牛宏亮

（西安铁路职业技术学院 陕西 西安 710014）

盲源分离（Blind Source Separation，BSS）研究的是在传输信道特征和真实源信号知之甚少的背景下，从传感器中提取源信号的问题。自20世纪80年代以来，许多学者对盲源分离问题进行了不同程度的研究。1991年，Herault和Jutten首次采用神经网络方法成功地实现了两个语音信号的分离[1-2]。

盲源分离算法主要分为批处理算法和自适应处理算法。1994年，Comon提出了Jacbi法[3]，该算法建立在成对数据逐次旋转基础上的，计算方法比较复杂，信号分离效果不理想。1996年，法国的Cardoso教授通过对Jacbi法的改进，提出一种基于四阶累积量矩阵联合对角化概念的方法（JADE法）[4]，信号分离性能较Jacbi方法有明显改善。上述方法对信号的要求比较苛刻，一般仅限于非高斯平稳信号，很难满足现实需要[5]。因此，对非平稳信号的分析就成为国内外学者们研究的热点。

针对非平稳信号，传统的分析方法有两种[6]：核函数分解和能量分布方法。Adel等人提出了用空间时频分布来分离非平稳信号的方法[7]，该方法相比于传统方法，它不仅可以分离具有不同时频分布特性的源信号，而且能够分离具有相同谱密度，但又具有不同时频分布特性的高斯源。Dario等学者采用Choi-Williams分布和Bessel核函数，结合联合对角化算法，实现了肌电信号的分离[8]。

Cohen类时频分布可以有效地抑制交叉项，基于此，文中研究了Cohen类时频分布对交叉项抑制的特性，并分析其用于盲源分离的效果。

1 电磁干扰信号数学模型

电磁干扰是指产生、传输和接收无意识电磁信号对其它设备正常工作所带来的附加影响。……