基于ICA的雷达信号欠定盲分离算法

该文针对源信号时域和频域不充分稀疏的情况,提出了欠定盲源分离中估计混合矩阵的一种新方法。该方法对等间隔分段的观测信号应用独立分量分析(ICA)的盲分离算法获得多个子混合矩阵,然后对其分选剔除了不属于原混合矩阵的元素,最后利用C均值聚类的学习算法获得对混合矩阵的精确估计,解决了源信号在时域和频域不充分稀疏的情况下准确估计混合矩阵的问题。在估计出混合矩阵的基础上,利用基于稀疏分解的统计量算法分离出源信号。由仿真结果,以及与传统的K均值聚类,时域检索平均算法对比的实验结果说明了该文算法的有效性和鲁棒性。     

结合ICA和复数神经网络的二麦阵列盲源分离技术

为了降低语音信号盲源分离算法的延时,提高其准确性和稳定性,本文结合传统盲源分离技术和深度神经网络的优势,提出了一种基于ICA独立分量分析和复数神经网络的二麦阵列盲源分离技术。本文将复数递归神经网络和独立分量分析方法有机融合,提出一种基于时频域的双通道复数神经网络,同时解决了独立分量分析中的排列问题。所提方法利输入混合信号利用复数域神经网络计算初始化分离矩阵,神经网络输出采用复数域形式,利用复数学习标签估计复数矩阵,然后采用独立分量分析方法获得目标分离矩阵。实验数据表明,所提方法相较于其它独立分量分析方法提高了盲源分离的实时性和准确性。      

基于蚁群算法的改进ICA算法

针对FastICA算法存在依赖非线性函数选取的缺陷,为了提高分离结果的可靠性,提出一种基于蚁群算法的改进ICA算法.该算法对非线性函数没有特殊要求,以负熵近似表达式为目标函数,利用蚁群算法代替FastICA算法中的牛顿梯度法,求出最优分离矩阵B,从而对混合信号中的独立分量进行分离.仿真结果验证了改进ICA算法的有效性和...     

基于改进实数遗传算法的DOA估计

文献[7]提出的估计方法直接以误差矩阵的2范数建立适应度函数,文中利用该矩阵是Toeplitz矩阵的特性,构造了一个新的适应度函数,提出了一种基于基因分量独立变异的实数遗传算法。该方法不需进行矩阵的特征值分解,充分利用了遗传算法的全局寻优特性,获得了良好的参数估计性能。仿真结果表明,相对文献[7],达到同样要求所需要的运算量减小了一半。     

自适应步长加权正交约束自然梯度ICA算法

针对传统自然梯度ICA算法的不稳定和分离结果不准确,提出一种自适应步长加权正交约束自然梯度ICA算法。首先,基于分离矩阵所满足的正交性约束,引入一种单步正交性修正方法。然后,根据相邻迭代结果之差可用于平滑构造每步迭代结果与最优值的距离,设计出一种单步误差估计函数。最后,据此误差估计函数引入一种自适应调整的步长。仿真实验表明,自适应步长加权正交约束自然梯度ICA算法,相比于传统的自然梯度ICA算法具有更快的收敛速度,且算法的稳定性和分离结果的准确性都得到了较大提高。     

基于奇异值分解的超定盲信号分离

该文研究超定盲信号分离,即观测信号个数不少于源信号个数情况下的盲信号分离问题。作者 从分离矩阵的奇异值分解出发,首先提出一种基于独立分量分析的超定盲信号分离代价函数,接着推导了一般梯度学习算法。此后,借助于相对梯度的概念,证明超定盲信号分离与通常的完备盲信号分离具有相同形式的自然梯度算法。仿真试验验证了算法的有效性。     

基于单分量提取的卷积盲分离算法

针对卷积盲分离问题,利用源信号之间相互独立的性质,提出一种基于单分量提取的联合块对角化算法依次估计各源信号对应的传输信道,以实现源信号分离.利用白化后观测数据相关矩阵的酉正交块对角化结构,改进最小二乘代价函数,将原函数中关于传输矩阵的四次函数转换为一组相互独立的子代价函数.每个子代价函数为三组待定参数的二次函数,用于估计一个独立信号块到达接收阵的子混迭矩阵.提出单分量提取的联合块对角化算法,交替估计各子代价函数中的三组待定参数,得到子信道混迭矩阵的估计,实现源信号的分离.实验结果表明,与经典的类Jacobi算法相比,所提算法收敛步骤大约减少20步,且收敛性能提高至少3dB,可快速有效地解决卷积盲分离问题.     

基于细菌觅食的盲源分离算法研究

细菌觅食算法是一种基于细菌觅食行为的智能优化算法.盲源分离是盲信号处理的重要方面.为了提高盲源分离的有效性,根据盲源分离和细菌觅食算法的基本原理,提出了一种基于细菌觅食行为的盲源分离算法.用MATLAB对提出的这一算法进行仿真,并将其分离结果与传统独立分量分析算法的分离结果相比较.实验结果表明这是一种分离效果优于传统独立分量分析算法的有效分离算法.证明了基于细菌觅食盲源分离算法的可行性和有效性.     

语音信号频域肓分离中一种频率对准方法

混合语音信号可以使用盲分离频域解法,对观测信号在每一个频点分别进行复值独立分量分析(CICA)算法来解混并得到分离信号,但带来了幅值和次序不定问题(后者又称频率对准).讨论了频率对准算法中基于DOA估计的方法,并提出了一种基于分离矩阵初始化的频率对准方法,此方法易于实现.通过仿真表明,该方法较好地解决了次序不定问题,对卷积混合语音信号有较好的分离效果.     

多宇宙并行量子遗传算法

提出了一种多宇宙并行量子遗传算法,并从理论上证明了算法的全局收敛性.算法中将所有的个体按照一定的拓扑结构分成一个个独立的子群体,称为宇宙;采用多状态基因量子比特编码方式来表达宇宙中的个体;采用通用的量子旋转门策略和动态调整旋转角机制对个体进行演化;采用量子非门实现量子变异以阻止早熟收敛;各宇宙独立演化,宇宙之间采用最佳移民和量子交叉操作来交换信息,提高算法的执行效率.将该算法与独立分量分析算法相结合,提出一种盲源分离新方法.仿真结果表明:新方法比采用常规遗传算法和量子遗传算法的盲源分离方法具有明显的高效性.     

基于MUSIC算法的二次雷达应答信号分离方法

为了提高在高密度信号环境下对二次监视雷达(SSR)应答信号的接收性能,该文提出一种将信源数估计和信号到达方向(DOA)估计相结合构建分离矩阵实现交叠信号分离的算法。首先根据交叠信号量测的特征值分布来确定交叠信号的个数;然后利用MUSIC算法作谱峰搜索得到各信号的DOA,并重构混合矩阵;最后通过计算混合矩阵的广义逆得到分离矩阵,并实现对交叠信号的分离。以6阵元均匀线阵为前提进行仿真分析,结果表明所提分离算法可达到90%以上的分离成功率,分离性能和独立成分分析(ICA)算法相当,优于基于投影技术分离算法(PA),但计算量远小于ICA算法,不足ICA算法计算量1/10,更易于工程化应用。     

基于ICA优化空间信息PCM的SAR图像分割

可能性C-均值(PCM)聚类算法提高了数据聚类的抗噪性能,但由于这种算法没有考虑数据的空间依赖特性,应用于合成孔径雷达(SAR)图像分割时,受SAR图像中斑点噪声的影响,通常不能得到正确的分割结果。该文在PCM目标函数中引入空间相对位置信息和多尺度空间像素强度信息,这些空间信息取值由前次迭代优化的聚类结果确定,空间信息影响程度(影响因子)由免疫克隆算法(ICA)优化,实现了空间信息影响因子的自适应调整,优化了PCM聚类结果。实验将这种算法应用于人工合成图像和实际SAR图像的分割,结果表明该文所提出的算法对初始分割不敏感,具有强的抗噪性能,改善了SAR图像的分割效果。     

基于混合遗传算法的唯相位直接数据域算法

提出一种基于混合遗传算法的唯相位直接数据域最小二乘算法.通过采用标准遗传算法与Neider-Mead单纯形法相结合的混合遗传算法,提高了优化效率和运算速度.首先根据标准直接数据域算法推导得出目标函数,继而将目标函数作为适应度函数,将所有自适应权值的未知相位作为决策变量,通过混合遗传算法进行非线性优化,从而求得各个自适应权值的优化解.作为一种唯相位自适应算法,它在硬件实现上比传统算法更具简单性.同时,它只对单快拍数据进行处理,避免了样本协方差矩阵的构造以及矩阵求逆运算,更适合于实时处理.仿真结果表明,算法具有良好的信号恢复和干扰置零性能,比基于非线性其轭梯度法的唯相位直接数据域算法性能更优.     

基于遗传算法的基因微阵列数据聚类

微阵列基因数据用以挖掘特定的生物信息,聚类分析对于研究基因功能和基因调控机制有重要意义.结合改进的遗传算法对基因微阵列数据进行聚类分析,并且通过实验与K均值聚类进行比较.仿真实验表明,该算法可以有效改进基因微阵列数据的聚类准确率.     

A robust phase-only Direct Data Domain algorithm based on generalized rayleigh quotient optimization using hybrid Genetic Algorithm

A robust phase-only Direct Data Domain Least Squares （D3LS） algorithm based on generalized Rayleigh quotient optimization using hybrid Genetic Algorithm （GA） is presented in this letter. The optimization efficiency and computational speed are improved via the hybrid GA composed of standard GA and Nelder-Mead simplex algorithms. First, the objective function, with a form of generalized Rayleigh quotient, is derived via the standard D3LS algorithm. It is then taken as a fitness function and the unknown phases of all adaptive weights are taken as decision variables Then, the nonlinear optimization is performed via the hybrid GA to obtain the optimized solution of phase-only adaptive weights. As a phase-only adaptive algorithm, the proposed algorithm is simpler than conventional algorithms when it comes to hardware implementation. Moreover, it proc- esses only a single snapshot data as opposed to forming sample covariance matrix and operating matrix inversion. Simulation results show that the proposed algorithm has a good signal recovery and interferences nulling performance, which are superior to that of the phase-only D3LS algorithm based on standard GA.     

基于小波变换的独立分量分析及其在图像分离中的应用

提出了一种新的基于小波变换的独立分量分析方法,对混合图像进行分离。研究表明,当各个源信号的概率密度分布相同时,自然梯度算法的稳态误差与源信号峭度成反比。因此,对峭度更大的小波域高频子图像进行独立分量分析可以获得更高的分离精度。同时混合图像在小波变换的过程中,可以利用小波阈值对混合图像进行去噪,提高图像的信噪比。最后通过实验证明该方法是有效的。     

改进投影梯度非负矩阵分解的单训练样本特征提取研究

人脸识别是当前人工智能和模式识别的研究热点。非负矩阵分解(NMF)能够反映样本的局部的内在的联系,可用于单样本特征提取,但时间复杂度较高。投影梯度(Projected Gradient,PG)优化方法大幅降低了NMF约束优化迭代问题的时间复杂度,但是单训练样本存在对本类信息量描述不足的缺点。为此,该文提出了一种基于改进的投影梯度非负矩阵分解 (Improved Projected Gradient Non-negative Matrix Factorization,IPGNMF) 的单训练样本特征提取方法。在进行PGNMF算子之前,先将训练样本作Gabor分解,分解后的Gabor子图像在各个方向上可以更加丰富的描述样本特征,最后将各个Gabor子图像的PGNMF特征进行融合,作为最终的识别特征。在对人脸库ORL,YEL与FERET的识别实验中,与经典的特征提取方法比较,证明了可以有效地解决单训练样本人脸识别的问题。     

一种改进的遗传算法在聚类分析中的应用

基于层次的聚类方法是聚类分析算法的基本方法之一,但是由于其自身的缺点（如：合并后不能撤消等）往往会导致聚类质量不高。文中通过将一种改进的遗传算法用于聚类分析中,实现了层次聚类,并通过改进遗传算法参数,以提高算法的性能,这样既改善了基本遗传算法收敛慢、易陷入局部最优解的问题,同时又加快了聚类速度,减小误差。     

一种基于禁忌搜索的全局最优化模糊聚类算法

模糊C均值（FCM）算法是一种基于贪心思想的迭代算法,算法沿迭代序列收敛到一个极小值,但存在搜索能力弱、易陷入局部最优的缺点.本文提出了一种基于禁忌搜索的模糊聚类算法,该算法在一个解的邻域内使用禁忌搜索,并采用了基于FCM局部收敛性质的长期表禁忌策略,保证在不断移动搜索起点的同时避免重复搜索;其次使用混沌优化思想与动态步长策略来提升算法的全局搜索能力,以达到获取全局最优解的目的.实验结果表明,改进算法极大地提高了聚类准确率,并具有良好的稳定性,与群智算法和遗传算法的优化相比也具有一定的优势.