将信号分离为其组成部分

信息处理 信号分析 源分离
2022-02-18 05:20:27

首先,我对可能不正确使用行话表示歉意,因为我是这个领域的新手。

我有一种信号,我假设可以用任意数量(比如说)的基本向量来描述,这些基本向量是线性独立的。我正在通过一个传感器测量信号,这给了我一个幅度矢量。我能够测量任意数量(比如说)的基信号混合,这给了我个测量信号。nmm

我的向量长度为​​ 150000,采样频率为 2.5 MHz。

所以这就是我认为我的方程组的样子。

Y=AX

其中是包含混合(测量)的矩阵,维度为是包含基础信号的矩阵,维度为是维度为Ym×150000Xn×150000Am×n

我需要解决但是,由于是非正方形的 ( ),它没有逆矩阵。我想我可以计算出伪逆。这有意义吗?AXn150000

我还研究了主成分分析以及它如何用于各种类型的光谱学。在我看来,PCA 假设了一组基础信号,我不知道这在我的情况下是否具有物理意义,因为我的信号是随机的(但静止的)。使用了 PCA 例程,它给了我一些与输入信号非常相似的信号,但我不知道如何处理它们。Y

有任何想法吗?

我认为我的信号确实有一个有效的物理模型。我应该使用基于模型的盲源分离 (BSS) 吗?

提前感谢您抽出宝贵时间。

3个回答

您对进行 QR 分解。然后系统读取为现在与右边相乘这应该已经提示了最终解决方案的可靠性,因为理想情况下,右边的块应该为零。如果这是真的,那么XT

Y=ARTQT.
Q
YQ=ART,
YQm×n
A=[YQ][1:m,1:n][RT][1:n,1:n]1

请注意,在使用 Householder 反射的 QR 分解中,您可以将针对计算的反射同时应用于,如果 andXXY

S=I2vvT,
Xnext=XS=X2(Xv)vT and Ynext=YS=Y2(Yv)vT
Xfinal=RT,Yfinal=YQ

你可以看看Non-negative Matrix Factorization,它试图找到一个矩阵的分解(小心,矩阵值必须是非负的)成两个矩阵的乘积。

通过将 L1 正则化添加到成本函数,您可以确保每个度量都由一组相对较小的基函数编码。

它已被用于例如音乐转录、计算机视觉、文本分类......

您正在寻找的正是独立分量分析 (ICA)。ICA 的设置是准确的,给定一个矩阵Y, 从Y=AX, 找到两者 AX.