利用DBSCAN和概率密度估计的欠定盲源分离混合矩阵估计
Mixing Matrix Estimation Using DBSCAN and Probability Density Estimation for Underdetermined Blind Source Separation作者机构:北京工业大学信息学部北京100124
出 版 物:《信号处理》 (Journal of Signal Processing)
年 卷 期:2023年第39卷第4期
页 面:708-718页
核心收录:
学科分类:080904[工学-电磁场与微波技术] 0809[工学-电子科学与技术(可授工学、理学学位)] 08[工学]
主 题:带噪声的基于密度的空间聚类 概率密度估计 混合矩阵估计 欠定盲源分离
摘 要:针对欠定盲源分离中混合矩阵估计精度不佳的问题,本文提出了一种结合带噪声的基于密度的空间聚类(combining density-based spatial clustering of application with noise,DBSCAN)和概率密度估计的混合矩阵估计算法。首先,通过向量转换方式获得单声源时频点检测准则,并基于此准则从混合信号中检测出单声源点。其次,利用基于密度的空间聚类算法对单声源点进行聚类,由此估计出声源个数以及各类别所属的单声源点。再次,利用概率密度估计获得各类别的聚类中心,并构成混合矩阵。所提混合矩阵估计方法不需要提前设定声源个数,并且避免了由于数据分布不均所造成的聚类效果差的问题。最后,采用压缩感知技术实现源信号恢复,从而从混合信号中分离出各个声源信号。实验结果表明,本文所提的混合矩阵估计方法在声源个数未知的情况下,能够准确估计出混合矩阵;并且分离出的信号具有较高的质量。