多途環境下的單通道水聲信號盲源分離

劉 佳，楊士莪，樸勝春

(1.中國科學院 聲學研究所，北京 100190;2.哈爾濱工程大學 水聲技術實驗室，哈爾濱 150001)

盲源分離(Blind Source Separation-BSS)是指在不知道任何先驗知識或者只知道很少量先驗知識的情況下，利用觀測信號提取或分離各源信號的方法［1-2］。該方法在很多領域都有著廣泛的應用前景。在水聲信號處理領域也有諸多研究［3-7］，但目前的成果及其應用大都是基于多觀測通道。而實際應用中受各種條件制約，有時存在只有單觀測通道的情況，此時基于矩陣運算的常規盲源分離算法已不適用，這種極端的欠定情況稱為單通道盲源分離。雖然單觀測通道給盲源分離算法帶來很多弊端，但它仍憑借良好的應用前景得到很多學者的關注。目前在語音、生物醫學等應用領域已有一些解決單觀測通道的盲源分離方法［8-10］，如Jang的時域基函數法，James的狀態空間構建法等，Warner的過采樣方法等。然而當前的研究方法多是基于瞬時混疊模型，而水聲信號由于信道的影響，存在顯著的多途特征，多途的干擾會導致接收信號信噪比降低，波形失真等，嚴重影響信號分離效果，因而有必要研究多途卷積條件下的單通道盲源分離算法。

文中在現有研究的基礎上，通過多途聚焦的方法使多途信號同相疊加，使信號能量得到有效增強，再應用間隔重采樣的方法，構造虛擬通道，解決單通道的欠定問題。

1 單通道多途聚焦

設源信號s(t)經多途信道由單傳感器接收，則接收傳感器的接收信號為:

其中，x(t)為接收信號，n為多途的數目，ai為第i個多途的幅度衰減因子，τi為第i個多途的傳播時間，n(t)為接收端引入的噪聲。將式(1)寫成卷積的形式:

其中，h(t)為信道的單位沖擊響應:

為補償多徑效應引起的波形畸變，實現多途信號能量的有效疊加，將接收到的信號與估計的信道響應的時間反轉做卷積［11］:

多徑聚焦使信號的能量得到增強，而噪聲的能量并不會增加。

準確估計多途時延對完成多途聚焦很關鍵，對于被動多途時延估計，較為穩定的方法是自相關法。接收信號的自相關函數在每個多途相對首達信號的時延位置及每兩路信號的相對時延位置都有一個局部峰值［12］，通過估計自相關函數的峰值時刻可以得到各個多途相對首達信號的時延。但各個多途之間的時延差值會產生偽峰，干擾多途的估計，文中采用人工篩選的方法予以避免，當某個峰值時刻滿足另外兩個峰值時刻的差時，即:

其中，k=1，…，m，i，j=1，…，m，i，j≠k時，則剔除 τk時刻所對應的峰值。

2 單通道盲源分離

當只有一個觀測通道時，基于矩陣運算的常規盲源分離方法都不適用，文中采用分數間隔采樣的方法構建虛擬通道［13］，以解決單通道的欠定問題。

經過多途聚焦的接收信號z(t)如式(5)所示，噪聲與信號的統計特性不同，因此可以將噪聲考慮為一類源信號，接收信號轉化為無噪混合模型。考慮兩個源信號的情況，接收信號z(t)表示如下:

其中s1(t)、s2(t)為源信號，a1、a2為幅度因子。

設P是一個整數，取采樣間隔為Δ=T/p，采樣頻率為fs=1/Δ，離散采樣的信號表達為:

z(kΔ)可以按周期T進行抽取，構成P個新序列。即令t=kT+iΔ，i=1，2，…，P，記為:

于是:

上式意味著可以把單通道的信號分解為P個通道的信號，表達成矩陣的形式:

其中z(t)=［z1(t)z2(t) …zp(t)］T，s(t)=［s1(t)s2(t)］T。

將單通道的問題轉化為多通道的問題，即可利用常規的盲源分離算法進行源信號的估計。由于船舶輻射噪聲與海洋環境噪聲統計特性不同，因此可以采用獨立分量分析(Independent Component Analyses，ICA)的方法從觀測信號中分離出相互獨立的源信號。

文中采用一種基于負熵的判據的ICA算法:快速ICA(Fast ICA)［14］，該方法由 Hyvarinen 等提出，算法收斂速度較快。步驟如下:

(2)令p=0，隨機地選擇初始權值矢量wp;

(3)p=p+1;

(4)對wp進行調整:

其中g(u)=tg(a1u)，1≤a1≤2;

(5)歸一化處理:wp+1=wp+1/wp+1

(6)假如wp+1不收斂的話，返回第3步;如果收斂，足估算出一個獨立分量y=wp+1X;

(7)從觀察信號中去除提取出來的獨立分量;

通過使用ICA算法求解分離矩陣W，可以實現各源信號的分離:

其中，z(t)為多途聚焦處理后接收信號，u(t)為源信號s(t)的估計。

3 實測數據仿真分析

為了研究算法的處理能力，進行仿真分析。仿真條件如下:

(1)用實際測量到的某船輻射噪聲作源信號s1;

(2)用帶限高斯白噪聲仿真得到海洋環境噪聲n1;

(3)考慮上邊界絕對軟，下邊界絕對硬，聲速均勻分布的信道模型，利用虛源法估計信道沖擊響應函數［15］，只考慮前四根本征聲線，仿真的信道沖擊響應函數h(t)如圖1所示。

考慮各個源信號滿足遠場入射，源信號s1經過信道被傳感器接收，在接收端引入加性噪聲n1，得到的觀測信號如下:

仿真中，信號分析長度為1 s，分析帶寬為10～2 200 Hz，采樣頻率fs=20 kHz，采樣間隔 Δ =0.05 ms，構建P=5個虛擬通道，抽樣間隔T=0.25 ms。

圖1 仿真的信道沖擊響應函數Fig.1 The unit impulsive response of the channel in simulation

由圖2可見，經盲源分離得到的信號與相應的源信號波形比較相近，可見經過多途聚焦后再進行盲源分離，可以較為有效的分離各個源信號。但是，可以看出估計得到的源信號波形依然有畸變，這是由于信號中依然含有多途的干擾。因為經過多途聚焦處理后信號分量雖然得到加強，相對的提高了信噪比，但是卻不能消除多途干擾。

相關系數一般作為分離性能的評價標準，表1分別給出了不同信噪比下，分離前后的信號與源信號的相關系數，以及未經過多徑聚焦的信號盲源分離后與源信號的相關系數。

表1 比較各分離信號與源信號的相關系數Tab.1 The comparison of coefficients of correlation between separated signals and source signal

由表1可見，在不同信噪比下，聚焦后信號與源信號的相關系數比聚焦前有一定提高，說明聚焦可以實現信號疊加增強信噪比。聚焦后的信號經過盲源分離后相對原始接收信號相關系數由較大提高，說明了算法對于存在多徑干擾的單通道觀測信號進行盲源分離是有效的。同時，與未經聚焦的信號盲源分離結果對比可見，多途聚焦有效的改善了盲源分離效果。

圖2 多途卷積條件下的盲源分離實驗結果(SNR=0dB)Fig.2 The results of single channel blind source separation under multipath condition(SNR=0dB)

4 結論

針對實際中水聲信號多途效應顯著的問題，采用多途聚焦的方法，減小多途傳播對水聲信號帶來的影響，提高目標的分離性能。針對只有單觀測通道時基于矩陣運算的常規盲源分離算法將會失效的問題，采用分數間隔重采樣的方法構建虛擬接收通道，有效解決了單通道的欠定問題。結合獨立分量分析的方法可以有效完成各源信號的分離。經仿真分析驗證，本方法可以有效地從環境噪聲中分離出船舶輻射噪聲，而且在不同信噪比下分離性能均比較穩定。由于該方法僅需要單觀測通道即可實現盲源分離，因此可以簡化接收設備，對很多不具備多觀測通道場合有良好的適用性。

［1］ Herault J，Jutten C.Blind separation of sources.Part i:an adaptive algorithm based on neuromimetic architecture［J］.Signal Processing，1991，24(1):1-10.

［2］ Cardoso J F.Blind signal separation:statistical principles［J］.Proceedings of the IEEE，1998，86(10):2009-2025.

［3］倪晉平，馬遠良，孫 超.用獨立成份分析算法實現水聲信號盲分離［J］.聲學學報，2002，27(4):321-326.

［4］姜衛東，陸佶人，張宏滔.基于單個頻點的水聲信號盲源分離［J］.電子與信息學報，2006，27(3):32-36.

［5］張安清，章新華，邱天爽，等.基于線譜點的一種頻域盲分離方法［J］.系統工程與電子技術，2006，28(9):1307-1310.

［6］Gaeta M，Briolle F，Esparcieux P.Blind separation of sources applied to convolutive［C］//Proceedings of the IEEE Signal Processing Workshop on Higher-Order Statistics，1997:21-23.

［7］Mansour A，Benchekroun N，Gervaise C.Blind separation of underwater acoustic signals［C］//Independent Component Analysis and Blind Signal Separation.6th International Conference，ICA 2006.Proceedings.5-8 March 2006.Charleston，SC，USA，181-188.

［8］ Jang G J，Lee T W.Single-channel signal separation using time-domain basis functions［J］.IEEE Signal Processing Letters，2003，10(6):168-171.

［9］Davies M E，James C J.Source Separation using Single Channel ICA［J］.Signal Processing，2007，87(8):1819-1832.

［10］ Wang S G，James C J.On the independent component analysis of evoked potentials through single or few recording channels［C］//Proceedings of the 29th Annual International Conference of the IEEE EMBS Cité Internationale，Lyon，France，2007:5433-5436.

［11］馬敬廣，殷敬偉，惠俊英，等.虛擬時反鏡在被動測距中的應用［J］.應用聲學.2007，26:135-142.

［12］毛衛寧，岳峻松，錢 進.多途時延估計［C］//中國聲學學會2002年全國聲學學術會議，2002:117-118.

［13］張發啟，張 斌，張喜斌.盲信號處理及應用［M］.西安:西安電子科技大學出版社，2006.

［14］ Hyvarinen A.Fast and robust fixed-point algorithms for independent component analysis［J］.IEEE Transactions an Neural Networks，1999，8(3):622-634.

［15］劉伯勝，雷家煜.水聲學原理［M］.哈爾濱:哈爾濱工程大學出版社，2002:153-154.