改进人工蜂群算法的盲信号分离方法.docxVIP

  • 11
  • 0
  • 约4.17千字
  • 约 5页
  • 2023-09-19 发布于广东
  • 举报

改进人工蜂群算法的盲信号分离方法.docx

改进人工蜂群算法的盲信号分离方法 1 计算智能方法作为盲源分离的优化算法 近年来,盲源分离(bss)也被称为盲信号分离,成为数据处理领域的研究热点之一。盲源分离是指在不知道源信号和传输信道的初始信息的情况下,仅观察到的混合信号恢复源信号的数据处理技术。当源信号的统计独立时,源信号的每个元素都独立,并且成为独立的元素分析(ica)。 ICA传统的优化算法通常采用梯度法[3~5]对目标函数进行寻优.然而,梯度法收敛速度慢,易陷入局部极值点,收敛性能受步长和初始值影响较大.另外,多涉及非线性函数选取问题,所以分离精度较差.针对以上问题,近年来有学者将计算智能方法作为盲源分离的优化算法[6~9],增强盲源分离寻优能力,从而提高分离精度.文献将遗传算法用于BSS中,对线性混合信号进行分离.然而,遗传算法收敛速度慢,耗时较长.张朝柱等根据分离信号的状态自适应调整粒子群优化(Particle SwarmOptimization,PSO)算法的惯性因子,提高算法的分离性能.Acharya等将细菌觅食优化(Bacterial Foraging Optimization,BFO)算法作为ICA的优化算法,提高ICA的稳态性能.然而,这些比较成熟的智能优化算法(如PSO、BFO等)含有较多的参数,参数调节不当易使算法陷入局部极值点,从而降低算法的分离性能.因此,寻找结构简单、鲁棒性强、参数少、易于调节

文档评论(0)

1亿VIP精品文档

相关文档