基于入侵性杂草优化算法的有噪独立分量分析方法.pdfVIP

东 北 石 油 大 学 学 报 第38卷 第2期 2014年4月 JouRNALOFNORTHEASTPETROLEUMUNIVERSITY V01．38No．2 Apt． 2014 基于入侵性杂草优化算法的 有噪独立分量分析方法 孔祥翠，王微微，陈静静，陈 宇 (中国石油大学(华东)信息与控制工程学院，山东青岛266580) 摘 要：针对传统独立分量分析(1CA)算法在含噪情况下分离效果不好，容易陷入局部收敛的问题，提出基于入侵性 杂草优化(1WO)算法的有噪独立分量分析方法．以分离信号负熵和为目标函数，选用高斯密度函数估计负熵，消除目标 函数中的不稳定项，提高算法的稳定性和准确性；采用入侵性杂草优化算法估计混合矩阵，提高算法的全局寻优性能．仿 真结果表明：与传统Fast1CA和FastNoisylCA算法相比，文中算法的分离信号和源信号的相似因数更大，随着信噪比 增加，相似因数趋向l，可以更好地估计源信号；P1指标明显小于其他两种算法的，可以更为精确地估计混合矩阵．研究 结果对有噪1CA信号处理有一定参考意义． 关键词：入侵性杂草优化算法；有噪独立分量分析；高斯密度函数；混合矩阵 011407 中图分类号：TP391 文献标识码：A 文章编号2014)02 0 引言 独立分量分析OCA)。110作为有效的盲源分离。。o技术，是信号处理领域的热点，在无线通讯、生物医 学。40、图像语音。50、流型识别邸]、故障诊断口1等领域应用广泛．入侵性杂草优化(IWO)[8_1叩算法是由Me hrabian和Lucas受自然界杂草入侵农作物启示提出来的一种新的优化智能算法．IWO算法简单，易于实 现，最大的优点是不需要遗传操作算子，就可以简单且有效地收敛到问题的全局最优解． 20世纪90年代，ICA理论得到较快发展。11_1。J，最具有代表性的是FastICA算法，稳定、快速的算法 特性使得ICA技术实用化．此类算法大都假设无噪声模型或把噪声看作一个独立信号，但在实际环境中， H、Shi 观测信号往往掺杂各种各样的噪声，导致分离性能下降．Zhang Z等利用信号的时序特性分离含噪 信号，可以减小噪声的影响，但信号时序特性不明显时，分离效果较差。14_1…．HyvarinenA利用信号的非 高斯特性，采用去偏技术对有噪ICA算法进行修正，减少由噪声引起的偏差，适用性强口…．这些方法多采 用梯度算法和牛顿法求解最优混合矩阵，容易陷入局部最优，很难获得理想的分离结果． 文中算法以所有分离信号负熵和为目标函数，选用高斯密度函数估计负熵，简化目标函数，保证稳定 性，引入偏差去除技术对负熵进行去偏处理，以减少由噪声引起的偏差，采用具有全局寻优性能的IWO 算法估计混合矩阵；然后采用sVDICA算法得到源信号的无噪估计． 1 基于IWO的有噪ICA算法 1．1 有噪ICA模型 线性瞬时混合有噪ICA模型为 x—As+n， (1) 为M×N维的混合矩阵，M—N；n为加性噪声． 01 收稿日期：2014 28；编辑：张兆虹 基金项目：国家自然科学基金项目；山东省自然科学基金项目(ZR2010EQ0i5) 作者简介：孔祥翠(1988)，女，硕士研究生，主要从事多相流参数检测方面的研究． 通讯作者：王微微，E mail：wangww@upc．edu．cn · · 114 万方数据 第2期 孔祥翠等：基于入侵性杂草优化算法的有噪独