基于密度的空间聚类与霍夫变换相结合的欠定盲源分离混合矩阵估计

发布时间：2020-01-19 21:35

【摘要】：为解决欠定盲源分离中混合矩阵估计问题,提出了一种基于密度的空间聚类与霍夫变换相结合的混合矩阵估计算法。该算法首先通过基于相角的单源时频点处理增强信号的稀疏性,然后针对K-means算法需预先设置聚类个数的问题,采用基于密度的空间聚类算法对单源点进行自动分类以估计源信号个数,进而估计得到混合矩阵。为提高估计混合矩阵的精度,采用霍夫变换方法修正聚类中心。基于密度的空间聚类算法的运用也克服了霍夫变换峰值簇拥问题。实验结果表明,基于密度的空间聚类与霍夫交换相结合的方法能在源信号数量未知情况下准确估计混合矩阵,且估计精度高于K-means算法和基于密度的空间聚类算法。
【图文】：

椋嘌圆街?中所得每一类数据，分 分析s使用的仿真软件为MATLABR2010a，采用的别利用式(14)、（15)进行霍夫变换,■?戏局部极大 源信号为文献[:1]中的FourVoiojs.语音彳尓号，采样值中最大值的坐标参数，，代入式（14)得直线向量 频率为8kHz，将源信每中的4路信号混合为3路观(即混合矩阵列向量〕，从而可得修正的混合矩阵4 测信号,即m=3,?=4,随机选择混合矩阵4为??.估计值& 「0.71100.2883-0.67120.4539"A=0.17730.94210.64800.39563实验结果及分析 Lo.68170.17400.35800.7990-混合所得的3路观测信号如图2所示&3.1算法性能评价准则 为了评价本文尊.法的估计精度利用归一化均 暴？丨

本文编号：2571222