【技術實現步驟摘要】
本專利技術屬于信號處理
,涉及盲信號分離方法,具體是一種基于分階段學習和改進粒子群優化算法的盲信號分離方法。
技術介紹
盲源分離的混合模型可以表示如下：X(t)＝AS(t) (1)式中，X(t)＝[x1(t),x2(t)...xm(t)]T是m路混合信號，S(t)＝[s1(t),s2(t)...sn(t)]T是n路源信號。A是m*n的未知混合矩陣。盲源分離的目的是從混合信號x1(t),x2(t)...xm(t)中恢復出源信號s1(t),s2(t)...sn(t)，而在這一過程中，我們并不知道混合矩陣A的值。為了簡化問題，此處我們假設m＝n，即源信號數目與混合信號數目相同。令分離矩陣為W，維數為n*m。則解混系統定義如下：Y(t)＝W(t)X(t) (2)式中，Y(t)＝[y1(t),y2(t)...yn(t)]T，它是對源信號的估計。根據，我們把互信息I(W)作為目標函數，則有I(W)＝0if W＝ΛPA-1 (3)式中，Λ是非奇異對角陣，P是置換矩陣。典型ICA算法可以寫為如下形式：W(t+1)＝W(t)+η(t)F(Y(t))W(t) (4)式中，η(t)表示學習速率，它的選擇直接影響到系統的性能。針對不同的算法，F(Y(t))的選擇不同。粒子群優化屬于智能優化方法的一種，相比于傳統優化方法，它具有更快的計算效率和尋找全局最優的能力。一個粒子群中包括許多粒子，每個粒子都是優化問題的一個潛在解。假設粒子數目為s，維數為D。針對單個粒子，一般有三個特征：當前位置xi，當前速度vi以及單個粒子的歷史最優位置pbesti，而考慮整個粒子群，則還...
【技術保護點】
一種基于改進粒子群優化的分段盲信號分離方法，其特征是，步驟如下：步驟(1)：對于當前時刻輸入的信號，計算當前的信號的整體分離程度D(t)。步驟(2)：根據D(t)來選擇步長的確定方式。當D(t)>0.25時，我們認為分離過程處于快速分離階段，我們選擇改進粒子群算法來確定當前步長。步驟(3)：當D(t)≤0.25時，我們認為分離過程處于精細分離階段我們選擇相對平緩的非線性函數來確定當前步長。利用改進的粒子群優化算法或非線性函數求解當前時刻的學習速率。步驟(4)：根據當前時刻的學習速率計算分離矩陣并求解混合信號。
【技術特征摘要】
1.一種基于改進粒子群優化的分段盲信號分離方法，其特征是，步驟如下：步驟(1)：對于當前時刻輸入的信號，計算當前的信號的整體分離程度D(t)。步驟(2)：根據D(t)來選擇步長的確定方式。當D(t)>0.25時，我們認為分離過程處于快速分離階段，我們選擇改進粒子群算法來確定當前步長。步驟(3)：當D(t)≤0.25時，我們認為分離過程處于精細分離階段我們選擇相對平緩的非線性函數來確定當前步長。利用改進的粒子群優化算法或非線性函數求解當前時刻的學習速率。步驟(4)：根據當前時刻的學習速率計算分離矩陣并求解混合信號。2.如權利要求1所述的基于改進粒子群優化的分段盲信號分離方法，其特征是，所述步驟(1)中的D(t)用于衡量系統的分離狀態，其計算方式如下：yi(t)和yj(t)的依賴程度由它們的二階相關度與高階相關度來衡量，其中二階相關性rij(t)及高階相關性hrij(t)定義如下： r i j ( t ) = cov [ y i ( t ) , y j ( t ) ] cov [ y i ( t ) ] cov [ ...
【專利技術屬性】
技術研發人員：張立毅，王哲，陳雷，李鏘，
申請(專利權)人：天津大學，
類型：發明
國別省市：天津;12
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。