中国科学信息科学人工蜂群优化算法在复数盲源分离中的应用.DOCVIP

人工蜂群优化算法在复数盲源分离中的应用 王荣杰①③*，詹宜巨②，周海峰①，蔡庆玲② ① 集美大学轮机工程学院，厦门 361021 ② 中山大学工学院，广州 510006 ③ 中山大学信息科学与技术学院，广州 510006 *通信作者E-mail和广东省科技厅(2009390004202223)资助项目。次1 引言 近年来，复数形式的信号被广泛应用于数字通信、雷达和核磁共振数据分析等信号处理中；此外，通过时-频分析方法变换后得到实值信号在频域上分析信号也为复值。为了解决复BSS)的问题，Bingham和Hyvarinen提出了一种快速的定点复数独立分量分析算法[1]，该算法以高阶统计量作为目标函数，但它仅适用于服从正则分布的复值源信号；依据复值信号的应用，复值BSS不仅要处理服从超高斯和亚高斯的正则分布的源信号，还要处理服从超高斯和亚高斯的非正则分布的源信号；文献[2-3]中的强解相关变换(strong uncorrelating transform，SUT)算法和文献[4]的广义解相关变换(generalized uncorrelating transform，GUT)算法通过联合对角化有源信号二阶统计特性的协方差矩阵和伪协方差矩阵来达到复数BSS的目的，这类算法能分离出服从正则非正则分布的复值源信号，但SUT和GUT算法仅适用于伪协方差矩阵具有清晰谱的非正则复值信号，还有它们的分离性能受到源数限制；目前，一类以非线性函数作为目标函数的复数BSS被提出用于分离服从任何分布的复值信号[5-8]，这类算法存在如下两个不足：它的可分析性和有界性之间相互制约；对于非线性函数的选择，分离性能严格受到其的影响。然而，上述的复数BSS与实数BSS一样都存在对源信号恢复次序的性；为此，本提出了一种基于人工蜂群(rtificial bee colony, ABC)优化的复值盲分离算法，该法交叉互验技术以依绝对值的降序地实现服从任何分布的复值源信号的盲分离。nderdetermined blind source separation, UBSS)现有比较新颖的算法有：基于零空间表示和最大似然的UBSS法[9]、基于时域的差分峰度法[10-11]和非负矩阵法2 问题的描述 假设n个彼此相互独立的未知零均值复数源信号s(t)=[s1(t), s2(t), …, sn(t)]T，；记由文献[13]中定义源信号的伪协方差矩阵为pcov(s)=E{[s(t)-E{s(t)}][s(t)-E{s(t)}]T}，如果pcov(s)=0，那么s(t)为正则分布信号，否则为非正则信号。再令m个复数观测信号x(t)=[x1(t), x2(t), … , xm(t)]T。那么观测信号x(t)与源信号s(t)的关系可由式(1)表示。 x(t)=As(t) (1) 式(1)中，t =0,1,…,N-1为时域采样点；A∈Cm×n为混合矩阵。盲源分离就是在仅已知x(t)的前提下，依靠信号的统计特性从x(t)分离或恢复出s(t)。 在m ≥ n的情况下给定A为满秩，源信号s可由式(2)确定它的唯一估计值。 (2) 式(2)中，A为A的广义逆矩阵，A=(ATA)-1AT；当m=n时，A为A的逆矩阵A-1。由式(2)可知，无论是mn，还是m=n，盲源分离其实就是A#的问题。=wx(t)= wAs(t) (3) 式中，为一个m维抽取权向量；y(t)为在s(t)中一个源信号的恢复或估计，以此通过n次提取过程最终获得所有源信号的估计。它与复数BSS一样分离后的信号在排序上与源信号原来的排序不一致；由于这个排序是未知的，称之为次序不确定。本文将首先讨论一种能消除分离信号的不确定性，并能使它们依次被恢复的复数BSS或BSE算法。 当mn时，即欠定情况，便A已知，对于源信号s的恢复也不是唯一，只能通过估计法s(t)的最优估计值欠定θ，至目前最优的解为θbest。原型的ABC算法可以有效地避免迭代陷入局部最优的缺点，但当θbest在全局最优值附近时，它的收敛速度慢；解决此问题的思路就是让一部分蜂群按原来的方式进行寻优，另一部分在θbest附近产生新解。按照这种思路，我们将模拟观察蜂搜索下一个优化解的迭代计算式改写成： (4) 式(4)中，θ(l,d)为待优化的参数，θbest(d)为目前最优的解，θOB(l,d)为模拟观察蜂搜索的新解，l=1,2,…,Ns，Ns为观察蜂的规模，d=1,2,…,D，D为待求解参数的维数；r1和r2为在[1 NF]之间随机产生