朱行濤，栗鐵樁，陳紹榮

（陸軍工程大學(xué)通信士官學(xué)校，重慶 400035）

0 引 言

在跳頻通信系統(tǒng)中，無論敵人采用何種形式的干擾（同頻干擾[1]、寬帶干擾[2]、窄帶干擾[3]等），其干擾信號(hào)與通信信號(hào)一般都是統(tǒng)計(jì)獨(dú)立的。利用信號(hào)的獨(dú)立性，采用盲源分離[4-6]技術(shù)，把通信信號(hào)和干擾分離開，可以極大地抑制敵人的干擾信號(hào)，從而達(dá)到抗干擾的目的。因此，盲源信號(hào)分離理論作為一種成熟的技術(shù)手段，為解決跳頻通信抗干擾問題提供了一種全新的思路[7-8]。

傳統(tǒng)的盲分離算法是在不同的假設(shè)條件下提出的，如二階盲辨識(shí)（Second Order Blind Identification，SOBI）算法[9]利用信號(hào)的二階統(tǒng)計(jì)量，在源信號(hào)是平穩(wěn)隨機(jī)過程的假設(shè)下，能獲得較好的分離效果，而跳頻信號(hào)是時(shí)變、非平穩(wěn)的隨機(jī)信號(hào)[10]。因此，二階的SOBI算法雖然復(fù)雜度低，但不適合跳頻信號(hào)的分離。特征矩陣聯(lián)合近似對(duì)角化（Joint Approximative Diagonalization of Eigenmatrix，JADE）算法[11]和快速獨(dú)立分量分析（fast Independent Component Analysis，fast ICA）算法[12]，分別利用信號(hào)的四階累積量和信號(hào)的非高斯最大化準(zhǔn)則，在噪聲是獨(dú)立同分布（Independent Identically Distributed，i.i.d.）的假設(shè)下，能較好地分離出源信號(hào)。而當(dāng)跳頻通信中存在非i.i.d.噪聲時(shí)，上述算法的性能會(huì)隨信噪比的降低迅速退化。

針對(duì)以上問題，本文利用跳頻信號(hào)的短時(shí)平穩(wěn)性和有色噪聲的非消失時(shí)間相關(guān)性，提出了一種基于空間預(yù)白化的跳頻通信盲源分離抗干擾方法。首先，為降低有色噪聲的影響，將觀測數(shù)據(jù)按照跳頻周期分成連續(xù)不重疊的特征窗，構(gòu)建基于特征窗的聯(lián)合差分相關(guān)矩陣，通過對(duì)參數(shù)化的聯(lián)合差分相關(guān)矩陣進(jìn)行奇異值分解（Singular Value Decomposition，SVD）得到白化矩陣，從而實(shí)現(xiàn)全局混合矩陣對(duì)有色噪聲的正交和無偏性。然后，為消除跳頻信號(hào)的非平穩(wěn)特性對(duì)分離性能的影響，把白化后的觀測數(shù)據(jù)在不同特征窗內(nèi)得到的時(shí)滯自相關(guān)矩陣組成矩陣集合，通過對(duì)矩陣集合進(jìn)行聯(lián)合對(duì)角化，實(shí)現(xiàn)跳頻信號(hào)和干擾的分離。相比于JADE算法，新算法的復(fù)雜度大大降低，同時(shí)由于采用了穩(wěn)健的白化算法和分離算法，可以獲得更好的分離效果，改善了跳頻通信在強(qiáng)干擾和低信噪比情況下的誤比特率性能。最后，通過仿真實(shí)驗(yàn)驗(yàn)證了新算法的有效性。

1 跳頻通信盲源分離抗干擾模型

對(duì)于一個(gè)受到強(qiáng)干擾的跳頻率通信系統(tǒng)，假設(shè)信道滿足瞬時(shí)混合的特性，則接收信號(hào)可表示為：

其中，s(t)為跳頻信號(hào)，j(t)為干擾，v(t)為信道加性噪聲，a1、a2為瞬時(shí)混合系數(shù)。在干擾很強(qiáng)的情況下，如果直接對(duì)接收信號(hào)進(jìn)行解跳、解調(diào)，誤比特率較高，跳頻通信基本喪失通信能力。考慮到跳頻信號(hào)s(t)和干擾j(t)是由不同發(fā)射機(jī)產(chǎn)生的，兩者近似統(tǒng)計(jì)獨(dú)立，可通過設(shè)計(jì)合適的盲源分離算法來實(shí)現(xiàn)跳頻信號(hào)s(t)和干擾j(t)的分離，并將分離后的跳頻信號(hào)送入解擴(kuò)/解調(diào)單元，以恢復(fù)出原始信息符號(hào)。一個(gè)典型的跳頻通信盲源分離抗干擾模型，如圖1所示。

圖1 跳頻通信盲源分離抗干擾模型

以2根接收天線為例，接收信號(hào)矢量為X(k)=[x1(k),x2(k)]T，具有如下形式：

式中，S(k)=[s(k), j(k)]T是2路彼此獨(dú)立的發(fā)射信號(hào)矢量，V(k)=[v1(k),v2(k)]T為與信號(hào)源不相關(guān)的噪聲矢量，為瞬時(shí)混合系數(shù)組成的混合矩陣，反映的是信道的瞬時(shí)傳輸特性。

從跳頻通信盲源分離抗干擾模型中可以看出，盲源分離是其中的關(guān)鍵點(diǎn)。所謂的盲源分離，就是通過尋找一個(gè)2×2階的滿秩線形變換（或分離）矩陣W，使得盲源分離后的輸出矢量Y(k)=[y1(k),y2(k)]T=WX(k)中的各路分量盡可能相互獨(dú)立，以實(shí)現(xiàn)跳頻信號(hào)s(t)和干擾j(t)的分離。

2 基于空間預(yù)白化的時(shí)滯自相關(guān)矩陣集合聯(lián)合對(duì)角化盲源分離算法

2.1 接收信號(hào)的空間預(yù)白化

為改善盲源分離系統(tǒng)的收斂特性，并消除冗余、減少噪聲，避免出現(xiàn)病態(tài)，以提高盲源分離的性能，需首先對(duì)接收信號(hào)進(jìn)行預(yù)白化[13]。傳統(tǒng)的白化方法是通過對(duì)接收信號(hào)的自相關(guān)矩陣進(jìn)行奇異值分解得到白化矩陣。但是，當(dāng)信號(hào)非平穩(wěn)且系統(tǒng)中存在非i.i.d.噪聲時(shí)，該方法將失效?？紤]到跳頻信號(hào)的短時(shí)平穩(wěn)性和有色噪聲的非消失時(shí)間相關(guān)性之間的差異，構(gòu)建基于特征窗的聯(lián)合差分相關(guān)矩陣，利用其替代簡單的自相關(guān)矩陣，通過尋找一個(gè)線性變換，使得全局混合矩陣對(duì)于加性噪聲是正交和無偏的。

2.1.1 構(gòu)建基于特征窗的聯(lián)合差分相關(guān)矩陣

定義基于特征窗的聯(lián)合差分相關(guān)矩陣：

其中，λ為一組聯(lián)合參數(shù)矢量，Ti和Tj是兩個(gè)不重疊的等長時(shí)間窗，R(Ti,τ)表示時(shí)間窗Ti時(shí)滯τ 的 相 關(guān) 矩 陣，ΔR(Ti,Tj,τ)=R(Ti,τ)-R(Tj,τ)。 將 X(k)分成M個(gè)不重疊的時(shí)間窗，計(jì)算出ΔR^(Ti,Tj,τl)，i=1,…,M，j≥ i; l=1,…,n。

2.1.2 用聯(lián)合差分相關(guān)矩陣替代自相關(guān)矩陣

2.1.3 尋找白化矩陣

步驟1：對(duì)R進(jìn)行SVD分解：

其中，U=[u1,u2]∈ R2×2，∈ R2×2B，其左 2 列包含diag{σ1,σ2}，其右2B-2列為零（當(dāng)噪聲功率遠(yuǎn)小于信號(hào)功率時(shí)），V∈R2B×2B是正交矩陣。

步驟2：初始化參數(shù)矢量λ=[λ1,λ2,…,λB]T，并計(jì)算：

其中，Rd=UTΔR^(ζd)U，d=1,2,…B。

步驟3：若R~非正定，則：

其中，u是R~的最小特征值對(duì)應(yīng)的特征向量，然后返回步驟2。

若R~正定，則執(zhí)行步驟4。

R~(λ*)進(jìn)行SVD：，US包含了2個(gè)主奇值S=diag{σ1,σ2}對(duì)應(yīng)的特征向量。

其中，

步驟5：使全局混合矩陣對(duì)加性噪聲是正交和無偏的白化矩陣：

最終，觀測信號(hào)X(k)的白化過程可用數(shù)學(xué)公式表示為：

2.2 時(shí)滯自相關(guān)矩陣集合的聯(lián)合對(duì)角化

將觀測數(shù)據(jù)按照跳頻周期分成連續(xù)等長的時(shí)間窗，則經(jīng)過預(yù)白化和時(shí)間窗處理后的跳頻信號(hào)為白化的平穩(wěn)信號(hào)。在時(shí)間窗Ti中，觀測信號(hào)為XTi(t)=[xTi1(t),xTi2(t)]T，其自相關(guān)矩陣可表示為：

假設(shè)噪聲V(t)和信號(hào)S(t)互不相關(guān)，則：

考慮到觀測信號(hào)已經(jīng)預(yù)白化處理，噪聲功率σ2已被消除或減弱，故噪聲自相關(guān)矩陣為：

因此，時(shí)間窗Ti的自相關(guān)矩陣可近似表示為：

由于跳頻信號(hào)和干擾信號(hào)近似統(tǒng)計(jì)獨(dú)立，源信號(hào)的自相關(guān)矩陣RSS(τl)為對(duì)角矩陣，因此將每個(gè)窗里的時(shí)滯自相關(guān)矩陣R(Ti,τl),l=1,…,n組成矩陣集合?={R(T1,τ1),…,R(TM,τn)}，可通過對(duì)矩陣集合進(jìn)行聯(lián)合對(duì)角化來實(shí)現(xiàn)跳頻信號(hào)和干擾的分離。

算法的具體步驟如下：

步驟1：按照描述的白化方法對(duì)觀測數(shù)據(jù)X(k)進(jìn)行空間預(yù)白化處理X(k)=QX(k)。

步驟2：將白化后的觀測數(shù)據(jù)X(k)分成M個(gè)不重疊的時(shí)間窗，估計(jì)每個(gè)時(shí)間窗內(nèi)觀測數(shù)據(jù)在不同時(shí)間間隔τ∈{τl|l=1,2,…,n}下的自相關(guān)矩陣

步驟 3：將 R(Ti,τl)組成矩陣集合 ?={R(T1,τ1),…,R(TM,τn)}，對(duì)其進(jìn)行聯(lián)合對(duì)角化，得到聯(lián)合對(duì)角化器U。

步驟4：求得分離矩陣W和分離信號(hào)Y為：

3 性能分析

對(duì)s(t)和j(t)進(jìn)行歸一化處理，由式（2）可推導(dǎo)出有噪環(huán)境下的盲分離模型：

式中，snorm、jnorm分別為功率歸一化后的通信信號(hào)和干擾信號(hào)，功率歸一化后的等效混合矩陣為A0=[asa11,aja12;asa21,aja22]，其中as、aj為轉(zhuǎn)化系數(shù)；噪聲矩陣V=[v1,v2]T由多路相互獨(dú)立的信道加性噪聲組成，ΔX=V為由信道加性噪聲引起的接收信號(hào)偏移。

理想情況下，分離矩陣W=A0-1，則在有噪環(huán)境下得到分離后的輸出信號(hào)為：

式中，ΔSnorm=A0-1V=A0-1ΔX為分離后的輸出信號(hào)相對(duì)于源信號(hào)的偏移。

由矩陣范數(shù)的相容性，可得：

（1）與歸一化信噪比[14]（Normalized Signal to Noise Ratio，NSNR）的關(guān)系

由式(18)可知：在||A0-1||一定的情況下，||ΔSnorm||/||Snorm||與||Snorm||/||V||的大小成反比?？紤]到||Snorm||/||V||正比于歸一化信噪比NSNR，即NSNR越小，||ΔSnorm||/||Snorm||越大，分離效果越差，抗干擾性能下降；||Snorm||/||V||越大，||ΔSnorm||/||Snorm||越小，分離效果越好，抗干擾性能提升。

綜上所述，NSNR越大，分離效果越好，系統(tǒng)的誤比特率越低；NSNR越小，分離效果越差，系統(tǒng)的誤比特率越高。

（2）與信干比[14]（Signal to Jamming Ratio，SJR）的關(guān)系

將功率轉(zhuǎn)化到混合矩陣A中后，得到等效混合矩陣A0：

式中，a11、a12、a21、a22為原混合矩陣A的組成元素，as、aj為功率轉(zhuǎn)化系數(shù)。

假設(shè)混合矩陣A和發(fā)射信號(hào)功率固定，即a11、a12、a21、a22、as為一常數(shù)，求得接收端的信干比為：

式（20）表明，在信噪比一定的情況下，接收端的SJR與aj的大小成反比，即aj→+∞，SJR越小。而當(dāng)aj→+∞時(shí)，等效混合矩陣A0的病態(tài)程度（是否為列滿秩）越嚴(yán)重。這就意味著，SJR越小，A0的病態(tài)程度越嚴(yán)重。

綜上所述，在NSNR一定的情況下，混合信號(hào)的分離效果取決于等效混合矩陣A0的病態(tài)程度，且SJR越小，A0的病態(tài)程度越嚴(yán)重，混合信號(hào)的分離效果越差，造成系統(tǒng)的誤比特率越高。

4 仿真驗(yàn)證

仿真參數(shù)設(shè)定如下：跳頻通信盲源分離抗干擾系統(tǒng)采用2根天線接收，混合矩陣A=[0.461 1,0.396 7;0.438 1,-0.753 4]，期望跳頻信號(hào)s(t)采用2FSK調(diào)制，2FSK信號(hào)載頻中心頻率fm=50 kHz，單載頻的頻率間隔Δf=1 kHz，信息速率Rb=1 000 bit/s，跳頻頻點(diǎn)數(shù)K=32，對(duì)應(yīng)的PN序列為{0,1,…,31}間的隨機(jī)整數(shù)，跳頻速率為10 hop/s，跳頻中心頻率fh=200 kHz，單跳信號(hào)帶寬Bs=5 kHz，跳頻信號(hào)帶寬Bt=32Bs=160 kHz，系統(tǒng)的采樣頻率fsample=1 600 kHz。仿真中，干擾j(t)主要采用全頻帶噪聲阻塞干擾，由高斯白噪聲經(jīng)48階巴特沃斯濾波器產(chǎn)生；加性噪聲v(t)采用有色噪聲，由高斯白噪聲通過MA模型產(chǎn)生；仿真信號(hào)長度t=1 s，時(shí)間窗長度T=0.1 s，時(shí)間窗個(gè)數(shù)M=10，時(shí)間窗內(nèi)的時(shí)滯次數(shù)n=4。

論文重點(diǎn)仿真分析了跳頻盲源分離抗干擾方法在分離效果和抗干擾性能兩方面的性能。其中，抗干擾性能用誤比特率（Bit Error Rate，BER）來衡量，而分離性能用PI值來衡量。

PI值定義如下[15]：

式中，gij是全局系統(tǒng)矩陣G=WQA的第(i, j)個(gè)元素，maxi|gij|表示G的第i行的各個(gè)元素取絕對(duì)值后的最大值。

4.1 分離效果仿真

分離性能仿真時(shí)，把信干比固定在-40 dB，而讓歸一化信噪比以2 dB的步長從-3 dB遞增至17 dB，從而得到JADE算法、fast ICA算法和本文所提算法在梳狀干擾下的PI值隨NSNR變化的曲線，如圖2所示。

從圖2中可以看出：一方面，隨著歸一化信噪比的增加，3種盲源分離算法的PI值漸小，即分離效果隨著NSNR的增加變好；另一方面，在NSNR較低的情況下，JADE算法和fast ICA算法的PI值接近0.8，而本文算法的PI值約為0.3，意味著本文算法在低NSNR下的分離效果要好于JADE算法和fast ICA算法。這主要是因?yàn)楸疚乃惴ǔ浞掷锰l信號(hào)的短時(shí)平穩(wěn)性和有色噪聲的非消失時(shí)間相關(guān)性，通過空間預(yù)白化最大限度地消弱了有色噪聲的影響。

圖2 PI值與NSNR關(guān)系曲線

4.2 抗干擾效果仿真

為衡量噪聲功率對(duì)抗干擾效果的影響，在全頻帶噪聲阻塞干擾下，把信干比SJR固定在-40 dB，讓NSNR從-3 dB以2 dB的步長遞增至17 dB，從而得到3種不同盲源分離算法（JADE算法、fast ICA算法和本文所提算法）的BER隨NSNR變化的曲線，如圖3所示。

圖3 BER與NSNR的關(guān)系曲線

為衡量干擾功率對(duì)抗干擾效果的影響，在全頻帶噪聲阻塞干擾條件下，把NSNR固定為16 dB，讓SJR從-100 dB以10 dB的步長遞增至0 dB，從而得到3種不同盲源分離算法（JADE算法、fast ICA算法和本文所提算法）的BER隨SJR變化的曲線，如圖4所示。

圖4 BER值與SJR的關(guān)系曲線

從圖4可看出：在NSNR=16 dB的情況下，采用盲源分離方法進(jìn)行抗干擾后的BER，幾乎不隨SJR而變化，并維持在10-3～10-4的低位，通信順暢；而對(duì)直接解擴(kuò)/解調(diào)信號(hào)來說，當(dāng)信干比SJR＜-30 dB時(shí)，其BER也不隨SJR變化，但維持在0.5的高位，意味著此時(shí)強(qiáng)干擾已經(jīng)超過了直擴(kuò)通信的干擾容限，通信基本失效；而當(dāng)SJR＞-30時(shí)，隨著SJR的增加，干擾強(qiáng)度逐漸降低，此時(shí)直接解擴(kuò)/解調(diào)信號(hào)的誤比特率逐漸減小，但仍大于盲源分離抗干擾方法。

5 結(jié) 語

針對(duì)常規(guī)跳頻通信難以高效抵抗人為惡意干擾和動(dòng)態(tài)干擾的實(shí)際，利用源信號(hào)的統(tǒng)計(jì)獨(dú)立性，提出了一種基于空間預(yù)白化的跳頻通信盲源分離抗干擾方法。該方法基于跳頻信號(hào)的短時(shí)平穩(wěn)性和有色噪聲的非消失時(shí)間相關(guān)性，利用自定義的聯(lián)合差分相關(guān)矩陣替代傳統(tǒng)的自相關(guān)矩陣，實(shí)現(xiàn)了接收信號(hào)的空間預(yù)白化，使得全局混合矩陣對(duì)有色噪聲是正交和無偏的。然后，通過對(duì)白化接收信號(hào)的時(shí)滯自相關(guān)矩陣集合進(jìn)行聯(lián)合對(duì)角化，實(shí)現(xiàn)跳頻信號(hào)和干擾的分離，達(dá)到抗干擾的目的。仿真結(jié)果表明：在低歸一化信噪比下，新算法比JADE算法和fast ICA算法具有更好的分離效果和抗干擾性能。

參考文獻(xiàn)：

[1] 盧志忠,周穎,黃玉.空間域相關(guān)法抗X波段航海雷達(dá)同頻干擾[J].系統(tǒng)工程與電子技術(shù),2017,39(04):758-767.LU Zhi-zhong,ZHOU Ying,HUANG Yu.Spatial Domain Correlation Method Anti-X-band Marine Radar Cochannel Interference[J].Journal of Systems Engineering and Electronics,2017,39(04):758-767.

[2] 劉胤廷,李秀萍,高攸綱.雙天線對(duì)消技術(shù)對(duì)寬帶干擾的抑制性能[J].北京郵電大學(xué)學(xué)報(bào),2017,40(03):72-75.LIU Yin-ting,LI Xiu-ping,GAO You-gang.Suppression of Wideband Interference Through the Cancellation Technology of Dual Antennas[J].Journal of Beijing University of Posts and Telecommunicatio ns,2017,40(03):72-75.

[3] 付衛(wèi)紅,宋長漢,劉乃安等.基于RIE的自適應(yīng)窄帶干擾抑制算法[J].重慶郵電大學(xué)學(xué)報(bào):自然科學(xué)版,2016,28(03):291-296.FU Wei-hong,SONG Chang-han,LIU Nai-an,et al.Adaptive Narrow-band Interference Suppression Algorithm Based on Recognition of Interference Existence Technology[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition),2016,28(03):291-296.

[4] 許鵬飛,劉乃安,付衛(wèi)紅.同頻同調(diào)制通信信號(hào)的卷積混合盲源分離[J].重慶郵電大學(xué)學(xué)報(bào):自然科學(xué)版,2010,22(03):312-316.XU Peng-fei,LIU Nai-an,FU Wei-hong.Convolutive Blind Source Separation Applied to the Communication Signals that with Same Carrier Frequencies and Modulation[J].Journal of Chongqing University of Posts and Telecommunications(Natural Science Edition),2010,22(03):312-316.

[5] Mitsui Y,Kitamura D,Takamichi S,et al.Blind Source Separation Based on Independent Low-rank Matrix Analysis with Sparse Regularization for Time-BERies Activity[C].IEEE International Conference on Acoustics,Speech and Signal Processing IEEE,2017:21-25.

[6] Ehsandoust B,Rivet B,Jutten C,et al.Nonlinear Blind Source Separation for Sparse Sources[C].Signal Processing Conference IEEE,2016:1583-1587.

[7] 于淼,王曰海,汪國富.基于獨(dú)立分量分析的跳頻通信抗梳狀阻塞干擾方法[J].解放軍理工大學(xué)學(xué)報(bào):自然科學(xué)版,2012,13(06):593-598.YU Miao,WANG Yue-hai,WANG Guo-fu.ICA Based Anti-jamming Method of Frequency Hopping Communication against Comb Jamming[J].Journal of PLA University of Science and Technology(Natural Science Edition),2012,13(06):593-598.

[8] 于淼,王曰海,汪國富.基于BSS的跳頻通信抗部分頻噪聲阻塞干擾方法[J].系統(tǒng)工程與電子技術(shù),2013,35(05):1079-1084.YU Miao,WANG Yue-hai,WANG Guo-fu.BSS Based Anti-jamming Method for Frequency Hopping Communication against Partial-band Noise Jamming[J].Journal of Systems Engineering and Electroni cs,2013,35(05):1079-1084.

[9] Belouchrani A,Amin M G,Abed-Meraim K.Direction Finding in Correlated Noise Fields Based on Joint Block-diagonalization of Spatio-temporal Correlation Matrices[J].Signal Processing Letters IEEE,1997,4(09):266-268.

[10] 劉放,葉菲.跳頻信號(hào)SPWVD參數(shù)估計(jì)方法研究[J].電腦與信息技術(shù),2007,15(06):28-30.LIU Fang,YE Fei.Research on Estimation SPWVD Parameter of Frequency-Hopping Signal[J].Computer and information Technology,2007,15(06):28-30.

[11] Rutledge D N,Bouveresse J R.Independent Components Analysis with the JADE Algorithm[J].Trac Trends in Analytical Chemistry,2013,50(50):22-32.

[12] 王文濤,張劍云,李小波等.Fast ICA應(yīng)用于雷達(dá)抗主瓣干擾算法研究[J].信號(hào)處理,2015,31(04):497-503.WANG Wen-tao,ZHANG Jian-yun,LI Xiao-bo,et al.A Study on Radar Mainlobe Jamming Suppression Algorithm Based on Fast ICA[J].Journal of Signal Processing,2015,31(04):497-503.

[13] 吳微,張帆,周志軍等.基于迭代白化的含噪盲源分離技術(shù)研究[J].信息工程大學(xué)學(xué)報(bào),2016,17(06):681-685.WU Wei,ZHANG Fan,ZHOU Zhi-jun,et al.Research on Noisy Blind Sources Separation Based on Iteration Whitening[J].Journal of Information Engineering University,2016,17(06):681-685.

[14] 朱行濤,劉郁林,何為等.基于變換域?yàn)V波的直擴(kuò)通信單通道混合信號(hào)分離抗干擾方法[J].系統(tǒng)工程與電子技術(shù),2016,38(10):2405-2412.ZHU Xing-tao,LIU Yu-lin,HE Wei,et al.Anti-jamming Algorithm for Direct Sequence Spread Spectrum Communication based on Source Separation of Single Channel Mixed Signal by Using Transform-domain Filter[J].Journal of Systems Engineering and Electroni cs,2016,38(10):2405-2412.

[15] 邱萌萌,周力,汪磊等.基于二階統(tǒng)計(jì)和時(shí)間結(jié)構(gòu)的盲信號(hào)分離方法[J].計(jì)算機(jī)應(yīng)用,2014,34(09):2510-2513.QIU Meng-meng,ZHOU Li,WANG Lei,et al.Blind Separation Method for Source Signals with Temporal Structure Based on Second-order Statistics[J].Journal of Computer Applications,2014,34(09):2510-2513.