【反卷积】

反卷积

最近读论文在introduction里面经常看到反卷积，姑且做一些初步的了解。

最小熵反卷

从最小熵反卷入手，Wiggins 在1978 年提出了最小熵反卷积方法[29]，原理是迭代选择有限脉冲响
应滤波器使得被滤波信号的熵最小，目前已被广泛应用于多个领域。其基本思想是：假设原始激励信号包含冲击脉冲，寻找一个能够抵消传递路径影响的逆滤波器，从而得到幅值较高的信号峰值[57]。
振动信号为：

$x=h_1\ast u+h_2\ast d+h_3\ast e$

其中，$h_1$为系统动力学响应，$d$为故障脉冲序列，$e$为噪声。目标是通过设计一个滤波器/加权序列$\text{f}$，使得滤波后的信号尽量只保留脉冲成分。也即是：
$f\ast h_1\ast u\approx 0$
$f\ast h_3\ast e\approx 0$

滤波器$\text{f}$为：

$\text{f}=[f_1,f_2,...f_L{]}^T$

接收信号为方便表示写成矩阵：

为了实现上述目标，需要有一个目标函数，这里由于脉冲信号的峭度指标比较敏感，选择峭度作为优化的目标函数。（这里如果之前看过ICA的话感觉挺像的，ICA里面以非高斯性作为分离的目标，找一组权重/滤波器进行分离）

在均值为0的情况下，优化的目标如下：

这个优化函数不好求解析解，可以用迭代的方式求解：

通过给定$\text{f}$初值，计算$y$，然后再更新$\text{f}$…以此类推，给定一个收敛准则最终得到一个极值。
如果是其他类型的目标或者情况，更换目标函数以及优化的过程。反卷积这个名字也挺好的，为了恢复某个目标（这里的冲击经过了系统传递卷积），结合一定先验知识，将卷积的效应进行消除。
参考文献：
[1] 王怡恬. 基于谱峭度和最小熵反卷积的轴承故障增强检测[D]. 湖南:国防科学技术大学,2017.
[2]Wiggins R A. Minimum entropy deconvolution[J]. Geoexploration, 1978, 16(1-2): 21-35.