基于时间可预测性的差分搜索盲信号分离算法

发布时间：2018-01-12 14:24

  本文关键词：基于时间可预测性的差分搜索盲信号分离算法　出处：《通信学报》2014年06期 　论文类型：期刊论文

  更多相关文章： 盲信号分离 时间可预测性 差分搜索算法 消源

【摘要】：针对基于仿生智能优化的盲信号分离算法计算量偏大的问题,提出了一种新的基于差分搜索的盲信号分离算法。采用信号在时间上的可预测性度量作为目标函数,使用差分搜索算法对目标函数进行优化求解。利用去相关消源方法从混合信号中去除每次分离出的源信号成分,通过逐次分离最终实现对所有源信号的成功恢复。仿真实验表明,所提算法可以有效实现对混合信号的盲分离。与其他算法相比,该算法在保证了更高分离精度的同时,具有更低的运算量。
[Abstract]:In order to solve the problem of large computational complexity of blind signal separation algorithm based on bionic intelligent optimization. In this paper, a new blind signal separation algorithm based on differential search is proposed, in which the predictability of the signal in time is used as the objective function. The difference search algorithm is used to optimize the objective function and the de-correlation method is used to remove the components of each separated source signal from the mixed signal. The simulation results show that the proposed algorithm can effectively achieve blind separation of mixed signals, compared with other algorithms. The algorithm not only ensures higher separation accuracy, but also has lower computational complexity.
【作者单位】： 天津商业大学信息工程学院;天津大学精密仪器与光电子工程学院;河北工业大学信息工程学院;
【基金】：国家自然科学基金资助项目(11127202,60802049)~~
【分类号】：TN911.7
【正文快照】： 1引言盲信号分离技术是在未知信号混合信息的情况下,仅由观测到的混合信号恢复出各源信号成分的技术。随着人们对盲信号分离问题研究的不断深入,盲信号分离算法已广泛应用于声音、图像、通信和生物医学等各领域[1~4]。传统的盲信号分离算法中采用的优化方法主要是梯度法[5~7],

【参考文献】

相关期刊论文 前4条

1 孙守宇 ,郑君里 ,吴里江 ,赵莹;峭度自适应学习率的盲信源分离[J];电子学报;2005年03期

2 张银雪;田学民;邓晓刚;;基于改进人工蜂群算法的盲源分离方法[J];电子学报;2012年10期

3 陈雷;张立毅;郭艳菊;刘婷;李锵;;基于粒子群优化的有序盲信号分离算法[J];天津大学学报;2011年02期

4 张朝柱;张健沛;孙晓东;;基于自适应粒子群优化的盲源分离[J];系统工程与电子技术;2009年06期

【共引文献】

相关期刊论文 前10条

1 林剑;赵龙;徐剑;余节约;;基于人工蜂群优化的印刷色彩分色[J];包装工程;2011年05期

2 杜钊;李宏伟;张建忠;;L-DACS中的信号分离算法的研究[J];传感器与微系统;2012年06期

3 丁云;;基于盲源分离技术内嵌式永磁同步电动机温度监测研究[J];电气应用;2011年16期

4 欧世峰;赵晓晖;高颖;;结合辅助分离系统的变步长盲源分离算法[J];电子学报;2009年07期

5 罗钧;刘永锋;付丽;;能耗限制的实时周期任务可靠性感知调度[J];重庆大学学报;2011年08期

6 张姣玲;;人工蜂群算法在多元线性回归中的应用[J];广东技术师范学院学报;2011年09期

7 于明;艾月乔;;基于人工蜂群算法的支持向量机参数优化及应用[J];光电子.激光;2012年02期

8 罗彬;邵培基;罗尽尧;刘独玉;夏国恩;;基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究[J];管理学报;2011年02期

9 赵小强;张守明;;基于人工蜂群的模糊聚类算法[J];兰州理工大学学报;2010年05期

10 张银雪;田学民;邓晓刚;;基于改进人工蜂群算法的盲源分离方法[J];电子学报;2012年10期

相关会议论文 前6条

1 李丽;程玉荣;牛奔;;离散人工蜂群算法求解旅行商问题[A];第十三届中国管理科学学术年会论文集[C];2011年

2 杨琳;孔峰;;基于梯度蜂群混合算法的电力系统最优潮流计算[A];中南六省（区）自动化学会第二十九届学术年会论文集[C];2011年

3 李军;张永祥;姚晓山;;峭度自适应学习步长盲提取算法提取轴承冲击信号[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

4 陶襄樊;陈美霞;;基于l_1范数稀疏解的水下双层圆柱壳振动声辐射评估[A];第十四届船舶水下噪声学术讨论会论文集[C];2013年

5 Peng Zhang;Hong Liu;Yanhui Ding;;Dynamic Bee Colony Algorithm Based on Multi-species Coevolution[A];山东计算机学会2013学术年会论文集[C];2013年

6 Biao Fang;Gaoming Huang;Jun Gao;;Underdetermined Blind Source Separation for LFM Radar Signal Based on Compressive Sensing[A];第25届中国控制与决策会议论文集[C];2013年

相关博士学位论文 前10条

1 吴德烽;计算智能在三维表面扫描机器人系统中的应用研究[D];大连海事大学;2010年

2 罗彬;基于MMOI方法的电信客户流失预测与挽留研究[D];电子科技大学;2010年

3 李灯熬;基于循环平衡理论的盲源分离算法[D];太原理工大学;2010年

4 董旭初;Bayesian网的最优树分解研究[D];吉林大学;2011年

5 冯业伟;基于支持向量机和移动Agent技术的银行风险早期预警系统研究[D];中国海洋大学;2011年

6 刘路;基于改进支持向量机和纹理图像分析的旋转机械故障诊断[D];天津大学;2011年

7 王亚军;减少OFDM系统的峰均功率比的研究[D];上海交通大学;2011年

8 汪洋;基于视觉测量的铁路列车钩舌检测流水线关键技术研究[D];大连海事大学;2011年

9 肖永豪;蜂群算法及在图像处理中的应用研究[D];华南理工大学;2011年

10 高颖;盲源分离理论及其在地球物理勘探中的应用[D];吉林大学;2008年

相关硕士学位论文 前10条

1 姜飞;混合智能优化算法及其应用[D];西安电子科技大学;2011年

2 魏丽;群体动画中运动生成模块的模型研究[D];山东师范大学;2011年

3 马庆伦;基于互信息量最小化的循环平稳信号盲源分离算法[D];太原理工大学;2011年

4 张海燕;基于循环平稳度和联合近似对角化的盲源分离算法研究[D];太原理工大学;2011年

5 张守明;基于人工蜂群的模糊聚类数据挖掘算法研究[D];兰州理工大学;2011年

6 梁建慧;新型智能优化算法及其在图像分割中的应用研究[D];陕西师范大学;2011年

7 黄旭;群智能优化算法及其在PPI网络中的应用研究[D];陕西师范大学;2011年

8 高巧玲;改进的快速独立分量分析及其在语音盲分离的应用研究[D];湖南师范大学;2011年

9 李广宇;基于粒子蜂群算法优化的多支持向量机软测量建模方法研究[D];中南大学;2011年

10 谭世恒;一种新型的群智能优化算法—细胞膜优化算法及其应用[D];华南理工大学;2011年

【二级参考文献】

相关期刊论文 前8条

1 罗志增;李文国;;基于小波变换和盲信号分离的多通道肌电信号处理方法[J];电子学报;2009年04期

2 欧世峰;赵晓晖;高颖;;结合辅助分离系统的变步长盲源分离算法[J];电子学报;2009年07期

3 陆凤波;黄知涛;彭耿;姜文利;;基于时频分布的欠定混叠盲分离[J];电子学报;2011年09期

4 朱孝龙,保铮,张贤达;基于分阶段学习的盲信号分离[J];中国科学E辑:技术科学;2002年05期

5 谢平;李红亮;黄双峰;;一种盲源分离的优先进化自适应遗传算法[J];计算机仿真;2009年06期

6 韩江洪;李正荣;魏振春;;一种自适应粒子群优化算法及其仿真研究[J];系统仿真学报;2006年10期

7 张朝柱;张健沛;孙晓东;;基于自适应粒子群优化的盲源分离[J];系统工程与电子技术;2009年06期

8 傅予力;沈轶;谢胜利;;基于规范高阶累积量的盲分离算法[J];应用数学;2006年04期

，

本文编号：1414639