function y = Retrasos(x,N,TIPO) %------------------Funcion para la separacion ciega de fuentes con retardos--------------------- % % % Esta funcion implementa las dos versiones del algoritmo de separacion de fuentes con % retardos. Recibe como entrada el vector de mezclas de fuentes con retardos, el numero de % fuentes que existen en las mezclas y la constante TIPO que indica la version del algoritmo % de separacion que se desea usar para la separacion de las fuentes. % %------------------------------------------------------------------------------------------------ % % ARGUMENTOS DE SALIDA % % y Vector de fuentes estimadas y=W*x % % ARGUMENTOS DE ENTRADA % % x Vector de mezclas % N Numero de fuentes presentes en las mezclas % TIPO Parametro que indica la version del algoritmo (TIPO=1 V. Basica, TIPO=2 V. Avanzada) % %----------------------------------------------------------------------------------------------- %Constantes Nit=1400; %Numero de iteraciones que vamos a usar para el calculo de los autovectores NF=2; %Variable que indica el numero de filtros que vamos a utilizar Umbral=.5e-3; %Constante para determinar si la matriz de mezclas se genero bien %Matriz que contiene los filtros que vamos a utilizar para obtener cada una de las %matrices de autocovarianzas filtradas %Si se desea añadir un filtro, solo hay que añadir una fila con el filtro deseado e %indicar el nuevo valor de la variable NF Filtros=[0,ones(1,15);0 1 1 ones(1,10) 0 0 0;0 1 0 1 0 ones(1,11)]; %Matriz en la que almacenaremos las submatrices Ri obtenidas con cada filtro Rtotal=zeros(2*N,2*N*NF); %Determinamos el numero de receptores y la longitud de las muestras [MR,T]=size(x); %Si TIPO=1, aplicamos la version basica del algoritmo de separacion if TIPO==1 Rx=(1/T)*x*x'; %Determinamos Rx(0) [U,L,V]=svd(Rx); %Descomponemos en valores singulares la matriz Rx %Seguidamente obtenemos la matriz de autocovarianzas filtrada. Para ello filtramos %cada una de las señales recibidas en los sensores por separado for i=1:MR a=filter(Filtros(1,:),1,x(i,1:T-1)); if i==1 k=a; else k=[k;a]; end end Rxh=(1/T)*k*k'; U=U(1:MR,1:2*N); %Generamos la matriz U deseada L=L-trace(L(2*N+1:MR,2*N+1:MR))*(1/(MR-2*N)); %Estimamos la varianza del ruido y la restamos A=L(1:2*N,1:2*N); %Computamos la matriz A %A partir de ella, determinamos la matriz auxiliar R R=inv(A)*U'*Rxh*U; %Obtenemos los autovalores de R [E,D]=eig(R); %Matriz de separacion. Tenemos que multiplicar las señales por esta matriz para obtener las %originales W=E'*U'; y=W*x; %Por defecto, usaremos la version avanzada del algoritmo else y=zeros(2*N,T); for t=1:2*N Rx=(1/T)*x*x'; %Determinamos Rx(0) [U,L,V]=svd(Rx); %Descomponemos en valores singulares la matriz Rx U=U(1:MR,1:2*N); %Generamos la matriz U deseada %Estimamos la varianza del ruido y la restamos L=L-trace(L(2*N+1:MR,2*N+1:MR))*(1/(MR-(2*N))); A=L(1:2*N,1:2*N); %Computamos la matriz A %A partir de ella, determinamos la matriz R %Calculamos cada una de las matrices de autocovarianzas filtrada. Esto lo hacemos %filtrando todas las observaciones con cada filtro. %Las matrices de autocovarianzas obtenidas se almacenan en la matriz Rtotal for j=0:NF-1 for i=1:MR a=filter(Filtros(j+1,:),1,x(i,1:T)); if i==1 k=a; else k=[k;a]; end end Rxh=(1/T)*k*k'; D=eig(A); if sum(D) e-REdING. Biblioteca de la Escuela Superior de Ingenieros de Sevilla.


IMPLEMENTACIÓN DE UN ALGORITMO PARA LA SEPARACIÓN CIEGA DE FUENTES CON PEQUEÑOS RETARDOS

: Leñero Bardallo, Juan Antonio
: Ingeniería Telecomunicación
Contenido del proyecto:
Directorio raíz  >  Software  >  Retrasos.m