计算公式
在采用盲分离算法进行信号分离的时候,需要对分离结果进行定量分析和评估,分离效可用相似系数来评估。分离的信号
y
i
y_i
yi与原始信号
s
j
s_j
sj的相似系数定义为:
ξ
i
j
=
∣
∑
K
=
1
l
y
i
(
k
)
s
j
(
k
)
∣
∑
k
=
1
L
y
i
2
(
k
)
∑
k
=
1
L
s
j
2
(
k
)
\xi_{ij}=\frac{|\sum_{K=1}^{l}y_i(k)s_j(k)|}{\sqrt{\sum_{k=1}^{L}y_i^2(k)\sum_{k=1}^{L}s_j^2(k)}}
ξij=∑k=1Lyi2(k)∑k=1Lsj2(k)∣∑K=1lyi(k)sj(k)∣
若
ξ
i
j
\xi_{ij}
ξij等于1,则表明分离的信号
y
i
y_i
yi与原始信号
s
j
s_j
sj仅存在幅度上的不同,分离的信号十分纯净;若i
ξ
i
j
\xi_{ij}
ξij等于0,则表明分离的信号
y
i
y_i
yi与原始信号
s
j
s_j
sj完全不相同,信号没有被分离。因此,
ξ
i
j
\xi_{ij}
ξij的数值越接近1,分离的效果越好。
编程实现
例如要计算两个信号(向量)sourceS和estmatS之间的相似系数:
A = abs(sum(sourceS.*estmatS)); %分子
B = sqrt(sum(sourceS.^2)*sum(estmatS.^2)); %分母
simlCoe = A/B;
参考文献:
[1]李凤娥.自适应抗干扰及盲源分离应用技术研究[D].西安电子科技大学,2021.DOI:10.27389/d.cnki.gxadu.2021.001863.
(4.2.1节)