文档介绍：太原理工大学
硕士学位论文
基于粒子群算法和鱼群算法的盲源分离的研究
姓名:刘俊豪
申请学位级别:硕士
专业:电路与系统
指导教师:张文爱
20060401
摘要基于粒子群算法和鱼群算法的盲源分离的研究盲源分离是指在对源信号及传输过程没有任何先验知识的条件下,对接收到的信号进行处理,分离出源信号的过程。该方法在语音信号处理、无线通讯、噪声消除、生物医学信号处理、地震信号处理以及图像处理等方面得到了广泛的应用。本文所做的主要工作有:蛞=樯芰嗣ぴ捶掷氲幕灸P汀⒒纠砺郏低匙芙崃说前盲源分离的主要算法,并分析了各算法的特点。重点研究了独立分量方法,详细探讨了该方法中目标函数的选取和对目标函数的优化问题。治鲅芯苛肆W尤核惴ḿ捌涓慕惴ǎ慕W尤核惴ň有全局收敛性好、收敛速度快、参数调节简单等优点。本文将改进的粒子群算法引入了盲源分离,代替独立分量分析方法中常用的梯度算法,成功地对多种类型的混合信号进行了盲源分离。改善了梯度算法易陷入局部最优值的缺点,降低了算法对初值的依赖型;同时可直接利用独立分量分析的目标函数,可以对广泛的混合信号进行盲源分离。计算机仿真验证了上述特点。太原理一搜妒芯可Ш温畚
樯芰擞闳核惴ǖ幕驹砗筒街瑁攵杂闳核惴ㄋ阉骶度差的缺点,在鱼群算法觅食行为中增加了吸引机制,通过公告板中当前已搜索到的最优值以一定的概率对离它较远的人工鱼的吸引,使得算法后期有更多的人工鱼集中在全局极值附近进行搜索。计算机仿真表明改进算法在保留原算法全局收敛性的同时,不仅增大了搜索效率,提高了搜索精度,而且加快了收敛速度。ǜ慕蟮挠闳核惴ㄓτ糜诿ぴ捶掷耄扑慊抡姹砻髁算法的有效性及可靠性。与粒子群算法相比,鱼群算法全局收敛性更好,但它需要调节参数较多,比粒子群算法复杂一些。关键词:盲源分离,独立分量分析,群集智能,粒子群算法,鱼群算法太原理酥兴妒芯可Ц┞畚。
鲠酭’,,:,太原理H搜妒芯可Ш温畚..,.
,:,..瑃.,—,.甌,琽,
,,,太原理工大学硕十研究生学付论文琤,,
太原理搜妒芯可б谅畚
硎、争.≥名:圭:雅熟叁盈日论文作者签名:壶堇塞关于学位论文使用权的说明中包括:①学校有权保管、并向有美部门送交学位论文妻勺原件与复鞠件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;声本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取缛的成果。除文中已经注明写傻哪谌萃猓韭畚不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责嵇由本人承担。本人完全了解太原理工大学有关保管、使用学位论文的规定,其⑨学校可允许学位论文被查阅或借阅;④学校可以学术交流为目的,复钢赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内容C苎宦畚脑诮饷芎笞袷卮斯娑签日期:导师签名:明粽伲.;。
第一章绪论研究盲源分离问题的目的和意义人类的生存和发展离不开信息,尤其是近年来随着通信、信息技术的飞速发展,人们对信息的利用显得越来越重要。信息与信号处理是为了从接收到的大量信号中尽可能不失真地分离出有用信号,滤除噪声干扰。传统的信号处理在对发送信号、接收信号、噪声处理前,对信号或通道已有一定先验知识,如在无线通信系统中,移动台位置的不断地变动,使得发射台与移动台之间的信道也会发生相应变化,在这种时变信道的无线通信系统中,在传输信息前通过发送训练序列来获得信道的相关信息,根据这些信息,调整相关参数,使均衡器补偿信道特性,来达到信息传输的可靠性和准确性。然而,在现实生活中,有些信号的处理无法或不容易得到这些先验知识,也无法通过训练来获得信道特征。最典型的一个例子就是语音信号处理中的“鸡尾酒会效应”,在鸡尾酒会那种非常嘈杂的环境中,一个人可以集中精力听另一个人讲话,而忽略其它的声音干扰:但对于一个机器来说,这很困难,因为在鸡尾酒会这个系统中,机器能得到的只有“鸡尾酒会”这个系统的输出信号,而输入信号、噪声信息和系统特征都不容易获得。如何处理这些信号,从接收到的信号中获取有用信息,便产生了“盲源分离”问题。法国学者虷第一次正式提出了盲源分离的基本概念及盲源分离算法的基本模型。盲源分离,简称又称盲信号分离蚣虺泼し掷耄侵冈诙栽葱藕偶按涔堂挥腥魏蜗妊橹J兜奶跫下,对接收到的信号进行处理,分离出源信号的过程。如在地震信号处理或者脑电波信号处理中,容易得到的只有通过各种传感器接收到的观测信号,而其它因素不易获得,因此如何进行这类信号的盲源分离就显得非常重要。也正是这个原因,在太原理工大学硕十研究生学伊论文
盲源分离的研究动态●■一当前盲源分离的研究主要集中在两个方面:一方面是对盲源分离的基础理论的研究;另一方面是对盲