基于非线性函数的非平稳盲源分离步长算法

传统自然梯度盲源分离算法采用固定步长,导致收敛速度和稳态误差之间存在矛盾,使算法性能受到制约,特别是对非平稳盲源的分离效果较差。为此,对传统算法进行了改进,提出了一种新的基于非线性函数的步长算法,在分离过程中使步长在每次更新中自动做出合理的调整。通过MATLAB仿真实验证明了新算法的有效性。     

采用位置混沌重构的入侵杂草优化在盲源分离的应用

传统盲源分离（blind source separation,BSS）优化算法的应用场合非常有限,而且分离性能不高,为此提出了一种新的采用位置混沌重构的入侵杂草优化算法（invasive weed optimization,IWO）,并对其在盲源分离的应用进行了研究。新算法在每轮更新的初期驱动选出的较优个体向此时种群的最优个体做适当距离的移动,这样不仅会增加种群的多样性,避免算法出现早熟,而且收敛速度也较快。盲信号分离仿真实验证实,与标准IWO、粒子群优化算法（particle swarm optimization,PSO）和自然梯度算法（natural gradient,NG）相比,新算法的性能优势明显,收敛速度较快,分离精度较高。     

防火墙技术发展研究

防火墙技术是实现网络安全的一种重要手段,介绍了防火墙的概念,分析了传统防火墙的原理和特点,并对几种新的防火墙技术作了归纳。     

基于改进的萤火虫优化算法的混合语音盲分离

针对传统盲源分离优化算法对分离性能影响较大的局限性,提出了一种基于改进的萤火虫优化的混合语音盲分离算法。将萤火虫的飞行跨度由固定取值变为由新构造的函数自适应调整,在加快收敛速度的同时避免算法早熟现象的发生。实验结果表明,与基于自然梯度、标准萤火虫和粒子群优化的盲分离算法相比,新算法对混合语音信号的分离效果较好,在收敛速度和分离能力方面都有所提升。     

防火墙技术发展研究

防火墙技术是实现网络安全的一种重要手段,介绍了防火墙的概念,分析了传统防火墙的原理和特点,并对几种新的防火墙技术作了归纳。     

一种新的自适应步长盲源分离算法

自然梯度盲源分离算法通常采用固定步长,但这样做会造成算法收敛速度慢和跟踪能力差.为此,提出了一种新的自然梯度自适应步长盲源分离算法,使步长在每次迭代中根据其他参数的变化做出相应的调整.在非稳态环境下,计算机仿真试验结果表明,新算法不仅具有良好盲分离性能,而且在上述两个方面都有了较大改善.