一種基于免疫算法的盲信號(hào)分離算法

1、一種基于免疫算法的盲信號(hào)分離算法一種基于免疫算法的盲信號(hào)分離算法盲源信號(hào)分離（blindsourcesignalseparation，BSS）是20世紀(jì)最后10年發(fā)展起來的一個(gè)新的研究領(lǐng)域，是人工神經(jīng)網(wǎng)絡(luò)學(xué)界和信號(hào)處理學(xué)界共同關(guān)心的熱點(diǎn)領(lǐng)域。近年來，盲源分離在多領(lǐng)域獲得了快速發(fā)展，被廣泛應(yīng)用于生物醫(yī)學(xué)、語音增強(qiáng)、雷達(dá)與通信系統(tǒng)、數(shù)據(jù)挖掘等領(lǐng)域[13]。信號(hào)分離是指從接收到的混合信號(hào)中恢復(fù)出原始信號(hào)。用于信號(hào)處理的各種濾波器，如時(shí)域?yàn)V波器

2、、頻域?yàn)V波器、空域?yàn)V波器和碼域?yàn)V波器都是一種信號(hào)分離器，能分離出人感興趣的信號(hào)。但濾波分離方法都需要建立在源信號(hào)和傳輸通道參數(shù)已知的情況下；當(dāng)源信號(hào)和傳輸通道參數(shù)未知時(shí)，通過濾波根本無法完成信號(hào)的分離，這就需要采用盲信號(hào)分離技術(shù)。盲信號(hào)分離（BSS）是指在源信號(hào)和傳輸通道參數(shù)的先驗(yàn)知識(shí)未知的情況下，根據(jù)源信號(hào)的統(tǒng)計(jì)特性，僅從觀測(cè)到的混合信號(hào)中恢復(fù)出原始信號(hào)的技術(shù)。術(shù)語盲的含義是：①源信號(hào)不能被觀測(cè)；②源信號(hào)如何混合未知。目前針對(duì)BSS問

3、題有多種算法?；陔S機(jī)梯度、自然梯度分離等梯度算法是較常見的算法，然而該方法的關(guān)鍵是需要計(jì)算非線性激活函數(shù)，使得算法復(fù)雜度增加，同時(shí)算法需要計(jì)算矩陣的產(chǎn)逆，計(jì)算量大，而且魯棒性較差，收斂性有待改進(jìn)[12]。獨(dú)立分量分析（ICA）是最常見的盲信號(hào)分離算法，圍繞解決ICA問題已經(jīng)提出了許多的算法[23]。大多數(shù)算法的基本思想是圍繞信號(hào)源的獨(dú)立性提出各種準(zhǔn)則，然后結(jié)合各種優(yōu)化算法來尋找⑴其中hij為混合系數(shù)，ni（t）為加性傳感器噪聲。對(duì)于N

4、個(gè)觀測(cè)信號(hào)（混合信號(hào)），可以用矢量表示為：X（t）=HS（t）n（t）⑵其中H=[hij]，S（t）=[sj]Y（t）=WX（t）⑶其中Y（t）=[y1（t），y2（t），y3（t），，yN（t）]T表示對(duì)源信號(hào)的估計(jì)向量，WRNM表示分離矩陣。盲源分離主要建立在下列前提假設(shè)的基礎(chǔ)上：①源信號(hào)各分量相互統(tǒng)計(jì)獨(dú)立，且其中最多只能有一個(gè)分量服從高斯分布；②傳感器數(shù)目不小于源信號(hào)的數(shù)目[67]。在概率論中，獨(dú)立性是通過變量間的聯(lián)合概率密度與邊

5、緣概率密度之間的關(guān)系來衡量的，但計(jì)算變量的概率密度分布并非易事。事實(shí)上，并不直接用這種方法作為衡量變量獨(dú)立的標(biāo)準(zhǔn)，而是采用了其他的一些準(zhǔn)則，如互信息、負(fù)熵等等，其中以互信息最為常用[89]。定義y1，y2，，yn變量的互信息為：⑷其中H（yi）為變量的熵，p（yi）為變量yi的概率密度函數(shù)?；バ畔⒍攘苛烁鱾€(gè)隨機(jī)變量之間的相互獨(dú)立性，互信息總是非負(fù)的，只有當(dāng)y的各個(gè)隨機(jī)變量之間是相互獨(dú)立時(shí)，才有I（y1，y2，，yn）=0。對(duì)于線性變換Y