基于人工免疫算法和神經(jīng)網(wǎng)絡(luò)的盲源分離研究.pdf

1、盲源分離是信號(hào)處理領(lǐng)域和神經(jīng)網(wǎng)絡(luò)領(lǐng)域近年來研究的熱點(diǎn)之一,目前在語音識(shí)別、數(shù)字通信、醫(yī)學(xué)信號(hào)處理等方面都取得了成功應(yīng)用。但由于該技術(shù)的理論深度與難度較大,現(xiàn)階段對(duì)它的研究還遠(yuǎn)未成熟,還有許多問題有待進(jìn)一步完善。本文主要研究盲源分離中兩類典型問題,即線性瞬時(shí)混合情況下的盲分離和非線性混合情況下的盲分離。針對(duì)線性瞬時(shí)盲分離問題,本文作了以下幾點(diǎn)工作:1.本文在分析現(xiàn)有神經(jīng)網(wǎng)絡(luò)分離方法不足的基礎(chǔ)上,利用免疫遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了盲分離。該

2、方法用網(wǎng)絡(luò)第一層對(duì)數(shù)據(jù)進(jìn)行預(yù)處理;第二層利用免疫遺傳算法優(yōu)化網(wǎng)絡(luò)權(quán)矩陣并估計(jì)出信號(hào)源。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性和優(yōu)越性。2.本文通過仿真實(shí)驗(yàn),分析了基于自然梯度分離算法的不足,并采用共軛梯度法對(duì)原算法進(jìn)行改進(jìn)。通過實(shí)驗(yàn)表明,改進(jìn)后算法的性能和分離效果都優(yōu)于原算法,但仍受到活動(dòng)函數(shù)的影響。3.為了克服活動(dòng)函數(shù)對(duì)算法的影響,本文采用免疫算法和高階累積量相結(jié)合的方法,實(shí)現(xiàn)了盲分離。該方法的第一步主要采用特征值分解估計(jì)出信號(hào)源的數(shù)目并提取主