基于信號BURG譜特征的盲源分離排序算法*

（海軍裝備部駐上海地區第一軍事代表室 上海 201913）

1 引言

盲源分離在未知源信號傳播信道參數、源信號間統計獨立的情況下，依靠陣列數據分離出源信號的波形［1］。在水聲探測領域，海洋環境噪聲和艦船輻射噪聲間常認為是相互獨立的且符合盲源分離條件。利用盲源分離算法處理水聲信號則可實現干擾分離、鄰近方位目標信號凈化、提高目標信號的信噪比的目的［2～3］。因而，盲源分離算法在水聲信號處理領域應用潛力巨大。但是，盲源分離存在輸出信號次序不確定問題，同一信號在不同時刻不能保持在固定通道輸出，不利于聲納兵的聽音識別，穩健的排序關聯算法也有待進一步研究［4］。

現有的排序法在分析數據較短時性能不夠穩健，排序成功率較低，穩健的排序算法對盲源分離輸出信號進行關聯有利于聲納兵的聽音識別，具有重要的實際應用價值。現有研究表明：1）同一目標在一定時間內的線譜特征相對穩定，不同目標間線譜特征存在非相干特性；2）在短數據情況下，BURG譜變換相對其他譜變換方式對線譜特征檢測能力更強，且受噪聲影響較小，性能更加穩健［5］。同理，在盲源分離算法成功分離信號的情況下，相鄰時刻同一目標信號線譜特征相對穩定。綜上，本文利用信號BURG譜特征對信號進行排序關聯，使得同一信號在不同時刻保持在固定通道輸出，消除排序模糊性問題。

2 基于信號BURG譜特征的排序算法原理

為更好地進行聽音處理，我們希望同一信號在不同時刻保持在固定通道輸出。但由于缺少先驗知識，信號的原始排列順序無法得出。因而排序關聯算法以盲源分離第一次輸出信號的順序為基準，后續時刻分離出的信號要與第一次輸出次序相匹配，算法步驟如下：

3）根據相關系數矩陣調整第二次輸出信號的排列順序，本次排序完畢。第三次輸出的信號再同第一次輸出信號求解相關系數矩陣，后續排序工作依次類推。

3 實驗驗證

本文采用海上實錄艦船信號對算法進行驗證，盲源分離使用的源信號由混合矩陣將三艘艦船的實錄輻射噪聲進行混合產生。為模擬水聲信道的時變特性，混合矩陣每分離一次根據隨機函數變化一次。數據的采樣頻率為25kHz，每次分離使用的數據長度為3s。源信號A、B、C的時域波形圖和混合信號的時域波形圖如圖1所示。

圖1 源信號及混合信號時域波形圖

實錄噪聲信號成分復雜，從時域波形圖上難以區分，為后續排序效果對比方便，給出三個源信號的BURG譜圖如圖2所示。

圖2 源信號BURG譜圖

因錄取得艦船噪聲線譜主要集中在0～1kHz以內，為觀察方便僅給出0～1kHz頻段線譜。第一次盲源分離結果如圖3。

圖3 第一次分離和排序結果

由圖3可以看出盲源分離算法有效分開了三個目標，因第一次分離后的信號順序作為基準，不需做調整。

圖4可以看出，第二次分離后信號順序與第一次輸出不一致，若將此亂序信號直接用于聽音，將給聲納兵帶來極大干擾。采用BURG譜特征法對信號進行排序，排序后輸出結果如圖4中第三、第四列所示，調整后的順序與第一次輸出順序一致。

圖4 第二次分離和排序結果

第三次輸出的信號與第一次不一致，需要采用排序算法調整。排序后順序如圖5第三、四列所示，調整后與第一次一致，排序成功。為充分證明本節算法的有效性，并探究不同數據長度影響。采用本節方法和功率譜法進行排序，在不同的數據長度下，進行了100次試驗，排序成功率統計如表1所示。

圖5 第三次分離和排序結果

表1 排序成功率統計表

4 結語

本文在理論分析BURG譜提取特征的穩定性之后，通過實錄數據做對比實驗，可以看出本文提出的排序算法相對功率譜法有效提高了排序成功率，特別是在單次處理信號時長較短時，效果提升顯著，對解決盲源分離排序問題，有一定實際應用價值。盲源分離輸出信號排序問題的解決，有利于盲源分離算法在水聲目標信號檢測領域的進一步深入。