劉子龍

（?？诮?jīng)濟(jì)學(xué)院，海南?？?，571127）

關(guān)于盲信號(hào)處理技術(shù)發(fā)展研究

劉子龍

（?？诮?jīng)濟(jì)學(xué)院，海南海口，571127）

本文主要介紹盲信號(hào)處理的意義和定義，闡述當(dāng)前盲信號(hào)處理的研究現(xiàn)狀。分析盲信號(hào)處理領(lǐng)域中仍需解決的問題，并為后續(xù)的研究提出建議與展望。

盲分離；觀測信號(hào)；源信號(hào)

0 引言

大數(shù)據(jù)時(shí)代的來臨，推動(dòng)著社會(huì)科技飛速的發(fā)展，各種新型電子設(shè)備層出不窮，信息領(lǐng)域更是日新月異，使得信號(hào)的獲取、傳輸和信號(hào)本身更加的復(fù)雜。傳統(tǒng)的信號(hào)分析與數(shù)據(jù)分析方法已經(jīng)不能滿足時(shí)代的發(fā)展需求。由于信號(hào)的復(fù)雜多樣，很多時(shí)候，搜索、獲取信號(hào)的同時(shí)，信號(hào)的傳輸方式、信道性質(zhì)等信息往往無法獲悉。尤其是在信號(hào)類型未知或者信道未知的情況下，從觀測信號(hào)中分離出所需信息，是近年來信號(hào)處理面臨的新問題，為了解決這類復(fù)雜的問題，盲信號(hào)處理技術(shù)應(yīng)運(yùn)而生。

1 盲信號(hào)處理概述

盲信號(hào)處理（BSS，Blind Source Separation）最早起源于“雞尾酒會(huì)問題”[1]：在一場雞尾酒會(huì)中，傳感器接收到源信號(hào)中混合著多個(gè)說話者的聲音以及其他干擾聲音。盲信號(hào)處理就是在這樣的情況下提出的。分析采集的信號(hào)，從中分離、提取出所需說話者的聲音信息。這種從混合復(fù)雜聲音中提取并辨別感興趣聲音，而忽略其他聲音的現(xiàn)象稱為“雞尾酒會(huì)效應(yīng)”。這個(gè)過程看似簡單，但是在實(shí)際情況下，所接收到的信號(hào)當(dāng)中往往夾雜著各種的噪聲信號(hào)，并且伴隨大量的虛假或無用信息，更為復(fù)雜的是信號(hào)當(dāng)中的有用信息也會(huì)被其他信號(hào)掩蓋或者污染。

所謂的“盲”信號(hào)主要是指[2]：（1）觀測信號(hào)中的信源是未知的，就是在獲得觀測信號(hào)后，所需的信息是未知的或者不完整的；（2）通過傳感器獲取的觀測信號(hào)，是混雜著有效信號(hào)與噪聲信號(hào)的，信號(hào)之間的混疊方式同樣是未知的。因此，要在復(fù)雜的觀測信號(hào)()yt中尋找一個(gè)合適的函數(shù)()Ψ·將所需信號(hào)分離出來，得到輸出的信息量()st和噪聲量()nt這個(gè)過程就稱為盲信號(hào)分離[3,4]，其中函數(shù)()Ψ·和()st、()nt均是未知的，如圖1所示。

在盲信號(hào)處理過程中，為了保證盲分離的效果，通常會(huì)有三個(gè)基本假設(shè)[4]:

圖1 盲信號(hào)分離過程

（1）在觀測信號(hào)中，源信號(hào)混合方式用矩陣A表示，并假設(shè)混合矩陣A為滿秩矩陣；

（2）源信號(hào)當(dāng)中的各個(gè)分量之間是相互統(tǒng)計(jì)獨(dú)立，且最多有一個(gè)分量服從高斯分布；

（3）分離過程中不考慮噪聲信號(hào)，即噪聲信號(hào)與源信號(hào)之間相互統(tǒng)計(jì)獨(dú)立。

在盲信號(hào)處理問題，根據(jù)觀測信號(hào)的數(shù)目和需求的源信號(hào)數(shù)目的不同可以分為確定問題、欠定問題和超定問題三種，如圖2所示[5,6,7]。

圖2 盲信號(hào)問題的分類

超定問題的盲信號(hào)分離算法目前相對成熟，并在聲探測、圖像處理等很多領(lǐng)域得到了廣泛的應(yīng)用[8]；欠定問題的數(shù)學(xué)方程模型屬于病態(tài)問題[9]，算法更加復(fù)雜，大多數(shù)算法是將欠定數(shù)學(xué)模型進(jìn)行拓展，轉(zhuǎn)為超定問題或正定問題來進(jìn)行分離，目前在實(shí)際的應(yīng)用中應(yīng)用較少；而單通道盲信號(hào)處理是欠定盲信號(hào)處理當(dāng)中的特殊情況，用一個(gè)觀測信號(hào)來進(jìn)行盲分離，大多數(shù)算法仍處于仿真計(jì)算階段[10]。

2 盲信號(hào)處理的研究現(xiàn)狀及分析

最早的盲信號(hào)處理算法是H-J算法[11-13]，于1991年被法國學(xué)者Herault和Jutten提出。在這之后，盲信號(hào)處理逐漸走入到各國專家學(xué)者的視線當(dāng)中。隨后在1995年A.J. Bell和 T.J. Sejnowski在神經(jīng)網(wǎng)絡(luò)算法的基礎(chǔ)上[14]，提出了獨(dú)立分量分析（ICA，independent component analysis）算法，這個(gè)算法直到今天仍然具有廣泛的應(yīng)用。隨后如雨后春筍一般層出不窮，利用極大似然估計(jì)算法進(jìn)行盲分離；根據(jù)數(shù)據(jù)峭度最大話進(jìn)行盲分離；利用矩陣特征值特征向量進(jìn)行盲分離等等。近些年來，根據(jù)信號(hào)的信息量不同，有人提出了基于極大化負(fù)熵的復(fù)值信號(hào)盲信分。盲信號(hào)處理技術(shù)逐漸發(fā)展為包含通信原理、統(tǒng)計(jì)學(xué)、神經(jīng)網(wǎng)絡(luò)、模式分類、數(shù)據(jù)挖掘等多學(xué)科的綜合性技術(shù)，所研究分離的信號(hào)類型也從一維的聲信號(hào)到二維的圖像信號(hào)和從單一信號(hào)處理到復(fù)合信號(hào)處理等多種情況[15]。

目前，盲信號(hào)處理在很多領(lǐng)域都有一定的應(yīng)用，例如在語音識(shí)別中，可以在復(fù)雜的聲音環(huán)境下識(shí)別出目標(biāo)聲音信號(hào)；在圖像處理中，能夠?qū)δ繕?biāo)對象進(jìn)行分離，得到所需信息；在圖像和聲信號(hào)加密技術(shù)中，地對目標(biāo)信號(hào)進(jìn)行加密，更加安全。在刑偵學(xué)中，盲信號(hào)處理技術(shù)可以在復(fù)雜的環(huán)境下判斷出目標(biāo)對象及對象數(shù)目；在軍事偵查中，可以利用盲信號(hào)處理技術(shù)判斷軍事目標(biāo)的數(shù)目和類型；同樣，在機(jī)械檢測、樣品分析等其他領(lǐng)域，盲信號(hào)處理技術(shù)都具有很廣泛的應(yīng)用價(jià)值。

盲信號(hào)處理技術(shù)在近些年發(fā)展迅速，但是仍然處于理論階段，仍存在很多需要完善的地方，并且隨著研究的深入以及層出不窮的新的問題和挑戰(zhàn)，一些原有方法已經(jīng)無法處理新的問題。盲信號(hào)處理的算法提出之后，缺乏相應(yīng)的對比研究，在實(shí)際應(yīng)用中受到了極大的限制。在多維信號(hào)處理當(dāng)中，如果獲取信號(hào)維數(shù)較多，在盲分離過程中引入?yún)?shù)的話，會(huì)增加數(shù)據(jù)的數(shù)量，進(jìn)而增大計(jì)算量，計(jì)算難度提高，正確性和準(zhǔn)確度降低。欠定盲信號(hào)處理技術(shù)仍然處于理論階段，距離應(yīng)用到實(shí)踐當(dāng)中仍然存在一定的距離，算法的精度和正確性由于缺乏參照難以保證，而且算法的適應(yīng)性有待提高。因此，盲信號(hào)處理技術(shù)仍然處于理論階段，在實(shí)際的應(yīng)用中有待進(jìn)一步提高算法的正確性、準(zhǔn)確性和穩(wěn)定性。

3 總結(jié)

盲信號(hào)處理是新興的學(xué)科，其發(fā)展迅速，目前已經(jīng)在多個(gè)領(lǐng)域中起到了重要作用。但是盲信號(hào)技術(shù)仍然處于發(fā)展階段，存在未能解決和需要進(jìn)一步探討研究的問題。在實(shí)際中，盲信號(hào)處理技術(shù)依然需要結(jié)合具體的應(yīng)用領(lǐng)域和背景來實(shí)現(xiàn)盲信號(hào)處理的實(shí)際應(yīng)用。因此，盲信號(hào)處理技術(shù)有待更加深入的探討和研究。

[1] Andrzej Cichocki, Shun-ichi Amari. Adeptive Blind Signal and Image Processing [M], John Wiley&Sons, Ltd, 2002:34-35.

[2] A.Hyvrinen. Blind source separation by nonstationarity of variance: A cumula-ntbased approach. IEEE Transactions on Neural Networks. 2001,12(6): 1471-1474.

[3] S.I.Amari, A.Hyvrinen. Blind singal separation and independent component analysis [J]. Neurocomputing. 2002,49:1-5.

[4] 張發(fā)啟. 盲信號(hào)處理及應(yīng)用. 西安電子科技大學(xué)出版社. 2006:1-16.

[5] 史習(xí)智. 盲信號(hào)處理-理論與實(shí)踐. 上海交通大學(xué)出版社. 2006:3-4.

[6] A.Cichocki, J.Karhunen, W.Kasprzak, R.Vigario.Neural networks for blind separation with unknown number of sources [J]. Neurocomputing, February 1999,24(1-3):55-93.

[7] 張賢達(dá).盲信號(hào)處理幾個(gè)關(guān)鍵問題的研究 [J].深圳大學(xué)學(xué)報(bào)理工版.2004.07:196-199.

[8] 彭耿, 黃知濤, 姜文利, 周一宇. 單通道盲信號(hào)分離研究進(jìn)展與展望[J]. 中國電子科學(xué)研究學(xué)報(bào). 2009,6(3):268-277.

[9] Lee T, Lewicki M S. Blind Source Separation of More Sources Than Mixtures Using Overcomplete Representations[J]. IEEE Signal Processing Letters. 1999,6(4):87-90.

[10] Cao X R, Liu R W. General Approach to Blind Source Separation[J]. IEEE Transactions on Signal Processing. 1996(3):562-571.

[11] Sahmoudi M. Generalized Contrast Functions for Blind Separation of Overdetermined Linear Mixtures with Unknown Numbers of Sources. Statistical Signal Processing. IEEE/SP 13th Workshop on 17-20 July 2005:1138-1143.

[12] 李京華, 許家棟, 李紅娟. 戰(zhàn)場多目標(biāo)混合聲信號(hào)源數(shù)盲估計(jì)算法研究[J]. 兵工學(xué)報(bào). 2008,29(5):596-561.

[13] 張洪淵, 史習(xí)智. 一種任意信號(hào)源盲分離的高效算法[J]. 電子學(xué)報(bào). 2001,29 (10): 1393 -1396.

[14] Christian Jutten, Jeanny Herault. Blind separation of sources, Part II:An adaptive algorithm based on neuromimetic architecture. Signal Processing, 1991,24:1-10.

[15] Christian Jutten, Jeanny Herault. Blind separation of sources, Part II:Problems statement [J]. Signal Processing, 1991,24:11-20.

[16] H Akaike. A New Look at Statistical Model Identification. IEEE Tram Automatic Control, vol, AC-19,December 1974:716-723.

Research on the development of blind signal processing technology

Liu Zilong
(Haikou College of Economics,Haikou Hainan,571127)

This paper introduces the significance and definition of blind signal processing , and the research status. Then analyzes the problems which are still needed to be solved in the field of blind signal processing , and giving suggestion for the prospects of subsequent research.

Blind source separation;Observation signal;The source signals

劉子龍（1986.02-），碩士，講師，主要研究方向：盲信號(hào)處理，應(yīng)用數(shù)學(xué)，數(shù)學(xué)建模。