地震災(zāi)害救助系統(tǒng)中聲波／振動(dòng)信號(hào)的分離

1、地震災(zāi)害救助系統(tǒng)中聲波振動(dòng)信號(hào)的分離         地震災(zāi)害救助系統(tǒng)中聲波振動(dòng)信號(hào)的分離,關(guān)鍵詞是地震,震災(zāi),災(zāi)害,害救,救助,助系,系統(tǒng),統(tǒng)中,中聲,聲波,波,振,振動(dòng),動(dòng)信,信號(hào),號(hào)的,的分,分離,離,             摘要：從獨(dú)立分量分析（ICA）的原理和算法入手，用傅立葉和ICA對(duì)實(shí)際測(cè)得的地震災(zāi)害救助系統(tǒng)中的聲波振動(dòng)信號(hào)進(jìn)行分離。從分離的結(jié)果看，ICA在復(fù)雜信號(hào)的分離中更具優(yōu)越

2、性。     關(guān)鍵詞：獨(dú)立分量分析（ICA） 傅立葉 聲波振動(dòng)信號(hào) 分離實(shí)際應(yīng)用中，希望在未知源信號(hào)的情況下，從已有混合信號(hào)中分離出需要的源信號(hào)，為此，人們研究了盲信源分離（ ）方法。盲信源分離是指在信號(hào)的理論模型和源信號(hào)無法精確獲知的情況下，從混迭信號(hào)（觀測(cè)信號(hào)）中分離出各源信號(hào)的過程。獨(dú)立分量分析（ ）是近年來由盲信源分離技術(shù)發(fā)展來的多道信號(hào)盲信源分離方法。對(duì)它的研究已成為信號(hào)處理領(lǐng)域的一個(gè)熱點(diǎn)。在本文運(yùn)用到了一個(gè)新的領(lǐng)域地震救援的聲波振動(dòng)信號(hào)的分離。由于地震后，會(huì)有活著的人被埋在廢墟中。他們通過各種方式發(fā)送信號(hào)，希望得到援助。研制開發(fā)聲波振動(dòng)生命探測(cè)定位儀的

3、基本目的是發(fā)現(xiàn)幸存者的移動(dòng)、敲擊、刮擦和呼喊等表示他們依然活著的信號(hào)。技術(shù)上，就是通過高靈敏的傳感器，探測(cè)分析通過固體或空氣傳播的表示生存的微弱振動(dòng)信號(hào)。對(duì)于一個(gè)傳感器接收的只是一個(gè)信號(hào)的情況，比較容易處理。但是，當(dāng)同一傳感器接收到不同呼救者傳來的信號(hào)時(shí)，就要對(duì)接收的信號(hào)進(jìn)行分離。即把不同的呼救者傳來的信號(hào)分開，以便通過數(shù)學(xué)計(jì)算，確定呼救者（即振源）的位置（或方向）。 的理論基礎(chǔ)噪聲的存在使源信號(hào)的恢復(fù)變得困難，所以應(yīng)先對(duì)混合信號(hào)去噪。即根據(jù)測(cè)量結(jié)果，得出在不同介質(zhì)中傳輸?shù)男盘?hào)的頻率，進(jìn)而去掉噪聲部分，進(jìn)行預(yù)處理。 預(yù)處理實(shí)際上，獨(dú)立分量分析是一種優(yōu)化問題，即如何使分離出的各獨(dú)立分量更好地逼近

4、各源信號(hào)。但它的前提是源信號(hào)相互獨(dú)立，且最多有一個(gè)源信號(hào)是高斯分布。而實(shí)際的觀測(cè)信號(hào)也許并不滿足這個(gè)要求?；诖?，在對(duì)觀測(cè)數(shù)據(jù)進(jìn)行處理前，應(yīng)先對(duì)其進(jìn)行預(yù)處理，包括去均值、白噪化。預(yù)處理后，使采集的實(shí)際信號(hào)盡可能滿足的前提條件。 原理設(shè)觀測(cè)信號(hào)(),(),()是未知的相互獨(dú)立的源信號(hào)(),(),()()的線性組合，時(shí)的的線性組合模型如下面的矩陣所示。矩陣中的(),)是未知的模型系數(shù)，可描述為:  （）式（）中，是未知的混合矩陣。由（）式可以得到未知的源信號(hào)為:  （）式（）中，是的逆矩陣，為矩陣的轉(zhuǎn)置矩陣。從該式中，可以清楚地知道，要想求出源信號(hào)，求未知的混合矩陣是關(guān)鍵。在本

5、文中，因?yàn)槎鄠€(gè)傳感器所圍成的區(qū)域比較小，所以考慮源信號(hào)的個(gè)數(shù)小于等于得到的混合信號(hào)個(gè)數(shù)（）的情況。當(dāng)時(shí)演。 算法本文采用了一種快速定點(diǎn)算法。該算法通過的最大化得到的學(xué)習(xí)過程，即：()()()    ()由此，的遞推公式如（）式：()()()   ()具體的算法實(shí)現(xiàn)如下：()初始化()，令()，置；()代入（）式求()，其中的期望值可由大量向量的采樣點(diǎn)計(jì)算出來；()用()去除()；()如果()()不是足夠接近,那么置，返回至（）；否則,輸出向量。圖1、圖2和圖3    本算法最后給出的向量()等于正交混合矩陣中的一列

6、，在信號(hào)分離中意味著分離了其中的一個(gè)非高斯信號(hào)。即()()，,，等于其中的一個(gè)源信號(hào)。該算法一個(gè)顯著的特性是迭代次數(shù)非常少，一般次(次數(shù)用誤差矩陣控制)。為了估計(jì)個(gè)獨(dú)立成分，必須運(yùn)行上面的算法次。 聲波信號(hào)的分離原始語音信號(hào)如圖，它們的混合信號(hào)如圖。在圖()中，信號(hào)的低頻和高頻部分有比較明顯的分界線（雖然也有很少的非主頻的混疊），可以用傳統(tǒng)的傅立葉對(duì)它進(jìn)行分離。分離的結(jié)果如圖。從圖中可看出，結(jié)果是可以接受的。但用分離的效果更好,如圖。圖4、圖5和圖6 振動(dòng)信號(hào)的分離在實(shí)際的采集試驗(yàn)中(以兩個(gè)振源為例),如果各個(gè)呼救者傳來的信號(hào)間的時(shí)間間隔很小，使它們完全混合在一起，就無法輕易地看出混合信號(hào)的組成成分，如圖（）。當(dāng)然，它們也許在頻率域是分開的，所以，對(duì)混合信號(hào)進(jìn)行傅立葉變換，如圖（）。從圖()中可知，它們的頻譜也是混疊的，用傅立葉變換仍無法分離。因此，處理這種復(fù)雜信號(hào)，選用。圖是用分離的結(jié)果。用分離后的信號(hào)進(jìn)行數(shù)學(xué)計(jì)算，得出的振源位置和實(shí)際試驗(yàn)時(shí)得出的位置是一致的。對(duì)聲波振動(dòng)信號(hào)的實(shí)際處理得到了滿意的結(jié)果。盡管用作信號(hào)分離的前提是被分離的源信號(hào)必須相互獨(dú)立，但是它也提供了一