本文關(guān)鍵詞：基于時(shí)間可預(yù)測(cè)性的差分搜索盲信號(hào)分離算法　出處：《通信學(xué)報(bào)》2014年06期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 盲信號(hào)分離 時(shí)間可預(yù)測(cè)性 差分搜索算法 消源

【摘要】：針對(duì)基于仿生智能優(yōu)化的盲信號(hào)分離算法計(jì)算量偏大的問(wèn)題,提出了一種新的基于差分搜索的盲信號(hào)分離算法。采用信號(hào)在時(shí)間上的可預(yù)測(cè)性度量作為目標(biāo)函數(shù),使用差分搜索算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化求解。利用去相關(guān)消源方法從混合信號(hào)中去除每次分離出的源信號(hào)成分,通過(guò)逐次分離最終實(shí)現(xiàn)對(duì)所有源信號(hào)的成功恢復(fù)。仿真實(shí)驗(yàn)表明,所提算法可以有效實(shí)現(xiàn)對(duì)混合信號(hào)的盲分離。與其他算法相比,該算法在保證了更高分離精度的同時(shí),具有更低的運(yùn)算量。
[Abstract]:In order to solve the problem of large computational complexity of blind signal separation algorithm based on bionic intelligent optimization. In this paper, a new blind signal separation algorithm based on differential search is proposed, in which the predictability of the signal in time is used as the objective function. The difference search algorithm is used to optimize the objective function and the de-correlation method is used to remove the components of each separated source signal from the mixed signal. The simulation results show that the proposed algorithm can effectively achieve blind separation of mixed signals, compared with other algorithms. The algorithm not only ensures higher separation accuracy, but also has lower computational complexity.
【作者單位】： 天津商業(yè)大學(xué)信息工程學(xué)院;天津大學(xué)精密儀器與光電子工程學(xué)院;河北工業(yè)大學(xué)信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(11127202,60802049)~~
【分類(lèi)號(hào)】：TN911.7
【正文快照】： 1引言盲信號(hào)分離技術(shù)是在未知信號(hào)混合信息的情況下,僅由觀測(cè)到的混合信號(hào)恢復(fù)出各源信號(hào)成分的技術(shù)。隨著人們對(duì)盲信號(hào)分離問(wèn)題研究的不斷深入,盲信號(hào)分離算法已廣泛應(yīng)用于聲音、圖像、通信和生物醫(yī)學(xué)等各領(lǐng)域[1~4]。傳統(tǒng)的盲信號(hào)分離算法中采用的優(yōu)化方法主要是梯度法[5~7],

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 孫守宇 ,鄭君里 ,吳里江 ,趙瑩;峭度自適應(yīng)學(xué)習(xí)率的盲信源分離[J];電子學(xué)報(bào);2005年03期

2 張銀雪;田學(xué)民;鄧曉剛;;基于改進(jìn)人工蜂群算法的盲源分離方法[J];電子學(xué)報(bào);2012年10期

3 陳雷;張立毅;郭艷菊;劉婷;李鏘;;基于粒子群優(yōu)化的有序盲信號(hào)分離算法[J];天津大學(xué)學(xué)報(bào);2011年02期

4 張朝柱;張健沛;孫曉東;;基于自適應(yīng)粒子群優(yōu)化的盲源分離[J];系統(tǒng)工程與電子技術(shù);2009年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林劍;趙龍;徐劍;余節(jié)約;;基于人工蜂群優(yōu)化的印刷色彩分色[J];包裝工程;2011年05期

2 杜釗;李宏偉;張建忠;;L-DACS中的信號(hào)分離算法的研究[J];傳感器與微系統(tǒng);2012年06期

3 丁云;;基于盲源分離技術(shù)內(nèi)嵌式永磁同步電動(dòng)機(jī)溫度監(jiān)測(cè)研究[J];電氣應(yīng)用;2011年16期

4 歐世峰;趙曉暉;高穎;;結(jié)合輔助分離系統(tǒng)的變步長(zhǎng)盲源分離算法[J];電子學(xué)報(bào);2009年07期

5 羅鈞;劉永鋒;付麗;;能耗限制的實(shí)時(shí)周期任務(wù)可靠性感知調(diào)度[J];重慶大學(xué)學(xué)報(bào);2011年08期

6 張姣玲;;人工蜂群算法在多元線性回歸中的應(yīng)用[J];廣東技術(shù)師范學(xué)院學(xué)報(bào);2011年09期

7 于明;艾月喬;;基于人工蜂群算法的支持向量機(jī)參數(shù)優(yōu)化及應(yīng)用[J];光電子.激光;2012年02期

8 羅彬;邵培基;羅盡堯;劉獨(dú)玉;夏國(guó)恩;;基于粗糙集理論-神經(jīng)網(wǎng)絡(luò)-蜂群算法集成的客戶(hù)流失研究[J];管理學(xué)報(bào);2011年02期

9 趙小強(qiáng);張守明;;基于人工蜂群的模糊聚類(lèi)算法[J];蘭州理工大學(xué)學(xué)報(bào);2010年05期

10 張銀雪;田學(xué)民;鄧曉剛;;基于改進(jìn)人工蜂群算法的盲源分離方法[J];電子學(xué)報(bào);2012年10期

相關(guān)會(huì)議論文 前6條

1 李麗;程玉榮;牛奔;;離散人工蜂群算法求解旅行商問(wèn)題[A];第十三屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2011年

2 楊琳;孔峰;;基于梯度蜂群混合算法的電力系統(tǒng)最優(yōu)潮流計(jì)算[A];中南六�。▍^(qū)）自動(dòng)化學(xué)會(huì)第二十九屆學(xué)術(shù)年會(huì)論文集[C];2011年

3 李軍;張永祥;姚曉山;;峭度自適應(yīng)學(xué)習(xí)步長(zhǎng)盲提取算法提取軸承沖擊信號(hào)[A];第八屆全國(guó)設(shè)備與維修工程學(xué)術(shù)會(huì)議、第十三屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2008年

4 陶襄樊;陳美霞;;基于l_1范數(shù)稀疏解的水下雙層圓柱殼振動(dòng)聲輻射評(píng)估[A];第十四屆船舶水下噪聲學(xué)術(shù)討論會(huì)論文集[C];2013年

5 Peng Zhang;Hong Liu;Yanhui Ding;;Dynamic Bee Colony Algorithm Based on Multi-species Coevolution[A];山東計(jì)算機(jī)學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

6 Biao Fang;Gaoming Huang;Jun Gao;;Underdetermined Blind Source Separation for LFM Radar Signal Based on Compressive Sensing[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 吳德烽;計(jì)算智能在三維表面掃描機(jī)器人系統(tǒng)中的應(yīng)用研究[D];大連海事大學(xué);2010年

2 羅彬;基于MMOI方法的電信客戶(hù)流失預(yù)測(cè)與挽留研究[D];電子科技大學(xué);2010年

3 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

4 董旭初;Bayesian網(wǎng)的最優(yōu)樹(shù)分解研究[D];吉林大學(xué);2011年

5 馮業(yè)偉;基于支持向量機(jī)和移動(dòng)Agent技術(shù)的銀行風(fēng)險(xiǎn)早期預(yù)警系統(tǒng)研究[D];中國(guó)海洋大學(xué);2011年

6 劉路;基于改進(jìn)支持向量機(jī)和紋理圖像分析的旋轉(zhuǎn)機(jī)械故障診斷[D];天津大學(xué);2011年

7 王亞軍;減少OFDM系統(tǒng)的峰均功率比的研究[D];上海交通大學(xué);2011年

8 汪洋;基于視覺(jué)測(cè)量的鐵路列車(chē)鉤舌檢測(cè)流水線關(guān)鍵技術(shù)研究[D];大連海事大學(xué);2011年

9 肖永豪;蜂群算法及在圖像處理中的應(yīng)用研究[D];華南理工大學(xué);2011年

10 高穎;盲源分離理論及其在地球物理勘探中的應(yīng)用[D];吉林大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 姜飛;混合智能優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2011年

2 魏麗;群體動(dòng)畫(huà)中運(yùn)動(dòng)生成模塊的模型研究[D];山東師范大學(xué);2011年

3 馬慶倫;基于互信息量最小化的循環(huán)平穩(wěn)信號(hào)盲源分離算法[D];太原理工大學(xué);2011年

4 張海燕;基于循環(huán)平穩(wěn)度和聯(lián)合近似對(duì)角化的盲源分離算法研究[D];太原理工大學(xué);2011年

5 張守明;基于人工蜂群的模糊聚類(lèi)數(shù)據(jù)挖掘算法研究[D];蘭州理工大學(xué);2011年

6 梁建慧;新型智能優(yōu)化算法及其在圖像分割中的應(yīng)用研究[D];陜西師范大學(xué);2011年

7 黃旭;群智能優(yōu)化算法及其在PPI網(wǎng)絡(luò)中的應(yīng)用研究[D];陜西師范大學(xué);2011年

8 高巧玲;改進(jìn)的快速獨(dú)立分量分析及其在語(yǔ)音盲分離的應(yīng)用研究[D];湖南師范大學(xué);2011年

9 李廣宇;基于粒子蜂群算法優(yōu)化的多支持向量機(jī)軟測(cè)量建模方法研究[D];中南大學(xué);2011年

10 譚世恒;一種新型的群智能優(yōu)化算法—細(xì)胞膜優(yōu)化算法及其應(yīng)用[D];華南理工大學(xué);2011年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 羅志增;李文國(guó);;基于小波變換和盲信號(hào)分離的多通道肌電信號(hào)處理方法[J];電子學(xué)報(bào);2009年04期

2 歐世峰;趙曉暉;高穎;;結(jié)合輔助分離系統(tǒng)的變步長(zhǎng)盲源分離算法[J];電子學(xué)報(bào);2009年07期

3 陸鳳波;黃知濤;彭耿;姜文利;;基于時(shí)頻分布的欠定混疊盲分離[J];電子學(xué)報(bào);2011年09期

4 朱孝龍,保錚,張賢達(dá);基于分階段學(xué)習(xí)的盲信號(hào)分離[J];中國(guó)科學(xué)E輯:技術(shù)科學(xué);2002年05期

5 謝平;李紅亮;黃雙峰;;一種盲源分離的優(yōu)先進(jìn)化自適應(yīng)遺傳算法[J];計(jì)算機(jī)仿真;2009年06期

6 韓江洪;李正榮;魏振春;;一種自適應(yīng)粒子群優(yōu)化算法及其仿真研究[J];系統(tǒng)仿真學(xué)報(bào);2006年10期

7 張朝柱;張健沛;孫曉東;;基于自適應(yīng)粒子群優(yōu)化的盲源分離[J];系統(tǒng)工程與電子技術(shù);2009年06期

8 傅予力;沈軼;謝勝利;;基于規(guī)范高階累積量的盲分離算法[J];應(yīng)用數(shù)學(xué);2006年04期

，

本文編號(hào)：1414639