1、地震災害救助系統中聲波振動信號的分離         地震災害救助系統中聲波振動信號的分離,關鍵詞是地震,震災,災害,害救,救助,助系,系統,統中,中聲,聲波,波,振,振動,動信,信號,號的,的分,分離,離,             摘要：從獨立分量分析（ICA）的原理和算法入手，用傅立葉和ICA對實際測得的地震災害救助系統中的聲波振動信號進行分離。從分離的結果看，ICA在復雜信號的分離中更具優越

2、性。     關鍵詞：獨立分量分析（ICA） 傅立葉 聲波振動信號 分離實際應用中，希望在未知源信號的情況下，從已有混合信號中分離出需要的源信號，為此，人們研究了盲信源分離（ ）方法。盲信源分離是指在信號的理論模型和源信號無法精確獲知的情況下，從混迭信號（觀測信號）中分離出各源信號的過程。獨立分量分析（ ）是近年來由盲信源分離技術發展來的多道信號盲信源分離方法。對它的研究已成為信號處理領域的一個熱點。在本文運用到了一個新的領域地震救援的聲波振動信號的分離。由于地震后，會有活著的人被埋在廢墟中。他們通過各種方式發送信號，希望得到援助。研制開發聲波振動生命探測定位儀的

3、基本目的是發現幸存者的移動、敲擊、刮擦和呼喊等表示他們依然活著的信號。技術上，就是通過高靈敏的傳感器，探測分析通過固體或空氣傳播的表示生存的微弱振動信號。對于一個傳感器接收的只是一個信號的情況，比較容易處理。但是，當同一傳感器接收到不同呼救者傳來的信號時，就要對接收的信號進行分離。即把不同的呼救者傳來的信號分開，以便通過數學計算，確定呼救者（即振源）的位置（或方向）。 的理論基礎噪聲的存在使源信號的恢復變得困難，所以應先對混合信號去噪。即根據測量結果，得出在不同介質中傳輸的信號的頻率，進而去掉噪聲部分，進行預處理。 預處理實際上，獨立分量分析是一種優化問題，即如何使分離出的各獨立分量更好地逼近

4、各源信號。但它的前提是源信號相互獨立，且最多有一個源信號是高斯分布。而實際的觀測信號也許并不滿足這個要求。基于此，在對觀測數據進行處理前，應先對其進行預處理，包括去均值、白噪化。預處理后，使采集的實際信號盡可能滿足的前提條件。 原理設觀測信號(),(),()是未知的相互獨立的源信號(),(),()()的線性組合，時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，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為:  （）式（）中，是的逆矩陣，為矩陣的轉置矩陣。從該式中，可以清楚地知道，要想求出源信號，求未知的混合矩陣是關鍵。在本

5、文中，因為多個傳感器所圍成的區域比較小，所以考慮源信號的個數小于等于得到的混合信號個數（）的情況。當時演。 算法本文采用了一種快速定點算法。該算法通過的最大化得到的學習過程，即：()()()    ()由此，的遞推公式如（）式：()()()   ()具體的算法實現如下：()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計算出來；()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、，在信號分離中意味著分離了其中的一個非高斯信號。即()()，,，等于其中的一個源信號。該算法一個顯著的特性是迭代次數非常少，一般次(次數用誤差矩陣控制)。為了估計個獨立成分，必須運行上面的算法次。 聲波信號的分離原始語音信號如圖，它們的混合信號如圖。在圖()中，信號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），可以用傳統的傅立葉對它進行分離。分離的結果如圖。從圖中可看出，結果是可以接受的。但用分離的效果更好,如圖。圖4、圖5和圖6 振動信號的分離在實際的采集試驗中(以兩個振源為例),如果各個呼救者傳來的信號間的時間間隔很小，使它們完全混合在一起，就無法輕易地看出混合信號的組成成分，如圖（）。當然，它們也許在頻率域是分開的，所以，對混合信號進行傅立葉變換，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，處理這種復雜信號，選用。圖是用分離的結果。用分離后的信號進行數學計算，得出的振源位置和實際試驗時得出的位置是一致的。對聲波振動信號的實際處理得到了滿意的結果。盡管用作信號分離的前提是被分離的源信號必須相互獨立，但是它也提供了一