基于改进K-均值聚类的欠定混合矩阵盲估计

发布时间：2023-04-26 22:29

　　在源信号个数未知条件下,提出一种基于改进K-均值聚类的欠定混合矩阵盲估计方法。该方法首先计算观测信号在单位半超球面上投影点的密度参数,然后去掉低密度投影点,并从高密度投影点中选取初始聚类中心,最后对剩余投影点进行聚类,根据Davies-Bouldin指标估计源信号个数,并估计出混合矩阵。仿真结果表明,该方法的复杂度低,其运行时间仅为拉普拉斯势函数法的1%³%;该方法的源信号个数估计正确率远高于鲁棒竞争聚类算法,当信噪比高于13dB时,该方法源信号个数估计正确率大于96.6%,且混合矩阵估计误差较小。该方法在信噪比较高时,可降低对源信号稀疏度的要求。

【文章页数】：6 页

【文章目录】：
0 引言
1 欠定混合盲源分离系统模型
2 改进的K-均值聚类算法
    2.1 基于密度和距离选取初始聚类中心设待聚类的数据集合为?, 表示为
        定义1数据对象的邻域半径r
        定义2数据对象的密度参数
    2.2 采用DB指标确定最佳聚类个数
    2.3 改进K-均值聚类算法实现步骤
3 基于改进K-均值聚类的欠定混合矩阵盲估计
4 算法复杂度分析对比
5 仿真实验
6 结论



本文编号：3802310