在源信號個數(shù)未知條件下,提出一種基于改進(jìn)K-均值聚類的欠定混合矩陣盲估計方法。該方法首先計算觀測信號在單位半超球面上投影點(diǎn)的密度參數(shù),然后去掉低密度投影點(diǎn),并從高密度投影點(diǎn)中選取初始聚類中心,最后對剩余投影點(diǎn)進(jìn)行聚類,根據(jù)Davies-Bouldin指標(biāo)估計源信號個數(shù),并估計出混合矩陣。仿真結(jié)果表明,該方法的復(fù)雜度低,其運(yùn)行時間僅為拉普拉斯勢函數(shù)法的1%³%;該方法的源信號個數(shù)估計正確率遠(yuǎn)高于魯棒競爭聚類算法,當(dāng)信噪比高于13dB時,該方法源信號個數(shù)估計正確率大于96.6%,且混合矩陣估計誤差較小。該方法在信噪比較高時,可降低對源信號稀疏度的要求。

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 欠定混合盲源分離系統(tǒng)模型
2 改進(jìn)的K-均值聚類算法
    2.1 基于密度和距離選取初始聚類中心設(shè)待聚類的數(shù)據(jù)集合為?, 表示為
        定義1數(shù)據(jù)對象的鄰域半徑r
        定義2數(shù)據(jù)對象的密度參數(shù)
    2.2 采用DB指標(biāo)確定最佳聚類個數(shù)
    2.3 改進(jìn)K-均值聚類算法實(shí)現(xiàn)步驟
3 基于改進(jìn)K-均值聚類的欠定混合矩陣盲估計
4 算法復(fù)雜度分析對比
5 仿真實(shí)驗
6 結(jié)論



本文編號：3802310