一种基于人工蜂群优化的有序盲源抽取方法.pdfVIP

研究与开发 一 种基于人工蜂群优化的有序盲源抽取方法 王荣杰 1I2，周海峰 ’，詹宜 巨 (1．集美大学轮机工程学院 厦门361021；2．中山大学工学院 广 1,1‘510006) 1 引言 累积量绝对值降序地实现源信号的盲分离。 2 问题 的描述 盲源分离(blindsourceseparation，BSS)技术可以在不 知道源信号和接收信号瞬时混叠参数的情况下，仅仅根据 假设n个零均值且彼此相互独立的未知源信号 源信号的统计特征．从观测到的混叠信号中恢复出所有的 s(f)=[s()，sz(f)，…， (f) 通过一未知瞬时线性混合系统 源信号。近年来，南于其优越的假设前提，它作为一种重要 后，得到m个观测信号 (￡)=-(￡)，x2(t)，…， ()r。观测信 的技术被广泛应用于无线通信、生物医学工程、船舶工程、 号x(t)q源信号s()的关系可由式(1)表示： 语音处理和图像处理等领域 。盲源抽取 (blindsource x(t)=As(t) (1) extraction，BSE)是BSS技术的一种扩展，它的目的是从观 其中，A∈一为混合矩阵，反映了混合系统或信道的 测信号中逐次恢复一个或部分源信号。与BSS相比，BSE 传输特性，要求它为列满秩，t为时域采样点且t=0，…， 方法灵活、计算简单。解决BSE问题的算法主要有两类： Ⅳ一1。所谓BSE就是仅根据 ()的统计独立假设条件，从 一 类是通过优化基于高阶统计量 (high．orderstatistics， 观测信号x(t)中分离出一个源信号s(t)，其过程可表示 HOS)的代价函数来实现_6_，另一类是利用源信号的2阶 为式(2)： 统计特征来实现8_【 它们与BSS一样存在对源信号恢复 ()= ()=wTas(t) (2) 次序的模糊性。本文提出一种基于人工蜂群(artificialbee 其中，’，()为抽取后的一个源信号的估计；在m≥n情 colony，ABC)优化的有序盲抽取方法。该方法可以依4阶 况下，抽取权向量w为一个m维的列向量；记g= ，当 行向量g中只有一个元素为 1，其余为0时，则)，(f)为在 国家 自然科学基金资助项 目(No s)中与g中元素为 1位置相对应的源信号的恢复或估 磷究与弹发 计。为了消除分离信号次序的模糊性，并能使它们依次被 p()= ， f_l，…， (7) 恢复，本文采用最大化归一化的4阶累积量(峰度)来获得 ∑F(f) 最优抽取权向量W，其过程可由式(3)式(5)来描述。 ，=1 其中， 1为用来衡量第 i个解优化效果的目标函数， z(t)=Tx(t) (3) 本文将其定义为4阶累积量。 y(t)=wTz(t) (4) 由于对于待优化的解也存在 “盲”信息，ABC优化算法 w=argmaxIKy(f)l，s．t．IlwllF=I (5) 跟其他优化算法一样，参数的初始值都是随机产生；它同