimGs和DavidR.O.wling等人于2004年在JASA上发表论文，研究了适用于阵列信号处理的水声信号盲解卷积算法。
（2）针对算法机理的研究
即通过改进盲源分离算法使其适应水声信号的多途、非平稳以及欠定等特性。代表性的研究成果有：针对水声信号非平稳的特点，海军航空工程学院的单志超等人研究了利用二阶非平稳统计量的方法分离船舶辐射一噪声的盲源分离方法。
2.4盲源分离在水声信号处理中存在问题
（l）当源信号数目过多时，将无法构建足够的输入矩阵，因此，需要研究如何在源信号数目过多时，实现单通道盲源分离。
（2）如何在强干扰背景下实现极微弱信号的盲源分离；
（3）如何在相关源信号之间实现单通道盲源分离；
（4）如何利用盲源分离实现目标信号的定位与识别等。
3 结束语
本文仅仅是简单介绍了盲信号分离在少数几个行业的应用，而实际上盲源分离也已广泛地应用于多用户通信、语音处理、阵列处理、生物医学工程、地震、图像处理等很多领域。人们对盲源分离研究已经走过了三十多年的历程，有关盲源分离的理论和算法都得到了快速发展，但是，我们应当看到，无论从理论研究深度和算法实现上，盲源分离问题要走的路还有很长，这个领域研究的空间还很大，需要我们坚持不懈的努力。■
参考文献
[1] Andrzej Cichocki， Shun-ichi Amari. Adaptive Blind Signal Signal and Image Processing [M]. New York： John Wiley&Sons Inc， 2002.1-18.
[2] 杨尚明. 盲信号分离ICA理论与应用[D]. 成都：电子科技大学，2009：1-6.
作者简介：邓海利（1979-），男，山东金乡人，工程师，硕士研究生，主要从事雷电监测预警及防护技术研究。