粒子群算法用于盲信号抽取的研究

提出一种采用粒子群优化算法的盲信号抽取的新方法。采用峰度作为适应度函数,利用粒子群算法对由多个源信号混合而成的信号进行盲抽取。与自然梯度法盲抽取相比,粒子群法抽取精度更高,收敛速度更快,实例仿真表明了算法的有效性和优越性。     

参数自适应混沌粒子群算法在盲源分离中的应用

独立分量分析(ICA)是盲源信号分离中应用最为广泛技术,其应用过程需要对目标函数进行优化,传统粒子算法(PSO)对其进行优化时,存在易陷入局部最优、稳定性差等缺陷,针对此问题,提出采用参数自适应混沌粒子群算法对ICA进行优化.首先采用对PSO的参数进行自适应调整,提高粒子的搜索能力,然后对粒子群进行混沌扰动,提高算法收敛速度.仿真结果表明,使用参数自适应混沌粒子群算法可以有效解决ICA的目标函数优化问题,极大提高了盲源信号的分离效果.     

基于PPSO-GRADS算法的盲信号分离

该文将联姻策略应用在粒子群算法中,提出一种并行分阶段的基于粒子群优化算法的盲信号分离方法(PPSO-GRADS)。该算法具有收敛速度快,分离精度高的特点。通过仿真证明该算法比未使用联姻策略的粒子群算法有更好的性能,在收敛速度和分离效果上比传统的梯度算法,遗传算法都有较明显的改善。     

盲信号分离算法研究

介绍了一种基于快速定点的盲分离算法，该算法可以对来自不同方向上的统计独立信号进行有效的分离，并且不需要预先知道信号的测向和阵列的结构流形，因此该算法称为盲分离算法。另外该算法不仅有传统的波束形成的优点，即在有用信号方向形成主波束，并且还能够在干扰方向形成很好的零点，所以该算法是波束形成技术和零点形成技术的结合，可大大提高信干比，另外该算法还有收敛快的特点，对于每一个信号大约迭代10次后就可以收敛。     

基于变步长自然梯度算法的盲源分离

相比标准梯度而言,自然梯度算法以其更快的收敛速度和更好的分离性能在盲源分离中占据着重要地位。由于常用的自然梯度算法是基于固定步长的,因此无法真正解决收敛速度和稳态误差之间的矛盾。通过建立步长因子与分离矩阵相互差异之间的非线性关系,提出了一种新的自然梯度算法。由于该算法采用的步长是时变的,加快了收敛速度,减小了稳态误差,从而很好地解决了固定步长的内在矛盾。计算机仿真结果证实了理论分析,并说明了该算法明显优于通常的自然梯度算法。     

独立分量分析盲信号分离方法研究

盲源分离是指从多个相互独立的源信号的混合信号中分离出源信号来。独立分量分析法是盲源分离的一种新方法,由于其在语音信号处理、阵列信号处理、生物医学信号处理、移动通信及图象处理等领域的应用前景,越来越引起人们的关注,成为研究的热点。介绍一种基于四阶累积量的非高斯性最大化的ICA算法解决盲源分离的问题,并给出了该算法分离通信信号的计算机仿真结果,验证了算法的有效性。     

源信号数目未知的自然梯度盲信号分离算法

总结了源信号数目未知的盲信号分离自然梯度算法,得到自然梯度算法发散的原因,分离矩阵的各行沿混合矩阵转置的零空间方向无效的冗余移动。借助投影自然梯度算法,从理论上证明,冗余分量的范数随迭代次数的增加呈指数分布。     

超定盲信号分离RLS算法研究

研究在线盲信号分离问题.将适定盲信号分离的RLS算法,推广到源信号个数未知的超定盲信号分离模型中,利用正交投影方法消除了超定盲信号分离RLS算法的冗余移动,设计出能够稳定收敛的超定盲信号分离RLS算法.仿真实验验证了算法的有效性和其收敛的稳定性.     

一种基于峰度的盲源分离算法研究

盲源分离(BSS)问题是在缺少先验知识的情况下，从接收到的观测信号中恢复统计独立的源信号。独立分量分析(ICA)方法把多维随机矢量转换为尽可能统计独立的分量，是现代解决盲源分离问题最主要的方法之一。本文给出了一种基于峰度的盲源分离算法，与用Comon的方法求解Givens矩阵相比，结构清晰、实现简单，而且几乎没有对源信号的概率密度函数做任何假设，可以对几乎所有概率密度的源信号进行分离，还借鉴了Comon的成对处理原则，把算法推广到了解决一般的盲源分离问题。仿真证明了该算法的有效性。     

基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。     

改进的萤火虫群优化算法及其非线性盲源分离

摘要：根据萤火虫算法的特点,针对萤火虫算法较早进入局部收敛的不足进行改进,引入了“挡板效应”的方法,扩大种群多样性,并提出了BGSO算法。在分析了非线性盲源分离模型的基础上,利用系统两次遍历萤火虫群,比较评价函数,获得最优解的方式。其有效性被仿真结果所证实。     

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.     

盲源分离技术及其应用

盲源分离技术是盲信号处理领域的一个重要的分支20世纪90年代中期,盲源分离技术得到了迅猛的发展,并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。对盲源分离的相关理论、算法和应用进行了介绍和探讨。     

基于盲源分离的雷达信号分选方法

传统的信号分选算法建立在脉冲描述字（PDW）参数分析的基础上,对同频或频谱混叠的雷达信号可能无法分选.鉴于越发明显的常规雷达信号处理方法的局限性,通过仿真手段,用盲源分离的方法对混合后的雷达信号进行分选.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

盲分离算法在MIMO雷达和通信中的应用研究

将盲分离算法应用于多输入多输出(MIMO)雷达抗干扰和MIMO通信符号检测中。首先,利用信号相互之间以及与干扰之间的独立性,通过盲源分离算法,将各个信号分离出来;然后,雷达中通过匹配处理,完成信号检测;通信中利用少量的训练序列完成信号的匹配以及相位和幅度的校正。仿真结果表明:无论在雷达或通信中,均可获得优良的性能。