基于决策图贝叶斯的盲源信号分离算法

从混合观测数据向量中恢复不可观测的各个源信号是阵列处理和数据分析的一个典型问题。提出了一种基于决策图贝叶斯的盲源信号分离算法,该算法利用决策图贝叶斯优化算法代替JADE算法中的联合对角化操作,通过构造和学习网络来替代传统遗传算法中的交叉重组和变异等遗传算子,避免了对大量控制参数和遗传算子的人工选择和重要构造块的破坏。仿真结果表明,提出的算法比JADE算法和基于遗传算法的盲源信号分离方法均具有更高的分离精度。     

基于遗传算法的盲源信号分离

从混合观测数据向量中恢复不可观测的各个源信号是阵列处理和数据分析的一个典型问题.独立分量分析是解决该问题的新技术,而基于四阶累计量的联合对角化(JADE)算法是独立分量分析最常用的算法,但此算法在k＞2时得到近似解,且结果不精确.提出了一种基于遗传算法盲源信号分离的算法,此算法克服了JADE算法的不足,理论分析和仿真结果表明了该算法的可行性和有效性.     

混沌粒子群算法的盲源信号分离仿真研究

针对传统盲源分离算法存在收敛速度慢、易陷入局部最优等缺陷,提出一种混沌粒子群算法的盲源分离方法。采用信号的峰度值作为盲源信号分离目标函数,然后采用混沌粒子算法对目标函数进行求解,并对粒子群体进行混沌扰动,保持粒子群的多样性,最后采用最优解对信号进行盲源分离。结果表明,混沌粒子群算法有效提高了盲源信号分离速度,信号分离精度更高。     

多个源信号混叠的盲分离几何算法

该文提出了一种多个均匀分布的源信号混叠的盲分离几何算法,该算法以矩阵的QR分解原理为分离的理论指导,并结合信号在各个阶段其scatter图所具有的特殊几何性质,首先将混叠信号进行白化,使其scatter图恢复为独立时的scatter图形状,然后将白化后的scatter图通过C：次旋转变换,使其与各坐标轴平行,从而得到n个信号的分离．该方法第一次从代数上给出了几何算法的理论指导,从而真正得到了几何算法向多个信号混叠的推广．该算法不仅计算简单,同时有很好的仿真分离效果．在三个信号混叠的情况下,相对于Hyvarinen（2000）在分离时间上缩短了近30％．     

多特征值分解的稀疏混沌信号盲源分离算法研究

针对受到噪声干扰的激光混沌源信号高精度重构的问题,本文提出了一种基于相位空间重构混沌流信号的盲源分离算法。该算法首先对分离信号的相位空间进行时间延迟重构,然后将分离矩阵作为待优化参数,通过在相空间中构建目标函数,将盲源分离问题转换为优化问题,应用粒子群优化算法求解最优分离矩阵,进而将观测数据乘以最优分离矩阵来重构源信号。实验结果表明,该算法不仅具有快速收敛的特点,其精度明显优于各种噪声强度下现有的独立分量分析方法。     

基于负熵和智能优化算法的盲源分离方法

针对混合蛙跳算法(SFLA)更新策略会陷入局部最优、降低收敛速度的问题,提出一种自适应阈值更新策略。根据盲源分离中常用峭度和负熵作为非高斯性的度量,但峭度对野值敏感,影响算法性能,研究一种基于负熵准则的采用粒子群优化(PSO)算法和混合蛙跳算法的盲源分离方法。仿真结果表明,基于负熵的盲分离算法性能优于基于峭度的盲分离算法,基于SFLA的盲分离算法性能优于基于PSO的盲分离算法。     

水声信道盲均衡优化仿真研究

研究水声信道盲均衡问题,由于水声受码间干扰,信号产生畸变,通信质量低.采用单一水声信道盲均衡算法寻优能力差,不能满足要求,并易获得局部最优解,导致信道盲均衡效果差.为解决上述问题,提出一种水声信道盲均衡组合算法(MPSO-ACO).首先初始化小波盲均衡器的权向量,然后采用动量粒子算法找到权向量次优解集;最后采用蚁群算法对次优解集进行局部搜索,找到小波盲均衡器的权向量最优解,从而实现水声信道盲均衡.仿真结果表明,相对于传统水声信道盲均衡算,MPSO-ACO算法不仅降低了误码率,而且加快了收敛速度,获得了更优水声信道盲均衡效果.     

一种改进的盲源分离技术及其在SEMG中的应用

针对多通道表面肌电信号(SEMG)采集时形成的混迭现象,提出一种基于时频分析的参考累积量盲源分离方法.以多路观测信号互为参照分别计算累积量矩阵,利用时频分析得到时间尺度累积量矩阵,并构造对照函数,通过非正交联合对角化方法得到SEMG的最优估计.仿真实验表明该算法在解决SEMG的混迭现象有很好的分离效果,与FastICA、JADE算法相比,信号间的相似系数和算法性能指数明显改善,算法效率提高.     

基于矩阵对角化的盲源分离算法研究

盲源分离是从观测信号中恢复源信号的一种有效方法,目前已成为信号处理领域的研究热点。首先对三种盲源分离的算法进行分析,它们是:四阶盲辨识(FOBI)、特征矩阵的联合近似对角化(JADE)、二阶盲辨识(SOBI)。分析表明这些算法均有各自的不足,而另一方面,它们都是通过矩阵对角化实现盲源分离的。一个很自然的想法是将这些算法结合起来,以提高盲源分离的性能。仿真结果表明,JADE法和SOBI法的结合可以获得不错的盲分离效果。     

多目标优化的粒子群算法研究

本文介绍了粒子群优化算法PSO中的多目标优化的粒子群算法及其应用,并将其运用在防守对方多个前锋球员的进攻威胁,以粒子群算法随机性来适应不断变化的形势。     

基于稳健联合分块对角化的卷积盲分离

针对卷积盲分离问题,提出一种新的矩阵联合分块对角化(Joint block diagonalization, JBD)算法. 现有的迭代非正交联合分块对角化算法都存在不收敛的情况,本文利用分离矩阵的特殊结构确保其可逆性,使得算法的迭代过程稳定. 在已知矩阵分块结构的条件下,首先,将卷积盲分离模型写成瞬时形式,并说明其满足联合分块对角化结构; 然后,提出联合分块对角化的代价函数,依据代价函数的最小化等价于矩阵中每个分块的范数最小化, 将整个分离矩阵的迭代更新转化成每个分块的迭代更新;最后,利用最小化条件得到迭代算法. 实数和复数两种情况下的算法都进行了推导.基本实验验证了新算法在不同条件下的性能; 仿真实验中对在时域和频域都重叠的信号的卷积混合进行盲分离,实验结果验证了新算法具有更好的分离性能和更稳定的分离能力.     

一种基于相角映射的改进多目标粒子群优化算法

提出一种相角粒子群优化算法求解多目标优化问题。该算法采用相角映射实现了粒子在相角空间上仅依赖于归一化多目标函数的快速搜索,在粒子飞行信息共享机制上引入共享池概念,提出基于关联支配排序和相似度排序的共享池更新策略,提高了Pareto解的多样性。采用Sigma领导策略和混沌变异操作,平衡了算法的快速搜索能力和全局寻优能力。标准多目标测试函数和电力系统广域阻尼控制多目标优化算例表明了所提出算法的可行性和有效性。     

基于混合细菌觅食算法的多目标优化方法

针对多目标优化求解过程中多个目标相互制约难以求解的特点,为了提高多目标优化问题的求解速度和精度,并保持最优解的多样性,提出了一种用粒子群改进的混合细菌觅食多目标优化算法。将粒子群算法的寻优更新机制作为细菌觅食算法中趋向性操作的更新机制,将所求得非劣解的拥挤度作为寻优迭代过程中最优值的选取条件。与细菌觅食算法和NS-GA-Ⅱ算法的仿真结果表明,在对多目标测试函数ZDT1～ZDT4和ZDT6的求解过程中,该算法不仅能提高精度和快速地得到Pareto解集,并能有效地保持所求最优解的多样性。     

具有非奇异约束的线性卷积混合信号盲分离联合对角化方法

联合对角化能够成功解决盲分离问题, 但在求解时会得到非期望的奇异解, 从而无法完全分离出源信号. 鉴于此, 提出一种用于线性卷积混合盲分离的联合对角化方法, 将卷积混合模型变换为瞬时模型, 并对变换后的模型应用联合对角化求取分离矩阵. 在求解过程中, 引入约束条件对解的范围进行限定, 避免了奇异解的出现. 仿真结果表明, 所提出的方法能够成功实现卷积混合信号盲分离.

     

基于改进源信号数目估计算法的欠定盲分离

两步法是解决稀疏信号欠定盲分离的一种常用方法,通常首先利用K-means聚类算法估计混叠矩阵,然后利用最短路径法恢复源信号。在使用K-means聚类算法时要求知道源信号的数目,而现实中往往不知道源信号的数目,需要对其进行估计。因此研究了聚类有效性评价指标——BWP指标,结合粒子群算法,提出了一种改进的确定源信号数目的算法,并将这种算法引入到欠定盲分离。实验表明,提出的算法在保证分离精度的同时能缩短分离时间,并可节省一定的内存,在观测信号数据量大时,这种优势更加明显。     

多目标优化问题的粒子群算法仿真研究*

研究了一种用于求解多目标优化问题的粒子群算法(CMMOPSO)。该算法采用外部存档存储每一代产生的非劣解, 并且采用拥挤距离来维持外部存档规模, 同时提出一种新的全局最优粒子的选取策略(基于拥挤距离和收敛性距离)来提升粒子向Pareto前沿飞行的概率;为提升种群跳出局部最优解的能力, 以一定的概率对外部存档中粒子进行变异操作。通过典型的多目标测试函数对提出的算法进行检测, 结果表明,CMMOPSO算法在求解多目标问题上有一定的优势。因此, CMMOPSO可以作为求解多目标优化问题的有效算法。     

基于时变自回归模型的FAJD盲源分离算法

为实现多高斯源和相关源信号的盲分离,在快速近似联合对角化(FAJD)算法的基础上,将故障诊断领域的时变自回归理论成功地应用于相关源信号的盲分离和多高斯源信号的盲分离.首先采用时变自回归模型(TVAR)对源信号建模,并通过白化预处理使得建模后的源信号具有可联合对角化的结构;然后,通过基函数加权和的方法将时变参数近似为已知基函数的加权和的形式,将其变成时不变的参数,再通过递推最小二乘法求解出模型系数矩阵组;最后,将所求出的系数矩阵组作为快速近似联合对角化的目标矩阵组,通过FAJD算法实现混合信号的分离.Matlab仿真实验验证了所提出的算法对于相关源信号和多高斯源信号的分离是行之有效的.由于算法中TVAR模型的优良特性,此算法非常适用于混合通信信号的盲分离.     

基于量子粒子群算法的多方法协作优化方法

介绍粒子群算法和具有量子行为的粒子群优化算法QPSO(Quantum-behaved Particle Swarm Optimization).针对QPSO在处理高维复杂函数时存在的收敛速度慢、易陷入局部极小等问题,提出了基于QPSO算法的多方法协作优化算法,将QPSO算法与进化规划EP(Evolutionary Programming)算法协作.实验结果表明,改进算法在收敛性和取得最优值方面优于PSO算法和QPSO算法.     

基于多目标优化的多源域自适应算法

多源域自适应是迁移学习中的一项重要技术,其目标是利用多个源域的知识来提升目标域的学习性能。然而,目前的多源域自适应方法大多关注于源域与目标域之间的差异,忽略了源域的选取问题。为了解决上述问题,提出了基于多目标优化的多源域自适应算法,使用多目标优化来增强各源域之间不相似域的效应和源域与目标域之间相似域的效应。此外,使用粒子群优化算法来优化以上两个目标。对五个基准的评估表明了所提出的模型的有效性。     

多速率DS/CDMA信号扩频序列并行盲估计方法

针对可变扩频长度多速率直接序列码分多址(direct sequence/code division multiple access,DS/CDMA)信号扩频序列盲估计问题,提出了一种基于盲源分离的并行估计方法,该方法首先利用二次功率谱的方法估计出信号不同速率的扩频码周期,然后利用多速率DS/CDMA信号周期特性将信号依据周期并行地建模为主用户和干扰用户(即将同一周期下的用户视为主用户,其余的用户和噪声一律视为独立的单个干扰用户)的模型,最后针对同步和异步两种情况,分别以单倍周期和两倍周期长度对数据进行分割,生成数据矩阵,并结合稳健的矩阵联合近似对角化(JADE)算法对扩频序列进行并行的盲估计.计算机仿真结果表明方法在较低信噪比下有效.