資源描述：
《基于遺傳算法的盲源分離算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第39卷第7期西安交通大學(xué)學(xué)報(bào)Vol.39№72005年7月JOURNALOFXI'ANJIAOTONGUNIVERSITYJul.2005基于遺傳算法的盲源分離算法李良敏(西安交通大學(xué)機(jī)械工程學(xué)院,710049,西安)摘要:針對(duì)現(xiàn)有盲源分離算法的性能依賴于對(duì)比函數(shù)選擇的現(xiàn)象,提出了一種基于遺傳算法的盲源分離算法,該算法直接從信號(hào)的樣本序列中估計(jì)出信號(hào)的概率分布,解決了信號(hào)間互信息的求解問(wèn)題.通過(guò)遺傳算法最小化信號(hào)的互信息,實(shí)現(xiàn)了對(duì)線性混疊信號(hào)的分離.對(duì)模擬信號(hào)的分離結(jié)果表明,該算法可以成功地分離混疊信號(hào),同時(shí)與快速獨(dú)立分量分析算法相比,該算法的
2、性能對(duì)源信號(hào)的概率密度性質(zhì)沒(méi)有依賴,因而對(duì)亞高斯和超高斯信號(hào)的混合信號(hào)表現(xiàn)出更加優(yōu)異的分離能力.關(guān)鍵詞:盲源分離;遺傳算法;互信息;超高斯;亞高斯;快速獨(dú)立分量分析算法中圖分類號(hào):TP18文獻(xiàn)標(biāo)識(shí)碼:A文章編號(hào):0253!987X(2005)07!0740!04NewBlindSourceSeparationMethodBasedonGeneticAlgorithmLiLiangmin(SchoolofMechanicalEngineering,Xi'anJiaotongUniversity,Xi'an710049,China)Abstract:
3、Theperformanceofexistingblindsourceseparationmethodsishighlyaffectedbythenon-linearcontrastfunctionsthatareselectedaccordingtothedistributionoforiginalsignals,andtheseparationre-sultsarenotalwaysideal,especiallyforthemixtureofsuper-Gaussiansignalandsub-Gaussiansignal.Tosolvet
4、hisproblem,anewblindsourceseparationmethodbasedongeneticalgorithmisproposed,wheretheprobabilityofseparatedsignalsisestimateddirectlyfromtheirsamples,sothemutualentropycanbeeasilyevaluated,andgeneticalgorithmisappliedtofindtheseparationmatrixtominimizethemutualen-tropy.Thesimu
5、latedresultsshowthattheproposedmethodissuperiortoFastICAinseparatingthemix-tureofsuper-Gaussiansignalandsub-Gaussiansignal.Keywords:blindsourceseparation;geneticalgorithm;mutualentropy;super-Gaussian;sub-Gaussian;FastICA[1]近年來(lái)盲源分離(BSS)已成為信號(hào)處理學(xué)界出的基于負(fù)熵最大化準(zhǔn)則的快速獨(dú)立分量分析算法的研究熱點(diǎn)之一,其實(shí)
6、質(zhì)為在沒(méi)有任何先驗(yàn)知識(shí)的(FastICA)等.但是,無(wú)論是基于哪種獨(dú)立性準(zhǔn)則,前提下,僅僅依靠源信號(hào)的一些基本統(tǒng)計(jì)特征,如統(tǒng)現(xiàn)有的ICA算法多涉及非線性函數(shù)的選取問(wèn)題,如計(jì)獨(dú)立,便可從混疊信號(hào)中恢復(fù)提取出源信號(hào)來(lái).獨(dú)FastICA中的G(u)函數(shù)模型選擇,InfoMax算法中[2,3]立分量分析(ICA)是最常見(jiàn)的實(shí)現(xiàn)盲源分離的的g(y)函數(shù)模型等,這些函數(shù)模型的選擇主要取決[4!6]算法.圍繞解決ICA問(wèn)題已經(jīng)出現(xiàn)了許多算法,于源信號(hào)的概率密度性質(zhì),也即峭度性質(zhì).然而在工大多是圍繞源信號(hào)的獨(dú)立性提出各種獨(dú)立性準(zhǔn)則,程應(yīng)用中,源信號(hào)的峭度性質(zhì)在信
7、號(hào)被分離前是無(wú)結(jié)合各種優(yōu)化方法來(lái)尋找分離矩陣,如1995年Bell從得知的,這種矛盾極大地影響了ICA算法的分離和Sejnowski提出的基于信息最大化準(zhǔn)則的獨(dú)立分能力,尤其是對(duì)于亞高斯和超高斯的混合信號(hào).量分析方法(InfoMax算法),1999年Hyvarinen提本文針對(duì)盲源分離算法的缺點(diǎn),提出了一種基收稿日期:2004!09!14.作者簡(jiǎn)介:李良敏(1977"),女,博士生.基金項(xiàng)目:國(guó)家自然科學(xué)基金重點(diǎn)資助項(xiàng)目(50335030).第7期李良敏:基于遺傳算法的盲源分離算法741于遺傳算法的盲源分離算法,該算法以信號(hào)間的互方法無(wú)法直接對(duì)獨(dú)
8、立性判據(jù)進(jìn)行優(yōu)化,而需引入非[7]信息為優(yōu)化目標(biāo),采用直方圖法直接從信號(hào)的樣線性函數(shù)對(duì)獨(dú)立性判據(jù)進(jìn)行近似,使優(yōu)化目標(biāo)的梯本分布中估計(jì)出信
