基于改进遗传算法盲源分离算法研究.docVIP

基于改进遗传算法盲源分离算法研究 　　摘 要： 在传统盲源分离算法的基础上，提出了一种基于改进遗传算法的盲源分离算法。改进遗传算法可有效地抑制寻优陷入局部最小，防止了震荡，加快了权值的收敛速度，适用于非线性混叠情况。实验结果表明，将遗传算法和盲源分离相结合对于多路混叠语音信号具有较好的分离效果。 　　关键词： 盲源分离; 遗传算法; 非线性; 语音信号 　　中图分类号：TP391.9 文献标志码：A 文章编号：1006-8228（2015）07-48-03 　　Research of BSS algorithm based on improved genetic algorithm 　　Yang Bo， Song Bing 　　（Maternal and Child Health Hospital of YanCheng Information Centre， YanCheng， Jiangsu 224000， China） 　　Abstract： On the basis of traditional BSS （Blind Source Separation） algorithm， a BSS algorithm based on the improved genetic algorithm is proposed in this paper. The improved genetic algorithm can effectively restrain the optimization into a local minimum， prevent the vibrating， speed up the convergence rate of the weights， and is suitable for nonlinear aliasing situation.The experimental results show that the BSS algorithm combined with the genetic algorithm can get a good separation effect for processing of multiple overlapping speech signals. 　　Key words： BSS; genetic algorithm; nonlinear; speech signals 　　0 引言 　　盲源分离是指在不知道源信号分布和混合系统的情况下，仅根据观测到的混合信号恢复源信号的过程。由于盲源分离无需知道信号的先验信息，从而在信号处理领域得到广泛的应用，语音盲分离更是因为其实用性成为其中研究的热点。语音分离技术对计算机听觉、语音识别等方面的研究具有重大意义，同时高质量的语音通信、助听器、电话远程会议系统等也都得益于此，因此，语音盲分离的研究具有非常重要的理论价值和应用价值[1]。在通常的盲信号研究中，大多数的盲源分离算法都是假设原信号是线性混叠的，然而在实际中混叠模型更多的是非线性或者弱非线性的，这就要求去寻求一种对非线性混叠情况适用的分离算法。 　　1 遗传算法分析及其改进 　　1.1 遗传算法简介 　　遗传算法是一种概率寻优算法，其依据生物遗传进化和优胜劣汰的原理，是以个体适应度为基础，对个体进行选择、交叉、变异，搜索参数最优解的智能算法。遗传算法可以用于对系统的一个或多个参数进行智能优化，优化控制器的控制效果。基本的遗传算法包含初始化、适应度计算、选择、交叉、变异、终止判断等操作。 　　1.2 遗传算法的数学分析 　　由遗传算法的模式定理可知，若低阶、高适应度的某种模式中包含了最优解，则遗传算法就可能把它找出来，但是若低阶、高适应度的所有模式中均没有包含最优串的值，则遗传算法就不能找到最优解，通常只能给出次优解。 　　若在模式H和H中，不确定位基因的具体位置是一致的，但在任一确定位上的基因编码均完全不同，就称H和H互为竞争模式。例如，10***与01***属于竞争模式;10***与11***则不属于竞争模式。 　　假定f（x）的最大值对应的未知量x的集合为x，H为包含x的m阶模式，H的竞争模式为H，若f（H）lt;f（H），则f为m阶欺骗。例如，对于一个三位二进制编码的模式，若f（111）为最大值，则下列任意一个不等式的成立都将说明其中存在欺骗性。 　　当模式阶数为1时： 　　f（**1）lt;f（**0）， 　　f（*1*）lt;f（*0*）， 　　f（1**）lt;f（0**）。 　　当模式阶数为2时： 　　f（*11）lt;f（*00）， 　　f（1*1）lt;f（0*0），