关于盲信号处理技术发展研究

刘子龙

（海口经济学院，海南海口，571127）

关于盲信号处理技术发展研究

刘子龙

（海口经济学院，海南海口，571127）

本文主要介绍盲信号处理的意义和定义，阐述当前盲信号处理的研究现状。分析盲信号处理领域中仍需解决的问题，并为后续的研究提出建议与展望。

盲分离；观测信号；源信号

0 引言

大数据时代的来临，推动着社会科技飞速的发展，各种新型电子设备层出不穷，信息领域更是日新月异，使得信号的获取、传输和信号本身更加的复杂。传统的信号分析与数据分析方法已经不能满足时代的发展需求。由于信号的复杂多样，很多时候，搜索、获取信号的同时，信号的传输方式、信道性质等信息往往无法获悉。尤其是在信号类型未知或者信道未知的情况下，从观测信号中分离出所需信息，是近年来信号处理面临的新问题，为了解决这类复杂的问题，盲信号处理技术应运而生。

1 盲信号处理概述

盲信号处理（BSS，Blind Source Separation）最早起源于“鸡尾酒会问题”[1]：在一场鸡尾酒会中，传感器接收到源信号中混合着多个说话者的声音以及其他干扰声音。盲信号处理就是在这样的情况下提出的。分析采集的信号，从中分离、提取出所需说话者的声音信息。这种从混合复杂声音中提取并辨别感兴趣声音，而忽略其他声音的现象称为“鸡尾酒会效应”。这个过程看似简单，但是在实际情况下，所接收到的信号当中往往夹杂着各种的噪声信号，并且伴随大量的虚假或无用信息，更为复杂的是信号当中的有用信息也会被其他信号掩盖或者污染。

所谓的“盲”信号主要是指[2]：（1）观测信号中的信源是未知的，就是在获得观测信号后，所需的信息是未知的或者不完整的；（2）通过传感器获取的观测信号，是混杂着有效信号与噪声信号的，信号之间的混叠方式同样是未知的。因此，要在复杂的观测信号()yt中寻找一个合适的函数()Ψ·将所需信号分离出来，得到输出的信息量()st和噪声量()nt这个过程就称为盲信号分离[3,4]，其中函数()Ψ·和()st、()nt均是未知的，如图1所示。

在盲信号处理过程中，为了保证盲分离的效果，通常会有三个基本假设[4]:

图1 盲信号分离过程

（1）在观测信号中，源信号混合方式用矩阵A表示，并假设混合矩阵A为满秩矩阵；

（2）源信号当中的各个分量之间是相互统计独立，且最多有一个分量服从高斯分布；

（3）分离过程中不考虑噪声信号，即噪声信号与源信号之间相互统计独立。

在盲信号处理问题，根据观测信号的数目和需求的源信号数目的不同可以分为确定问题、欠定问题和超定问题三种，如图2所示[5,6,7]。

图2 盲信号问题的分类

超定问题的盲信号分离算法目前相对成熟，并在声探测、图像处理等很多领域得到了广泛的应用[8]；欠定问题的数学方程模型属于病态问题[9]，算法更加复杂，大多数算法是将欠定数学模型进行拓展，转为超定问题或正定问题来进行分离，目前在实际的应用中应用较少；而单通道盲信号处理是欠定盲信号处理当中的特殊情况，用一个观测信号来进行盲分离，大多数算法仍处于仿真计算阶段[10]。

2 盲信号处理的研究现状及分析

最早的盲信号处理算法是H-J算法[11-13]，于1991年被法国学者Herault和Jutten提出。在这之后，盲信号处理逐渐走入到各国专家学者的视线当中。随后在1995年A.J. Bell和 T.J. Sejnowski在神经网络算法的基础上[14]，提出了独立分量分析（ICA，independent component analysis）算法，这个算法直到今天仍然具有广泛的应用。随后如雨后春笋一般层出不穷，利用极大似然估计算法进行盲分离；根据数据峭度最大话进行盲分离；利用矩阵特征值特征向量进行盲分离等等。近些年来，根据信号的信息量不同，有人提出了基于极大化负熵的复值信号盲信分。盲信号处理技术逐渐发展为包含通信原理、统计学、神经网络、模式分类、数据挖掘等多学科的综合性技术，所研究分离的信号类型也从一维的声信号到二维的图像信号和从单一信号处理到复合信号处理等多种情况[15]。

目前，盲信号处理在很多领域都有一定的应用，例如在语音识别中，可以在复杂的声音环境下识别出目标声音信号；在图像处理中，能够对目标对象进行分离，得到所需信息；在图像和声信号加密技术中，地对目标信号进行加密，更加安全。在刑侦学中，盲信号处理技术可以在复杂的环境下判断出目标对象及对象数目；在军事侦查中，可以利用盲信号处理技术判断军事目标的数目和类型；同样，在机械检测、样品分析等其他领域，盲信号处理技术都具有很广泛的应用价值。

盲信号处理技术在近些年发展迅速，但是仍然处于理论阶段，仍存在很多需要完善的地方，并且随着研究的深入以及层出不穷的新的问题和挑战，一些原有方法已经无法处理新的问题。盲信号处理的算法提出之后，缺乏相应的对比研究，在实际应用中受到了极大的限制。在多维信号处理当中，如果获取信号维数较多，在盲分离过程中引入参数的话，会增加数据的数量，进而增大计算量，计算难度提高，正确性和准确度降低。欠定盲信号处理技术仍然处于理论阶段，距离应用到实践当中仍然存在一定的距离，算法的精度和正确性由于缺乏参照难以保证，而且算法的适应性有待提高。因此，盲信号处理技术仍然处于理论阶段，在实际的应用中有待进一步提高算法的正确性、准确性和稳定性。

3 总结

盲信号处理是新兴的学科，其发展迅速，目前已经在多个领域中起到了重要作用。但是盲信号技术仍然处于发展阶段，存在未能解决和需要进一步探讨研究的问题。在实际中，盲信号处理技术依然需要结合具体的应用领域和背景来实现盲信号处理的实际应用。因此，盲信号处理技术有待更加深入的探讨和研究。

[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] 张发启. 盲信号处理及应用. 西安电子科技大学出版社. 2006:1-16.

[5] 史习智. 盲信号处理-理论与实践. 上海交通大学出版社. 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] 张贤达.盲信号处理几个关键问题的研究 [J].深圳大学学报理工版.2004.07:196-199.

[8] 彭耿, 黄知涛, 姜文利, 周一宇. 单通道盲信号分离研究进展与展望[J]. 中国电子科学研究学报. 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] 李京华, 许家栋, 李红娟. 战场多目标混合声信号源数盲估计算法研究[J]. 兵工学报. 2008,29(5):596-561.

[13] 张洪渊, 史习智. 一种任意信号源盲分离的高效算法[J]. 电子学报. 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

刘子龙（1986.02-），硕士，讲师，主要研究方向：盲信号处理，应用数学，数学建模。