买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京计算机技术及应用研究所申请的专利一种联合平稳相关源信号的盲源分离方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116010786B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211601835.3，技术领域涉及：G06F18/15；该发明授权一种联合平稳相关源信号的盲源分离方法是由刘宗宝;张力;刘更;程智鹏设计研发完成，并于2022-12-13向国家知识产权局提交的专利申请。

本一种联合平稳相关源信号的盲源分离方法在说明书摘要公布了：本发明涉及一种联合平稳相关源信号的盲源分离方法，属于信号处理领域。本发明首先基于盲源分离的线性模型，提出了对模型的基本假设；然后将观测信号分解为常规部分和可预测部分，研究了从可预测部分中提取有用信息的方法；基于这种方法进行了混合矩阵的估计，并实现了相关源信号的分离。本发明将观测信号分解为常规部分和可预测部分，从可预测部分中提取有用信息，解决了传统盲源分离方法基于源信号独立或者不相关的假设，无法进行相关源信号分离的问题。

本发明授权一种联合平稳相关源信号的盲源分离方法在权利要求书中公布了：1.一种联合平稳相关源信号的盲源分离方法，其特征在于，该方法包括如下步骤： S1、计算观测信号的相关函数： S2、计算谱密度函数： S3、从谱密度函数中提取对应可预测部分的谱成分： S4、去除谱密度函数中对应共用频率成分的项： S5、计算期望的相关函数： S6、构造相关矩阵： S7、应用SOBI方法； S8、得到混合矩阵A和源信号st； 其中， 假设d个信号s1t,…,sdt是来源于不同位置的d个信号源， xt＝a1s1t+…+adsdt+nt 因此 xt＝yt+nt＝A·st+nt 其中是从m个传感器获得的观测信号，是由d个未知源信号组成的源信号，是加性噪声信号，是混合矩阵； 假设： st中的每一个成分都是零均值的平稳随机过程； nt是零均值的平稳随机过程，与源信号相互独立； 混合矩阵A满秩； 源信号是联合平稳的，但不要求源信号必须是相互独立或者不相关的； 观测信号表示为以下模型形式： 其中是混合矩阵；因此， xit＝αis1t+βis2t+nit,i＝1,2,… 源信号的常规和预测部分可分别表示为sirt和sipt，i＝1,2： sit＝sipt+sirt 其中 其中{aK}和{bL}是正交随机变量，{ω1K},{ω2L}是频率集； 由于任何信号的常规和预测部分都是正交的，可得 xit＝xipt+xirt+nit,i＝1,2,… 其中 xipt＝αis1pt+βis2pt,i＝1,2,… xirt＝αis1rt+βis2rt,i＝1,2,… 因此， 其中{diq}是正交随机变量，{ωq}＝{ω1K}∪{ω2L}； 所述步骤S1中，观测信号的相关函数为 其中N0是噪声的方差，和分别是常规部分和可预测部分的相关函数； 所述步骤S2中，观测信号的率谱密度函数为： 其中， 所述步骤S3中，{Ωn}表示频率集，观测信号的可预测部分可写为： 因此， 因此 所述步骤S4中，去除谱密度函数中共用频率成分对应的项，即函数的第二部分，得到 所述步骤S5中，期望的相关函数为 其中，F-1{·}表示傅里叶反变换； 所述步骤S6中，因不相关，可得到以下的矩阵形式 其中H表示复数共轭转置， 所述步骤S7、S8具体包括：应用二阶盲辨识SOBI算法计算正交矩阵T和单位矩阵U； 正交矩阵T为 其中用μ和μ的特征值，v和v为特征值对应的特征向量； 当τ≠0时应用正交矩阵T，相关矩阵写为 因此， 由单位矩阵U得到混合矩阵 A＝T-1·U 因此源信号为 st＝A-1·xt。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京计算机技术及应用研究所，其通讯地址为：100854 北京市海淀区永定路51号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。