基于改进型象群优化算法的 BSS 方法

为了克服传统群智能算法在求解盲源分离(BSS)问题时收敛速度慢和分离精度差的缺点,提出一种基于改进型象群优化(IEHO)算法的BSS方法.该方法利用独立性原则,融合分离信号的峭度和互信息来构建目标函数.在氏族更新阶段,通过改进算法比例因子并加入邻域搜索,提高了算法搜索方式的多样性;在分离阶段,引入量子粒子群优化策略,提高了算法的全局搜索能力.仿真结果表明,与传统的象群优化算法和粒子群优化算法相比,IEHO算法的寻优效果较好,并成功实现了图像信号和语音信号的盲源分离,分离精度更高,收敛速度更快.     

基于小波包混合优化的欠定盲源分离方法

为解决欠定盲源分离问题,提出一种基于小波包混合优化的欠定盲源分离方法。 该方法采用小波包变换将观测信号分 解,将观测信号的维数进行扩展,利用互相关系数值剔除冗余的信号分量,欠定盲源分离问题得到转化。 接着使用贝叶斯信息 准则下的奇异值分解方法估计源信号数目,通过白化过程对信号降维。 最后,引入鲸鱼优化算法中的螺旋泡网狩猎行为与莱维 飞行策略,对灰狼优化算法进行改进,将改进后的混合灰狼优化算法与独立成分分析算法相结合,实现重构正定白化信号的分 离,从而得到源信号的近似估计。 通过仿真实验对算法性能进行测试,结果验证所提方法的可行性和有效性。