基于粒子群算法的盲分离及盲抽取的研究

《基于粒子群算法的盲分离及盲抽取的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要盲信号分离与抽取技术是近些年来出现的一种新兴的信号处理方法，在多方面都有良好的应用前景。由于问题本身的新颖性、复杂性和实用性，吸引了越来越多的学者对其进行研究，提出了多种算法，如固定点算法、梯度法、遗传算法等。本文针对这些传统的盲分离和抽取算法存在的一些不足，作了以下一些工作：本文系统地分析、总结了国内处关于盲分离和抽取领域的主要发展历程、理论和研究成果，并重点对固定点算法、Informax算法、梯度法等经典算法进行了分析、比较和研究，发现了一些缺陷。梯度法需要引入线性函数，使算法性能受到信号特征的影响。固定点

2、算法在没有足够多样本的情况下容易收敛到局部极值点，而遗传算法因过于复杂，在运算时间上有一定的劣势。本文分析了粒子群算法的原理和步骤，并将其引入到盲分离与盲抽取中，将粒子群算法与盲分离与盲抽取结合起来，为盲信号处理领域提供了一种新的研究方法和思路。并且以线性瞬时混合信号为例，实现了对一般信号、声音信号和图像信号以峰度为判别依据的盲分离和抽取。算法直接对以峰度为基础建立的适应度函数进行寻优，无需引入非线性函数，避免了信号特征对算法性能的影响。本算法与遗传算法、标准梯度法的仿真实例表明，粒子群算法比遗传算法有较优高的收敛

3、速度，而比标准梯度法有较高的准确度，证明了本算法的有效性及优越性。关键字：盲分离盲抽取峰度粒子群算法适应度函数IIAbstractThetechnolegyofblindsourceseparationandextractionisanewsignalprocessingmethodthathascomeoutrecentyears．Itisveryusefulinmanyparts．Asthetechnolegyisoriginality,complicatedanduseful，moreandmoreresea

4、rchershavebeenworkingonit．Manyalgorithmsareproduced，suchastheFixedPointAlgorithm，theGradAlgorithmandtheGeneticAlgorithm，andSOon．Thepaperworksonthesereralpartsasfowllowsaccordingtothedisadvantagesoftraditionalalgorithms：Systematicanalysisandsummaryismadeinthema

5、incourseofthedevelopment，theoryandresearchoftheblindsourceseparationandextractionfieldathomeandabroadwithanemphasisonfixed-pointalgorithm，Informaxalgorithmandgradientalgorithm，andthewriterfindsanumberofdefectsinthealgorithms．Gradientmethodisnecessarytointroduc

6、eanon—linearfunctionaccordingtothesignalcharacteristicsandthealgorithmperformanceisaffected．Fixed—pointalgorithmiseasytoconvergetoalocalextremumpointsifitdoesnothaveenoughvariety,andthegeneticalgorithmhasadisadvantageinthecomputationtimebecauseofitscomplexity．

7、Thepaperanaliestheprincipleandprocedureofparticleswarmoptimizationalgorithm，andintroducedittotheblindsourceseparation1IIandextraction，andprovidesanewresearchmethodsideasforblindsignalprocessing．Andwetakethelinearinstantaneousmixturesasanexample，andputitintorea

8、ltyingeneralsignals，soundsignalsimagesignalsbasedonkurtosis．Algorithmdirectlyoptimizethefitnessfuctionthatisbaseonkurtosis，withoutnon—linearfunction，andthealgorithmperformanceisnot