發(fā)布時(shí)間：2018-01-25 06:28

  本文關(guān)鍵詞： 盲源分離 粒子群算法 帝國(guó)競(jìng)爭(zhēng)算法 變異算子 負(fù)熵　出處：《東北大學(xué)》2014年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：盲信號(hào)分離技術(shù)是一種僅利用觀測(cè)信號(hào)恢復(fù)出源信號(hào)的方法,在語(yǔ)音處理、圖像處理、通信和生物醫(yī)學(xué)信號(hào)處理等各個(gè)領(lǐng)域均具有廣闊的應(yīng)用前景和發(fā)展?jié)摿?對(duì)其研究已成為目前信號(hào)與信息處理、智能計(jì)算與信息處理等學(xué)科的研究熱點(diǎn)。群智能優(yōu)化算法作為一種模擬自然界生物體生存發(fā)展的行為方式進(jìn)行目標(biāo)優(yōu)化的算法,是求解復(fù)雜優(yōu)化問(wèn)題的有效方法。因此,將群智能優(yōu)化算法用于解決盲信號(hào)分離問(wèn)題具有良好的發(fā)展前景。本文在對(duì)群智能優(yōu)化算法和盲信號(hào)分離技術(shù)理論和算法研究的基礎(chǔ)上,針對(duì)線性混合盲信號(hào)分離進(jìn)行深入研究,所作的主要工作如下：(1)針對(duì)基本粒子群算法易于陷入局部最優(yōu)解的問(wèn)題,提出了一種基于變異算子的自適應(yīng)粒子群優(yōu)化算法。并采用信號(hào)的負(fù)熵的絕對(duì)值作為分離的目標(biāo)函數(shù),使用帶變異算子的自適應(yīng)粒子群優(yōu)化算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化求解,從而實(shí)現(xiàn)從混合信號(hào)中將源信號(hào)分離出來(lái)。通過(guò)對(duì)源信號(hào)為亞高斯信號(hào)以及超高斯和亞高斯信號(hào)同時(shí)存在的情況進(jìn)行分離的仿真實(shí)驗(yàn),并通過(guò)相似系數(shù)和信噪比兩種性能評(píng)價(jià)準(zhǔn)則與基本粒子群算法進(jìn)行比較,驗(yàn)證了算法的有效性。(2)為了改善基本帝國(guó)競(jìng)爭(zhēng)算法易于陷入局部最優(yōu)解的缺點(diǎn),提出了一種基于混沌理論的帝國(guó)競(jìng)爭(zhēng)算法。并采用信號(hào)的互信息作為目標(biāo)函數(shù),使用基于混沌理論的帝國(guó)競(jìng)爭(zhēng)算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化求解,從而實(shí)現(xiàn)對(duì)混合信號(hào)的分離。通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了算法的有效性,并通過(guò)相關(guān)系數(shù)和信噪比兩種性能評(píng)價(jià)指標(biāo)與基本帝國(guó)競(jìng)爭(zhēng)算法進(jìn)行比較,體現(xiàn)了改進(jìn)算法在全局收斂性和穩(wěn)定性的優(yōu)勢(shì)。
[Abstract]:Blind signal separation (BSS) is a method to recover source signals only by using observed signals. It has broad application prospects and development potential in speech processing, image processing, communication and biomedical signal processing. Its research has become the current signal and information processing. Intelligent computing and information processing and other disciplines of research hotspot. Swarm intelligence optimization algorithm as a simulation of natural organisms survival and development of the behavior of the optimization algorithm. Is an effective method for solving complex optimization problems. The application of swarm intelligence optimization algorithm to solve blind signal separation problem has a good prospect. In this paper, the theory and algorithm of swarm intelligence optimization algorithm and blind signal separation technology are studied. The main work of this paper is as follows: 1) aiming at the problem that elementary particle swarm optimization (PSO) is easy to fall into local optimal solution. An adaptive particle swarm optimization algorithm based on mutation operator is proposed, and the absolute value of the negative entropy of the signal is used as the separated objective function. An adaptive particle swarm optimization algorithm with mutation operator is used to solve the objective function. In order to achieve the separation of the source signal from the mixed signal, the simulation experiment is carried out to separate the source signal from the sub-#china_person0# signal and the superelev_person1# and ultra-high signal simultaneously. By comparing the performance evaluation criteria of similarity coefficient and signal-to-noise ratio with the basic particle swarm optimization algorithm, the effectiveness of the algorithm is verified. 2) in order to improve the basic imperial competition algorithm, it is easy to fall into the local optimal solution. An algorithm of imperial competition based on chaos theory is proposed, and the mutual information of signals is used as the objective function, and the algorithm based on chaos theory is used to optimize the solution of the objective function. The effectiveness of the algorithm is verified by simulation experiments, and the correlation coefficient and signal-to-noise ratio (SNR) are compared with the basic imperial competition algorithm. The advantages of the improved algorithm in global convergence and stability are demonstrated.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李廣彪,張劍云,毛云祥;盲源分離的發(fā)展及研究現(xiàn)狀[J];航天電子對(duì)抗;2004年06期

2 王昆;;盲源分離問(wèn)題的分析研究[J];科技信息;2008年29期

3 柯維;張永祥;呂博;;基于微分進(jìn)化算法的盲源分離[J];海軍工程大學(xué)學(xué)報(bào);2012年05期

4 林秋華,殷福亮;盲源分離自適應(yīng)算法的統(tǒng)一形式[J];大連理工大學(xué)學(xué)報(bào);2002年04期

5 劉海林;謝勝利;章晉龍;;微延遲病態(tài)卷積混疊盲源分離的可分性研究[J];計(jì)算機(jī)科學(xué);2003年07期

6 吳微東,莊哲民;基于盲源分離的一種快速獨(dú)立分量分析算法[J];汕頭大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

7 郭松;孫云蓮;;基于獨(dú)立分量分析盲源分離快速算法[J];電子測(cè)量技術(shù);2004年02期

8 丁鐸,賈永強(qiáng),王映民;一種基于峰度的盲源分離算法研究[J];現(xiàn)代電子技術(shù);2005年14期

9 肖俊,何為偉;源信號(hào)數(shù)目大于觀察信號(hào)數(shù)目情況下的盲源分離[J];現(xiàn)代電子技術(shù);2005年11期

10 李廣彪,張劍云,毛云祥;盲源分離中的非高斯性極大準(zhǔn)則[J];艦船電子對(duì)抗;2005年05期

相關(guān)會(huì)議論文 前10條

1 李舜酩;;轉(zhuǎn)子振動(dòng)信號(hào)的盲源分離研究[A];第三屆全國(guó)虛擬儀器大會(huì)論文集[C];2008年

2 許林周;章新華;范文濤;;一種盲源分離后續(xù)去冗余方法[A];2009年全國(guó)水聲學(xué)學(xué)術(shù)交流暨水聲學(xué)分會(huì)換屆改選會(huì)議論文集[C];2009年

3 韓少博;林京;吳文燾;;頻域盲源分離中的一種穩(wěn)健解排列模糊方法[A];中國(guó)聲學(xué)學(xué)會(huì)2009年青年學(xué)術(shù)會(huì)議[CYCA’09]論文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分離的潛艇源識(shí)別信號(hào)去除干擾研究[A];第十一屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2007年

5 康春玉;章新華;李軍;;盲源分離與自適應(yīng)濾波器結(jié)合抑制強(qiáng)干擾研究[A];2012'中國(guó)西部聲學(xué)學(xué)術(shù)交流會(huì)論文集(Ⅱ)[C];2012年

6 周祥;樊濤;;基于盲源分離的儲(chǔ)油罐底腐蝕混疊信號(hào)的識(shí)別與分離[A];第八屆沈陽(yáng)科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

7 王穎翠;;一種基于自然梯度的卷積混合頻域盲源分離算法[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

8 許策;章新華;高成志;;源數(shù)目估計(jì)對(duì)盲源分離算法影響分析[A];2007年全國(guó)水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2007年

9 成謝鋒;張仲;孫夏;;一種單路混合信號(hào)的盲源分離新方法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第二分冊(cè)）[C];2009年

10 胡增輝;朱炬波;;基于盲源分離的波達(dá)角估計(jì)[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 張良俊;欠定盲源分離算法及其應(yīng)用研究[D];武漢理工大學(xué);2015年

2 吳微;含噪盲源分離算法研究及其在水聲信號(hào)中的應(yīng)用[D];解放軍信息工程大學(xué);2014年

3 徐先峰;利用參量結(jié)構(gòu)解盲源分離算法研究[D];西安電子科技大學(xué);2010年

4 王爾馥;盲源分離理論及其在通信系統(tǒng)中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2009年

5 李昌利;盲源分離的若干算法及應(yīng)用研究[D];西安電子科技大學(xué);2010年

6 高建彬;盲源分離算法及相關(guān)理論研究[D];電子科技大學(xué);2012年

7 郭靖;盲源分離的時(shí)頻域算法研究[D];重慶大學(xué);2012年

8 張念;盲源分離理論及其在重磁數(shù)據(jù)處理中的應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué);2013年

9 劉建強(qiáng);非平穩(wěn)環(huán)境中的盲源分離算法研究[D];西安電子科技大學(xué);2009年

10 李燈熬;基于循環(huán)平衡理論的盲源分離算法[D];太原理工大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 彭帆;多輸入多輸出系統(tǒng)盲源分離頻域新方法的研究[D];汕頭大學(xué);2002年

2 程舒慧;動(dòng)態(tài)盲源分離及其在生物醫(yī)學(xué)信號(hào)處理中的應(yīng)用研究[D];安徽大學(xué);2011年

3 張政;基于獨(dú)立分量分析的盲源分離算法優(yōu)化研究[D];南京信息工程大學(xué);2015年

4 高鵬;基于單通道盲源分離理論的故障特征提取技術(shù)[D];長(zhǎng)安大學(xué);2015年

5 姚鑫;基于EEMD的單通道盲源分離研究與應(yīng)用[D];大連交通大學(xué);2015年

6 張穎;低角雷達(dá)盲信號(hào)分離方法研究[D];河南師范大學(xué);2015年

7 吳康銳;基于空間幾何信息約束的欠定卷積盲源分離[D];南昌大學(xué);2015年

8 李莽;盲源分離在信號(hào)探測(cè)中的應(yīng)用[D];電子科技大學(xué);2014年

9 宋繼飛;噪聲條件下欠定盲源分離算法研究[D];大連理工大學(xué);2015年

10 甘一凡;基于盲源分離的車(chē)輛檢測(cè)與分類(lèi)技術(shù)研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：1462251