论文摘要
盲源分离是盲信号处理的一个重要分支,现有的盲源分离方法大多是关于线性盲源分离的;而在实际环境中,信号大多是经过非线性混合得到的,在非线性混合的情况下,线性盲源分离方法不再适用,因此,非线性盲源分离的理论研究具有十分重要的实际作用,对深入拓展盲源分离的应用领域具有非常重要的意义。本文综述了现有非线性盲源分离方法的基本原理、阐述了非线性盲源分离所需的数学模型及常用的代价函数,指出了现有非线性盲源分离方法的优缺点。本文针对现有的非线性盲源分离存在的问题,从以下两个方面展开了研究:首先基于后置非线性模型的非线性盲源分离需要求解混合函数的逆函数,现有的粒子群算法可以用于求解逆函数,但是该算法经常出现早熟收敛。针对这一问题,本文对粒子群算法进行改进,通过引入适应度方差及满意解来判断算法的收敛状态,如果算法进入早熟状态,用混沌思想使粒子跳出早熟状态,解决该算法的早熟问题,得到混沌粒子群算法。再将混沌粒子群算法用于逆函数的求解,以加快算法的收敛速度和提高算法的分离精度。最后通过计算机仿真验证了该算法的可行性,使用语音信号作为输入信号进行仿真,可知基于混沌粒子群算法的非线性盲源分离效果比经典的粒子群算法及遗传算法的分离效果都好,且该算法还能分离出多路语音信号。其次针对信道间存在非线性交叉混合时,基于后置非线性模型的非线性盲源分离方法不再适用,本文用径向基函数神经网络解决这种混合情形下的非线性盲源分离。首先分析了径向基函数神经网络的基本原理,它具有局部逼近特性,可用于非线性盲源分离中逆函数的逼近过程中。径向基函数的中心是求解径向基函数神经网络的关键,现有求解中心的方法是K均值聚类方法,但K均值聚类对初值比较敏感,还经常陷入局部最优,使得中心不准确,分离出来的信号精确度不高。针对这些问题,本文用粒子群算法通过聚类的形式求解径向基函数的中心,得到改进型的径向基函数神经网络,并将该神经网络用于非线性盲源分离中。通过将调制信号及余弦信号作为输入信号进行仿真,可知基于改进型径向基函数神经网络的非线性盲源分离方法分离效果更好。
论文目录
相关论文文献
- [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
- [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
- [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
- [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
- [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
- [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
- [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
- [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
- [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
- [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
- [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
- [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
- [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
- [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
- [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
- [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
- [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
- [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
- [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
- [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
- [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
- [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
- [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
- [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
- [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
- [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
- [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
- [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
- [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
- [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)
标签:盲源分离论文; 后置非线性模型论文; 混沌粒子群算法论文; 聚类论文; 径向基函数神经网络论文;