初始分离矩阵优化的在线盲源分离算法

针对在线盲源分离算法收敛速度受初始分离矩阵影响的问题,提出一种基于人工蜂群算法(ABC)的初始分离矩阵优化的在线盲源分离算法。该算法利用人工蜂群算法较强的搜索能力,在盲源分离的初始阶段以批处理的方式进行分离矩阵的寻优,使得算法获得较好的初始迭代点,然后采用梯度下降法以在线的方式实现分离,从而提高算法的整体收敛性能。仿真结果证明了所提算法的有效性,并且其适用于混合矩阵时变的情形。     

基于协方差矩阵的盲分离算法

提出了一种新的实时线性混叠信号的盲分离算法，该算法利用信号相互独立时其协方差矩阵的对角化特征作为分离准则，采用最速下降法进行分离。该算法对源信号和混叠矩阵没有过多要求且计算量不大，理论分析与仿真结果表明，该算法具有很好的分离效果。     

基于改进弦截法的FastICA算法研究

盲源分离问题是信号处理领域中的研究热点之一。众多盲源分离算法中固定点算法（FastICA）因其收敛速度快而备受关注,但是FastICA算法的收敛性易受初始解混矩阵的初值选择影响。针对FastICA算法的不足进行了改进,引入梯度下降法降低初值选择敏感性,并且提出改进弦截法,加快收敛速度。实验结果显示,基于改进弦截法的FastICA算法与其他FastICA算法相比,不但提高了算法的分离性能,而且减少了迭代次数,增强了收敛稳定性。所以,改进的FastICA算法克服了初值选择敏感的影响,获得更快速、更鲁棒的语音分离性能。     

基于变步长的混合图像自适应盲分离算法

根据混合信号的分离程度,提出了一种新的图像信号分离算法,通过建立分离矩阵控制步长因子变化,利用自适应不完整自然梯度法实现图像的有效分离.新算法既很好地解决了固定步长算法收敛速度和稳态误差之间的矛盾,也解决了其他变步长算法须选择较小初始步长才能实现分离的问题.仿真结果表明新算法收敛速度快,稳态误差小,综合分离性能明显优于...     

语音增强的计算机仿真

研究关于盲源分离的特征向量分离算法在语音增强的应用,传统的方法对混合的语音信号很难进行有效的分离,而在实际中很多场合都需要对语音信号进行增强.为消除噪音,提高清晰度,使用的盲源分离算法却正能实现传统方法难以实现的技术.运用一种盲源分离的特征向量分离算法来进行语音增强,并且对实际的两个语音信号运用该算法进行了混合语音信号的分离增强实验,利用MATLLAB软件对混合语音信号进行了盲源分离的特征向量分离算法的仿真,可从混合语音信号分离出了两个原始语音信号.证明了盲源分离算法应用于语音分离的可行性,为盲源分离应用于语音增强提供了参考依据.     

盲分离中LMS和RLS两种算法的比较

盲源分离试图从给定的一组混合观察数据中恢复未知的独立信源：本文简要阐述LMS和RLS两种自适应算法,用Matlab对一组混合通信信号进行分离实验,考察算法的特性和效果,并进行比较分析。结果表明：LMS算法与RLS算法相比,RLS算法的收敛性能更好一些,而在RLS算法中,自然梯度RLS法又是最优的。     

凸多面体碰撞检测的棱线投影分离算法EI北大核心CSCD

针对凸多面体碰撞检测问题,以直线投影法为基础对分离面投影法进行改进,提出一种采用棱线投影分离的凸多面体实时精确碰撞检测算法.首先分析了凸多面体各种相对位置关系并提出了投影分离线的概念,针对凸多面体的各种分离情况证明投影分离线的存在;其次选取凸多面体相向面上的棱集构造准投影分离线,通过沿着准投影分离线方向投影可将3D凸多面体碰撞检测降维为2D凸多边形的碰撞检测问题;最后将分离投影的思想延用至为2D凸多边形的碰撞检测,再次将2D问题降维为1D问题.算法分析和实验结果表明,该算法对于凸多面体碰撞检测具有较高的响应速度和检测精度.     

噪声背景下的盲源分离算法

分析了当存在高斯背景噪声时一类盲分离算法的性能,指出此时盲分离算法仍可用于估计解混矩阵,而输出信号为分离的源信号与高斯噪声的叠加。利用现代时间序列分析方法（MTSSAM）建立了输出信号的自回归移动平均（ARMA）新息模型,并给出了一种基于多维线性最小二乘法的信号滤渡算法。仿真试验表明,该算法稳定且收敛,可以在背景噪声存在时有效地恢复源信号的波形。     

基于贪婪稀疏优化的欠定语音盲分离方法

提出一种基于语音信号稀疏特征的稀疏分量分析两步法,力图提高欠定情况下的语音信号盲分离性能.不同于传统的两步法,所提方法需要获取语音信号在变换域中的稀疏特征,将贪婪最优化思想引入至稀疏分量分析方法中,重构欠定盲分离语音源信号.通过仿真对比实验,展示了该方法应用于平稳声音信号和非平稳语音信号的盲分离效果,它能较好恢复语音源信号.与现有的最短路径法相比,所提算法可以提高两路以上观测信号的分离性能.相较于平滑L0范数算法,所提算法可以有效提高来波方向较近的语音盲信号分离性能.该方法具有更广阔的适用范围.     

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。     

超定条件下的盲信号提取算法

基于信号峭度理论,提出一种超定条件下的盲信号提取算法。该算法将混合矩阵辨识转化为一系列Givens矩阵辨识,从观察信号中一次提取出一个源信号。对于超定盲信号分离问题,待未知所有独立分量分离出后,余下分量可以看作是一个或多个独立分量的拷贝,是冗余信号。在算法运行结束后,所有源信号分离出,实现超定盲信号分离。该算法计算简单,收敛性好。计算机仿真试验验证了算法的有效性。     

基于邻域风险最小化概率密度估计的自适应盲分离算法*

为实现由不同统计特性和概率分布平滑特性信号得到混合信号的盲分离,对基于支持向量机的邻域风险最小化概率密度估计算法进行研究,提出一种邻域函数的构造方法,将其与自然梯度批处理算法相结合,形成一种新的自适应盲分离算法;利用广义高斯模型分析了分离算法的精确度。通过仿真实验,验证了该算法能分离统计特性不同的混合信号,相比于基于经验风险最小化的方法,该方法在收敛速度和精度方面的性能有很大提高。     

基于压缩感知的图像重构算法

在图像压缩感知中,梯度投影恢复算法存在收敛速度慢、迭代次数多、对数据稀疏度过分敏感的问题。为此,提出一种基于压缩感知的图像重构算法。将拟牛顿法引入稀疏梯度投影算法中,利用拟牛顿法的估计校正机制以及其全局超线性收敛性,通过对目标函数的校正,获得更精确的搜索方向,从而减少迭代次数,构成有效收敛的图像恢复算法。实验结果表明,与传统梯度投影恢复算法相比,该算法在保证较好图像恢复效果的同时具有较好的抗噪性能,并且在减少迭代次数的基础上能有效降低重构误差,得到稳定收敛的重构结果。     

An SQP feasible descent algorithm for nonlinear inequality constrained optimization without strict complementarity

In this paper, a kind of nonlinear optimization problems with nonlinear inequality constraints are discussed, and a new SQP feasible descent algorithm for solving the problems is presented. At each iteration of the new algorithm, a convex quadratic program (QP) which always has feasible solution is solved and a master direction is obtained, then, an improved (feasible descent) direction is yielded by updating the master direction with an explicit formula, and in order to avoid the Maratos effect, a height-order correction direction is computed by another explicit formula of the master direction and the improved direction. The new algorithm is proved to be globally convergent and superlinearly convergent under mild conditions without the strict complementarity. Furthermore, the quadratic convergence rate of the algorithm is obtained when the twice derivatives of the objective function and constrained functions are adopted. Finally, some numerical tests are reported.     

矩阵方程AXB+CYD=E最佳逼近自反解的迭代算法

利用复合最速下降法的迭代算法能够求出矩阵方程[AXB+CYD=E]的最佳逼近自反解,但其收敛速度很慢。针对这一问题,提出一种利用共轭方向法的迭代算法。对于任给初始自反矩阵[X1]和[Y1],无论矩阵方程[AXB+CYD=E]是否相容,该算法都可以经过有限次迭代计算出其最佳逼近自反解。两个数值例子表明该算法是可行的,且收敛速度更快。     

基于互交替投影的块稀疏正交匹配追踪算法

针对块稀疏信号,理论分析和实验验证均表明算法精确重构的充分条件与矩阵块相关性和子相关性有关。在此基础上,提出了一种基于互交替投影的块稀疏正交匹配追踪算法(mutual alternating projection-block or-thogonal matching pursuit,MAP-BOMP)。该算法利用互交替投影方法不断构造新的测量矩阵和感知矩阵,使得矩阵块相关性和子相关性都很小,从而提高重构概率,并给出明确的算法收敛条件,降低了计算复杂度。通过与大多数已有块稀疏信号重构算法进行实验仿真对比,该算法在重构效果和重构速度上均优于其他算法。     

分区交叉差分进化算法及其约束优化

差分进化算法处理复杂高维优化问题时存在收敛速度慢和精度不高的缺陷,为此提出了分区交叉差分进化算法。利用柯西分布随机数设计两个动态算子,分别生成缩放因子和交叉因子用于进化中,并对进化进行合理的分区,不同区段根据不同的配置利用算子生成相应的交叉因子。同时为了加快收敛速度,采用了新的变异策略,对寻优的方向加以引导。对经典Benchmark函数进行了仿真测试,结果显示,本算法的收敛速度与优化准确率均有显著提高。同时提供了算法处理约束问题的解决方案,并检验了方案的可行性。     

求解0/1背包问题的快速收敛的混合遗传算法

在结合贪婪算法的混合遗传算法中,将基于轮盘赌的选择算子改为稳态复制的选择算子,形成的新的混合遗传算法能显著加快收敛。文中也给出了结束迭代的两个判定条件。通过对三个实例的大量仿真实验,研究了交叉概率、种群数量和替换率对算法性能的影响。实验结果表明这一新算法收敛速度快,寻优能力强,更适合于求解大规模0/1背包问题。     

Blind separation of a mixture of uniformly distributed source signals: A novel approach

A new, efficient algorithm for blind separation of uniformly distributed sources is proposed. The mixing matrix is assumed to be orthogonal by prewhitening the observed signals. The learning rule adaptively estimates the mixing matrix by conceptually rotating a unit hypercube so that all output signal components are contained within or on the hypercube. Under some ideal constraints, it has been theoretically shown that the algorithm is very similar to an ideal O(1/T2) convergent algorithm, which is much faster than the existing O(1/T) convergent algorithms. The algorithm has been generalized to take care of the noisy signals by adaptively dilating the hypercube in conjunction with its rotation.     

一种基于GEP的演化硬件复杂电路优化算法

演化硬件是近年来新兴的研究热点,它是演化算法和可编程逻辑器件相结合而形成的硬件设计新方法。在演化硬件中门电路的优化设计是一个重要的研究领域。提出一种新的基于基因表达式程序设计（GEP）的算法来进行复杂优化电路的设计,通过仿真实验表明,该算法不仅收敛速度快,而且还能利用该算法优化大规模的门电路,克服了传统优化方法的求解速度慢甚至不收敛等缺点。该算法较传统的电路优化方法更简单、更高效。