關于盲信號處理技術發展研究

劉子龍

（海口經濟學院，海南海口，571127）

關于盲信號處理技術發展研究

劉子龍

（海口經濟學院，海南海口，571127）

本文主要介紹盲信號處理的意義和定義，闡述當前盲信號處理的研究現狀。分析盲信號處理領域中仍需解決的問題，并為后續的研究提出建議與展望。

盲分離；觀測信號；源信號

0 引言

大數據時代的來臨，推動著社會科技飛速的發展，各種新型電子設備層出不窮，信息領域更是日新月異，使得信號的獲取、傳輸和信號本身更加的復雜。傳統的信號分析與數據分析方法已經不能滿足時代的發展需求。由于信號的復雜多樣，很多時候，搜索、獲取信號的同時，信號的傳輸方式、信道性質等信息往往無法獲悉。尤其是在信號類型未知或者信道未知的情況下，從觀測信號中分離出所需信息，是近年來信號處理面臨的新問題，為了解決這類復雜的問題，盲信號處理技術應運而生。

1 盲信號處理概述

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

所謂的“盲”信號主要是指[2]：（1）觀測信號中的信源是未知的，就是在獲得觀測信號后，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，是混雜著有效信號與噪聲信號的，信號之間的混疊方式同樣是未知的。因此，要在復雜的觀測信號()yt中尋找一個合適的函數()Ψ·將所需信號分離出來，得到輸出的信息量()st和噪聲量()nt這個過程就稱為盲信號分離[3,4]，其中函數()Ψ·和()st、()nt均是未知的，如圖1所示。

在盲信號處理過程中，為了保證盲分離的效果，通常會有三個基本假設[4]:

圖1 盲信號分離過程

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

（2）源信號當中的各個分量之間是相互統計獨立，且最多有一個分量服從高斯分布；

（3）分離過程中不考慮噪聲信號，即噪聲信號與源信號之間相互統計獨立。

在盲信號處理問題，根據觀測信號的數目和需求的源信號數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 盲信號問題的分類

超定問題的盲信號分離算法目前相對成熟，并在聲探測、圖像處理等很多領域得到了廣泛的應用[8]；欠定問題的數學方程模型屬于病態問題[9]，算法更加復雜，大多數算法是將欠定數學模型進行拓展，轉為超定問題或正定問題來進行分離，目前在實際的應用中應用較少；而單通道盲信號處理是欠定盲信號處理當中的特殊情況，用一個觀測信號來進行盲分離，大多數算法仍處于仿真計算階段[10]。

2 盲信號處理的研究現狀及分析

最早的盲信號處理算法是H-J算法[11-13]，于1991年被法國學者Herault和Jutten提出。在這之后，盲信號處理逐漸走入到各國專家學者的視線當中。隨后在1995年A.J. Bell和 T.J. Sejnowski在神經網絡算法的基礎上[14]，提出了獨立分量分析（ICA，independent component analysis）算法，這個算法直到今天仍然具有廣泛的應用。隨后如雨后春筍一般層出不窮，利用極大似然估計算法進行盲分離；根據數據峭度最大話進行盲分離；利用矩陣特征值特征向量進行盲分離等等。近些年來，根據信號的信息量不同，有人提出了基于極大化負熵的復值信號盲信分。盲信號處理技術逐漸發展為包含通信原理、統計學、神經網絡、模式分類、數據挖掘等多學科的綜合性技術，所研究分離的信號類型也從一維的聲信號到二維的圖像信號和從單一信號處理到復合信號處理等多種情況[15]。

目前，盲信號處理在很多領域都有一定的應用，例如在語音識別中，可以在復雜的聲音環境下識別出目標聲音信號；在圖像處理中，能夠對目標對象進行分離，得到所需信息；在圖像和聲信號加密技術中，地對目標信號進行加密，更加安全。在刑偵學中，盲信號處理技術可以在復雜的環境下判斷出目標對象及對象數目；在軍事偵查中，可以利用盲信號處理技術判斷軍事目標的數目和類型；同樣，在機械檢測、樣品分析等其他領域，盲信號處理技術都具有很廣泛的應用價值。

盲信號處理技術在近些年發展迅速，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，一些原有方法已經無法處理新的問題。盲信號處理的算法提出之后，缺乏相應的對比研究，在實際應用中受到了極大的限制。在多維信號處理當中，如果獲取信號維數較多，在盲分離過程中引入參數的話，會增加數據的數量，進而增大計算量，計算難度提高，正確性和準確度降低。欠定盲信號處理技術仍然處于理論階段，距離應用到實踐當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，而且算法的適應性有待提高。因此，盲信號處理技術仍然處于理論階段，在實際的應用中有待進一步提高算法的正確性、準確性和穩定性。

3 總結

盲信號處理是新興的學科，其發展迅速，目前已經在多個領域中起到了重要作用。但是盲信號技術仍然處于發展階段，存在未能解決和需要進一步探討研究的問題。在實際中，盲信號處理技術依然需要結合具體的應用領域和背景來實現盲信號處理的實際應用。因此，盲信號處理技術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] 張發啟. 盲信號處理及應用. 西安電子科技大學出版社. 2006:1-16.

[5] 史習智. 盲信號處理-理論與實踐. 上海交通大學出版社. 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.盲信號處理幾個關鍵問題的研究 [J].深圳大學學報理工版.2004.07:196-199.

[8] 彭耿, 黃知濤, 姜文利, 周一宇. 單通道盲信號分離研究進展與展望[J]. 中國電子科學研究學報. 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. 戰場多目標混合聲信號源數盲估計算法研究[J]. 兵工學報. 2008,29(5):596-561.

[13] 張洪淵, 史習智. 一種任意信號源盲分離的高效算法[J]. 電子學報. 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：盲信號處理，應用數學，數學建模。