基于空间时频分布的非平稳信号盲分离算法性能研究

摘要

基于空间时频分布的盲信号分离算法可以用来分离具有不同时频分布的非平稳信号.Wigner-Ville分布(WVD)作为比较常用的时频分布,对合成信号存在交叉项,因而将WVD分布用于这种分离算法时,其分离性能并不好.理论上,大多数Cohen类时频分布可以抑制交叉项并且保持时频聚集性,因此,Cohen类时频分布可以在TFBSS中取得更好的分离性能.分析了各种常用的Cohen类时频分布对交叉项的抑制性能和对盲源分离性能的影响,理论分析和仿真结果表明:通常情况下,在时频盲源分离算法中,采用Bom-Jordan分布、Choi-Willimams分布、Butterworth分布、广义矩形时频分布、减小交叉项分布、平滑伪WVD、ZAM分布、Margenau-Hill谱图时频分布和伪WVD分布时的盲分离效果优于采用WVD.