基于APSO算法的盲源分離算法的研究與應(yīng)用.pdf

1、盲源分離算法是指在混合系統(tǒng)和源信號(hào)均未知的情況下，僅從觀測(cè)信號(hào)中分離出源信號(hào)的過程，是現(xiàn)代信號(hào)處理領(lǐng)域的重要分支。而獨(dú)立分量分析技術(shù)作為盲源分離中的重要組成部分近年來也備受關(guān)注，成為信號(hào)處理的一個(gè)研究方向，廣泛應(yīng)用于語音信號(hào)處理，圖像處理，生物醫(yī)學(xué)，通信系統(tǒng)以及經(jīng)濟(jì)數(shù)據(jù)分析等領(lǐng)域，具有重要的研究意義和應(yīng)用價(jià)值。
　　獨(dú)立信號(hào)分析方法是通過數(shù)據(jù)高階統(tǒng)計(jì)特性的計(jì)算作為判別標(biāo)準(zhǔn)，從被觀測(cè)信號(hào)中分離出因未知因素而產(chǎn)生混合的獨(dú)立源信號(hào)。粒子

2、群算法可以通過其迭代的方式來尋找最優(yōu)的分離矩陣以分離出獨(dú)立源信號(hào)。論文對(duì)標(biāo)準(zhǔn)粒子群算法進(jìn)行改進(jìn)，提出了新的基于自適應(yīng)粒子群算法的盲源分離算法，并將其應(yīng)用于混合語音信號(hào)及模糊灰度圖像的盲分離。論文所做的主要工作有:
　　1、研究分析了盲源分離原理及獨(dú)立分量分析技術(shù)，主要討論了盲源分離的假設(shè)條件與可解性，以及相關(guān)的信息論、統(tǒng)計(jì)量知識(shí)和幾種目標(biāo)函數(shù)等。
　　2、研究了幾種常見的盲源分離算法，包括梯度下降算法，固定點(diǎn)算法和神經(jīng)網(wǎng)絡(luò)算

3、法等，進(jìn)行了對(duì)比性分析。
　　3、提出了一種基于改進(jìn)的自適應(yīng)粒子群算法的盲源分離算法，用峰度和負(fù)熵兩個(gè)適應(yīng)度函數(shù)共同決定粒子進(jìn)化方向，仿真驗(yàn)證了其有效性。
　　4、將基于改進(jìn)的自適應(yīng)粒子群算法應(yīng)用于混合語音信號(hào)的盲源分離，以及多幅模糊灰度圖像混疊的盲源分離。仿真比較了快速獨(dú)立分量分析算法、傳統(tǒng)自適應(yīng)粒子群算法以及所提出的算法，結(jié)果表明改進(jìn)的自適應(yīng)粒子群算法能夠很好的分離混合的觀測(cè)信號(hào)且計(jì)算性能指標(biāo)優(yōu)越，收斂效果好。