基于進(jìn)化算法的盲源信號分離.pdf

1、盲源信號分離(BSS)是研究如何從觀測到的混合信號中估計(jì)或恢復(fù)獨(dú)立的源信號，其核心問題是分離(或解混合)矩陣的學(xué)習(xí)算法，目前已出現(xiàn)較多的算法，如基于信息論的隨機(jī)梯度算法，基于信息論的極大似然估計(jì)的自然梯度算法等；但這些方法只適應(yīng)于亞高斯或超高斯信號單獨(dú)存在的情況，并且收斂速度慢、存在一定的不確定性。基于四階累計(jì)量的聯(lián)合對角化的JADE(JointApproximatedecompositionofEigenmatrices)算法，是獨(dú)立

2、分量分析最常用的方法，該算法對各種情況的盲信號具有一定的分離作用，然而，當(dāng)聯(lián)合對角化問題k＞2時得到的結(jié)果不精確。本文研究基于進(jìn)化算法盲源信號分離方法，主要工作有： 研究基于遺傳算法的盲源信號分離算法，其基本思想是利用遺傳算法代替JADE算法中的聯(lián)合對角化操作，遺傳算法從整個解空間上有效地搜索最佳的解，在解決大空間、多峰值、非線性、全局優(yōu)化等高復(fù)雜度問題時顯示了獨(dú)特的優(yōu)勢，因而基于遺傳算法的盲源信號分離算法收斂性好，分離精度高。

3、理論分析和仿真結(jié)果表明該方法明顯優(yōu)于JADE算法，并表現(xiàn)出較強(qiáng)的魯棒性。 由于遺傳算法因交叉重組導(dǎo)致了連鎖問題，以及源信號中高斯信號的存在，必須使用懲罰函數(shù)，因此求解的過程中會出現(xiàn)震蕩，其分離效果并不理想。為此，我們進(jìn)一步提出基于決策圖貝葉斯優(yōu)化的盲源信號分離算法，其基本思想是利用決策圖貝葉斯優(yōu)化算法代替JADE算法中的聯(lián)合對角化操作，決策圖貝葉斯優(yōu)化算法通過從優(yōu)選的解集合中提取信息，然后利用這種信息的概率分布產(chǎn)生新的解，避免了