一种去除相关信号中干扰信号的方法

摘要

本发明公开了一种去除相关信号中干扰信号的方法。它包括以下步骤：采集模块采集到两组相互关联的数据信号，并发送到中央处理单元；中央处理单元将采集到的两组数据信号在三维数据空间中形成特征矢量分别为和中央处理单元计算出和的共同部分独立部分和独立部分计算机将计算出的数据输出。本发明能够提取出每个相关信号的独立部分，且独立部分之间不相互关联，去除信号中的干扰信息。

权利要求

1.一种去除相关信号中干扰信号的方法，其特征在于，包括以下步骤：S1：采集模块采集到两组相互关联的数据信号，并发送到中央处理单元；

S2：中央处理单元对接收到的数据信号进行处理，将采集到的每组数据信号在三维数据空间中形成一个特征矢量，该两组数据信号形成的特征矢量分别为 和S3：假设存在三个独立的分量 满足如下公式：⊥表示垂直关系，则 和 的共同部分为 的独立部分为 的独立部分为S4：假设在三维数据空间中， 的起点为A，终点为B， 的起点A，终点为C，的起点为A，终点为D， 的起点为D，终点为B， 的起点为D，终点为C， 直线BC上存在点G，使得直线AG垂直于直线BC，即AG⊥BC，由于AD⊥DB且AD⊥DC，所以直线AD垂直于平面DBC，由于直线BC在平面DBC上，所以AD⊥BC，结合AG⊥BC，得到直线BC垂直于平面ADG，所以DG⊥BC；

S5：直线AG上存在点P，使得直线DP垂直于直线AG，即DP⊥AG，由于直线BC垂直于平面ADG，则直线BC垂直于直线DP，即DP⊥BC，所以直线DP垂直于平面ABC；

S6：由上述直线之间的关系得到下列关系式：

从而计算得到：

||.||表示向量的2范数，|.|表示线段

的长度；

S7：由上述直线之间的关系还得到下列关系式：

即

|AP|＝|AG|-|PG|；

计算出|AP|、|DP|、|CG|的值，从而确定唯一的 以及S8：计算出与 和 垂直的单位向量 从而计算出 根据计算出

计算出与 和 垂直的单位向量 的方法包括以下步骤：取任意一个随机向量 利用Gram-Schmidt正交化过程分别将它与x1和x2分别正交归一化，包括以下步骤：表示和 方向相同的单位向量， 表示和 方向相同的单位向量， 表示求 和 的内积， 表示求 和 的内积；

S9：中央处理单元将计算出的共同部分 独立部分 和独立部分 输出。

2.根据权利要求1所述的一种去除相关信号中干扰信号的方法，其特征在于：当采集模块采集到两组以上相互关联的数据信号时，采集模块将采集的数据信号发送到中央处理单元，中央处理单元从采集到的两组或两组以上相互关联的数据信号中任意提取出两组数据信号，执行步骤S2至S8计算出共同部分和两个独立部分，接着从未处理的数据信号中任意提取出一组数据信号，将该数据信号与计算出的共同部分作为两个相关信号，执行步骤S2至S8计算出新的共同部分和该数据信号的独立部分，如此循环提取每次得到的最新的共同部分和一组未处理的数据信号之间的共同部分和独立部分，直到所有数据信号都被处理完毕，然后中央处理单元将所有独立部分和最后得到的共同部分输出。

3.根据权利要求1所述的一种去除相关信号中干扰信号的方法，其特征在于：当不成立时，通过预处理将 和 进行归一化处理，即使得它们的范数为1，从而使得

成立。

4.根据权利要求1或2或3所述的一种去除相关信号中干扰信号的方法，其特征在于：将得到的独立部分和共同部分进行低通滤波处理。

说明书

一种去除相关信号中干扰信号的方法

技术领域

[0001] 本发明涉及信号处理技术领域，尤其涉及一种去除相关信号中干扰信号的方法。

背景技术

[0002] 对同一物体不同特性的测量数据之间往往存在一定的相关性。医学或认知科学或者其它科研实践中对复杂事件，比如脑卒中或语言障碍或大气污染等等，进行准确分析和描述时都需要从不同侧面或方向采集数据，这些数据之间往往相互干扰，你中有我我中有你，很难评估各自提供的独立信息。比如土壤沙化和干旱少雨两种现象相互影响，不加处理的话无法确定它们对环境生态各自独立的影响和共同影响。缺血性脑卒中临床诊断和评估中通常要测量脑血流和脑组织水分子的自由扩散程度，但这两种指标在脑卒中病人(或其他病人)的大脑中会相互影响，不加处理的话无法确定它们各自对疾病预测评估所提供的独立信息。再如在语言障碍评估中，测量语音错误和音系错误时很难做到相互不受对方干扰。

[0003] 传统的做法是将这些相关变量两两正交映射然后取剩余部分作为各自独立的成分，其实这种提取方法只是保证了每个变量的剩余成分(输出)和另外的原始变量(输入变量)之间是正交和独立的，这些剩余成分之间仍然相关并且相关性与原始数据之间的相关性完全相等只是符号变反了。这种传统技术不能同时获得相关变量的共同成分。这样就需要开发一项新的技术用来提取相干信号各自独立的成分和共同的成分。将两个或多个相关变量分解成重合分量和相互正交的的剩余分量的技术可以称之为相关信号的独立成分萃取。

发明内容

[0004] 本发明的目的是克服现有方法将相关信号两两正交映射，然后取剩余部分作为各自独立部分，只保证了每个信号的独立部分和另外的原始信号之间是独立的，而这些独立部分之间仍然相互关联的技术问题，提供了一种去除相关信号中干扰信号的方法，其能够提取出每个相关信号的独立部分，且独立部分之间不相互关联，去除信号中的干扰信息。

[0005] 本发明的一种去除相关信号中干扰信号的方法，包括以下步骤：

[0006] S1：采集模块采集到两组相互关联的数据信号，并发送到中央处理单元；

[0007] S2：中央处理单元对接收到的数据信号进行处理，将采集到的每组数据信号在三维数据空间中形成一个特征矢量，该两组数据信号形成的特征矢量分别为 和[0008] S3：假设存在三个独立的分量 满足如下公式：

[0009]

[0010]

[0011]

[0012]

[0013]

[0014] ⊥表示垂直关系，则 和 的共同部分为 的独立部分为 的独立部分为

[0015] S4：假设在三维数据空间中， 的起点为A，终点为B， 的起点A，终点为C， 的起点为A，终点为D， 的起点为D，终点为B， 的起点为D，终点为C， 直线BC上存在点G，使得直线AG垂直于直线BC，即AG⊥BC，由于AD⊥DB且AD⊥DC，所以直线AD垂直于平面DBC，由于直线BC在平面DBC上，所以AD⊥BC，结合AG⊥BC，得到直线BC垂直于平面ADG，所以DG⊥BC；

[0016] S5：直线AG上存在点P，使得直线DP垂直于直线AG，即DP⊥AG，由于直线BC垂直于平面ADG，则直线BC垂直于直线DP，即DP⊥BC，所以直线DP垂直于平面ABC；

[0017] S6：由上述向量之间的关系得到下列关系式：

[0018]

[0019]

[0020]

[0021] 从而计算得到：

[0022]

[0023]

[0024]

[0025] ||.||表示向量的2范数，|.|表示线段的长度；

[0026] S7：由上述向量之间的关系还得到下列关系式：

[0027] 即

[0028]

[0029]

[0030] |AP|＝|AG|-|PG|；

[0031]

[0032]

[0033] 计算出|AP|、|DP|、|CG|的值，从而确定唯一的 以及

[0034] S8：计算出与 和 垂直的单位向量 从而计算出 根据计算出

[0035] S9：中央处理单元将计算出的共同部分 独立部分 和独立部分 输出。

[0036] 在本技术方案中，去除相关信号中干扰信号的方法就是将两组相关信号分解成重合部分和相互正交的的独立部分，将独立部分提取出来，这些独立部分相互之间没有关联，独立部分中没有干扰信号。相关信号分解在矢量空间上等同于寻找三个矢量并满足以下关系： 垂直于 和 垂直于从以上相互垂直关系就可以看出这三个矢量不在同一高维平面中，它们的交点也不在和 构造的高维平面上。本方法正是通过从 和 所构成的平面外去寻找 和 的共同部分 的办法来解决相关信号独立成分萃取问题的。利用矢量代数几何知识， 可以分解成一个位于 和 平面内的分量和一个垂直于该平面的分量，本方法正是先求出这两个分量的长度和方向然后将它们相加得出共同部分 值，有了共同部分 值就可以算出独立部分 和独立部分 的值。中央处理单元将共同部分 独立部分 和独立部分输出到显示屏显示或输出到下一个设备进行分析。

[0037] 作为优选，当采集模块采集到两组以上相互关联的数据信号时，采集模块将采集的数据信号发送到中央处理单元，中央处理单元从采集到的两组或两组以上相互关联的数据信号中任意提取出两组数据信号，执行步骤S2至S8计算出共同部分和两个独立部分，接着从未处理的数据信号中任意提取出一组数据信号，将该数据信号与计算出的共同部分作为两个相关信号，执行步骤S2至S8计算出新的共同部分和该数据信号的独立部分，如此循环提取每次得到的最新的共同部分和一组未处理的数据信号之间的共同部分和独立部分，直到所有数据信号都被处理完毕，然后中央处理单元将所有独立部分和最后得到的共同部分输出。

[0038] 对于两个以上相关信号，可以任取两信号，求出共同部分后再求该共同部分和任意一个剩下的未处理信号的新的共同部分和独立部分，如此循环直到每个信号都被处理一次为止。最后计算出的共同部分就是所有信号的共同部分，中央处理单元将所有独立部分和最后得到的共同部分输出到显示屏显示或输出到下一个设备进行分析。

[0039] 作为优选，当 不成立时，通过预处理将 和进行归一化处理，即 使得它们的范数为1，从而使得
成立。

[0040] 作为优选，所述步骤S8中计算出与 和 垂直的单位向量 的方法包括以下步骤：取任意一个随机向量 利用Gram-Schmidt正交化过程分别将它与x1和x2分别正交归一化，包括以下步骤：

[0041]

[0042]

[0043]

[0044]

[0045] 表示和 方向相同的单位向量， 表示和 方向相同的单位向量，表示求 和 的内积， 表示求 和 的内积。

[0046] 作为优选，将得到的独立部分和共同部分进行低通滤波处理。压制提取出的独立部分和共同部分中的高频干扰成分，使数据更平滑。

[0047] 本发明的实质性效果是：能够提取出每个相关信号的独立部分，且独立部分之间不相互关联，去除信号中的干扰信息。

附图说明

[0048] 图1是本发明的相关信号在三维数据空间中的矢量图；

[0049] 图2是数据采集模块采集到相关系数为0.566的两组信号；

[0050] 图3是采用现有技术处理图2中两组信号得到的共同部分 独立部分 和独立部分

[0051] 图4是采用本发明的方法处理图2中两组信号得到的共同部分 独立部分 和独立部分

[0052] 图5是对图4中的各个信号进行低通滤波处理后得到的信号；

[0053] 图6是数据采集模块采集到相关系数为0.5331的两组信号；

[0054] 图7是采用现有技术处理图6中两组信号得到的共同部分 独立部分 和独立部分

[0055] 图8是采用本发明的方法处理图6中两组信号得到的共同部分 独立部分 和独立部分

具体实施方式

[0056] 下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

[0057] 实施例：本实施例的一种去除相关信号中干扰信号的方法，如图1所示，包括以下步骤：

[0058] S1：采集模块采集到两组相互关联的数据信号，每组数据信号包括三个采样值，并发送到中央处理单元；

[0059] S2：中央处理单元对接收到的数据信号进行处理，将采集到的每组数据信号在三维数据空间中形成一个特征矢量，该两组数据信号形成的特征矢量分别为 和[0060] S3：假设存在三个独立的分量 满足如下公式：

[0061]

[0062]

[0063]

[0064]

[0065]

[0066] ⊥表示垂直关系，则 和 的共同部分为 的独立部分为 的独立部分为

[0067] S4：假设在三维数据空间中， 的起点为A，终点为B， 的起点A，终点为C， 的起点为A，终点为D， 的起点为D，终点为B，的起点为D，终点为C， 直线BC上存在点G，使得直线AG垂直于直
线BC，即AG⊥BC，由于AD⊥DB且AD⊥DC，所以直线AD垂直于平面DBC，由于直线BC在平面DBC上，所以AD⊥BC，结合AG⊥BC，得到直线BC垂直于平面ADG，所以DG⊥BC；

[0068] S5：直线AG上存在点P，使得直线DP垂直于直线AG，即DP⊥AG，由于直线BC垂直于平面ADG，则直线BC垂直于直线DP，即DP⊥BC，所以直线DP垂直于平面ABC；

[0069] S6：由上述向量之间的关系得到下列关系式：

[0070]

[0071]

[0072]

[0073] 从而计算得到：

[0074]

[0075]

[0076]

[0077] ||.||表示向量的2范数，|.|表示线段的长度；

[0078] S7：由上述向量之间的关系还得到下列关系式：

[0079] 即

[0080]

[0081]

[0082] |AP|＝|AG|-|PG|；

[0083]

[0084]

[0085] 计算出|AP|、|DP|、|CG|的值，从而确定唯一的 以及

[0086] S8：计算出与 和 垂直的单位向量 从而计算出 根据计算出

[0087] S9：中央处理单元将计算出的共同部分 独立部分 和独立部分 输出。

[0088] 当 不成立时，通过预处理将 和 进行归一化处理，即 使得它们的范数为1，从而使得
成立。

[0089] 步骤S8中计算出与 和 垂直的单位向量 的方法包括以下步骤：取任意一个随机向量 利用Gram-Schmidt正交化过程分别将它与x1和x2分别正交归一化，包括以下步骤：

[0090]

[0091]

[0092]

[0093]

[0094] 表示和 方向相同的单位向量， 表示和 方向相同的单位向量，表示求 和 的内积， 表示求 和 的内积。

[0095] 去除相关信号中干扰信号的方法就是将每组相关数据信号在三维数据空间中形成一个特征矢量(矢量代数方法)，将两组相关数据信号分解成重合部分和相互正交的的独立部分，将独立部分提取出来，这些独立部分相互之间没有关联，独立部分中没有干扰信号。相关信号分解在矢量空间上等同于寻找三个矢量 并满足以下关系：垂直于 和 垂直于 从以上相互垂直关
系就可以看出这三个矢量不在同一高维平面中，它们的交点也不在 和 构造的高维平面上。本方法正是通过从 和 所构成的平面外去寻找 和 的共同部分 的办法来解决相关信号独立成分萃取问题的。利用矢量代数几何知识， 可以分解成一个位于 和平面内的分量和一个垂直于该平面的分量，本方法正是先求出这两个分量的长度和方向然后将它们相加得出共同部分 值，有了共同部分 值就可以算出独立部分 和独立部分 的值。中央处理单元将共同部分 独立部分 和独立部分 输出到显示屏显示或输出到下一个设备进行分析。

[0096] 本实施例中，数据采集模块采集到相关系数为0.566的两组信号，如图2所示。

[0097] 采用现有技术得到的共同部分 独立部分 和独立部分 如图3所示，它们之间的相关系数，如表一所示：

[0098]

[0099] 表一

[0100] 现有技术得出的原两组数据各自的独立部分直接的相关性为原两组数据相关性的负数，直接证明这种基于线性回归的方法根本不能提取相互独立的独立部分。同时我们可以看到共同部分和独立部分之间也存在很强的相关性。

[0101] 采用本方法得到的共同部分 独立部分 和独立部分 如图4所示，它们之间的相关系数，如表二所示：

[0102]

[0103] 表二

[0104] 从表二中可看出本方法提取的共同部分 独立部分 和独立部分 之间没有相关性。

[0105] 从图4中可以看出本方法得到的结果沿横轴方向有高频振荡的成分，这是由于对于超过3个数据采集点的情况下，完全正交分解的结果可能有好几组。在实际应用中，我们可能希望分解的结果中有某一分量沿横轴而言是比较平滑的，因此，将得到的独立部分和共同部分进行低通滤波处理，压制提取出的独立部分和共同部分中的高频干扰成分，使数据更平滑，得到的共同部分 独立部分 和独立部分 如图5所示，它们之间的相关系数，如表三所示：

[0106]

[0107]

[0108] 表三

[0109] 当采集模块采集到两组以上相互关联的数据信号时，采集模块将采集的数据信号发送到中央处理单元，中央处理单元从采集到的两组或两组以上相互关联的数据信号中任意提取出两组数据信号，执行步骤S2至S8计算出共同部分和两个独立部分，接着从未处理的数据信号中任意提取出一组数据信号，将该数据信号与计算出的共同部分作为两个相关信号，执行步骤S2至S8计算出新的共同部分和该数据信号的独立部分，如此循环提取每次得到的最新的共同部分和一组未处理的数据信号之间的共同部分和独立部分，直到所有数据信号都被处理完毕，然后中央处理单元将所有独立部分和最后得到的共同部分输出。

[0110] 对于两个以上相关信号，可以任取两信号，求出共同部分后再求该共同部分和任意一个剩下的未处理信号的新的共同部分和独立部分，如此循环直到每个信号都被处理一次为止。最后计算出的共同部分就是所有信号的共同部分，中央处理单元将所有独立部分和最后得到的共同部分输出到显示屏显示或输出到下一个设备进行分析。

[0111] 本实施例中，数据采集模块采集到相关系数为0.5331的两组信号，如图6所示，图6中， 是从50个人中提取的语言测试数据，横坐标表示人数，纵坐标表示重复朗读不认识汉字一段时间读错的比例； 是从50个人中提取的语言测试数据，横坐标表示人数，纵坐标表示听录音辨别所说的词语出现的错误率；这两种不同数据的相关性系数为0.5331。

[0112] 采用现有技术得到的共同部分 独立部分 和独立部分 如图7所示，它们之间的相关系数，如表四所示，

[0113]

[0114] 表四

[0115] 现有技术得出的原两组数据各自的独立部分直接的相关性为原两组数据相关性的负数，直接证明这种基于线性回归的方法根本不能提取相互独立的独立部分。同时我们可以看到共同部分和独立部分之间也存在很强的相关性。

[0116] 采用本方法得到的共同部分 独立部分 和独立部分 如图8所示，它们之间的相关系数，如表五所示，

[0117]

[0118] 表五

[0119] 从表五中可看出，共同部分 独立部分 和独立部分 两两之间的相关系数都为0，所以本方法提取的共同部分 独立部分 和独立部分 之间没有相关性。

[0120] 是用来评估语音提取和发音功能的， 是评估在没有视觉帮助下的语音识别功能的。共同部分 表征了大脑的将字词和语音融为一体的功能。独立部分 表征了寻找和表达该联系的功能，独立部分 表示的是建立语音语义这一连接过程的功能。