基于群智能优化方法的盲信号分离算法研究

论文摘要

盲信号分离技术是一种仅利用观测信号恢复出源信号的方法,在语音处理、图像处理、通信和生物医学信号处理等各个领域均具有广阔的应用前景和发展潜力,对其研究已成为目前信号与信息处理、智能计算与信息处理等学科的研究热点。群智能优化算法作为一种模拟自然界生物体生存发展的行为方式进行目标优化的算法,是求解复杂优化问题的有效方法。因此,将群智能优化算法用于解决盲信号分离问题具有良好的发展前景。本文在对群智能优化算法和盲信号分离技术理论和算法研究的基础上,针对线性混合盲信号分离进行深入研究,所作的主要工作如下:(1)提出了一种基于粒子群优化算法的有序盲信号分离算法。采用信号的规范四阶累积量的绝对值作为分离的目标函数,使用粒子群优化算法对目标函数进行优化求解,通过去相关消源方法将已分离出的源信号成分从混合信号中去除,从而实现从混合信号中将源信号按照其规范四阶累积量绝对值的降序进行分离。通过对源信号为超高斯信号、亚高斯信号以及超高斯和亚高斯信号同时存在的情况进行分离的仿真实验,验证了算法的有效性。并将该算法用于解决微弱信号采集过程中的工频干扰消除,取得了满意的效果。(2)提出了一种基于探测判断和优势细菌随机扰动策略的细菌群优化算法。在单细菌趋药性优化方法的基础上,结合细菌聚群现象和中心点吸引策略,将探测判断和优势细菌随机扰动两种策略引入细菌群的进化过程,在解决细菌定位问题的同时,提高了算法的收敛精度和全局收敛能力。并应用于解决盲信号分离问题,得到一种基于细菌群优化算法的有序盲信号分离算法,成功实现了对源信号为亚高斯信号、超高斯信号以及亚超高斯混合信号等不同类型信号的有序盲分离,取得了良好的分离效果。最后又应用于解决微弱信号采集中的工频干扰消除,并通过仿真实验验证了该方法的有效性。(3)提出了一种基于细菌觅食优化算法的盲信号分离算法。采用信号四阶累积量绝对值的和作为目标函数,利用Givens旋转变换方法降低目标函数中的待求变量数目,然后采用改进的细菌觅食优化算法对目标函数进行优化求解,实现了从混合信号中将源信号一次同时分离出来,并通过仿真实验对算法的分离效果进行了验证。然后将该盲信号分离算法应用于解决工频干扰消除,取得了良好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究盲信号分离的意义
• 1.2 盲信号分离的国内外研究现状
• 1.3 盲信号分离的应用领域
• 1.3.1 语音信号处理和图像信号处理领域
• 1.3.2 生物医学信号处理领域
• 1.3.3 通信信号处理领域
• 1.3.4 工业过程监测领域
• 1.3.5 金融分析领域
• 1.4 本课题的研究背景
• 1.5 论文的结构安排
• 第二章 线性混合盲信号分离基本理论与算法
• 2.1 线性混合盲信号分离模型
• 2.1.1 数学模型
• 2.1.2 假设条件与不确定性
• 2.1.3 盲信号分离前的预处理
• 2.2 盲信号分离的独立性判据
• 2.2.1 最小互信息判据
• 2.2.2 极大似然判据
• 2.2.3 最大化峭度判据
• 2.2.4 最大化负熵判据
• 2.3 盲信号分离算法
• 2.3.1 梯度算法
• 2.3.2 快速固定点算法
• 2.3.3 特征矩阵的联合对角化算法
• 2.3.4 基于信号时间结构的算法
• 2.4 盲信号分离算法的性能评判
• 2.4.1 主观定性评判方法
• 2.4.2 客观定量评判方法
• 2.5 本章小结
• 第三章 基于粒子群优化的有序盲信号分离算法与应用
• 3.1 粒子群优化算法
• 3.1.1 基本粒子群优化算法
• 3.1.2 改进粒子群优化算法
• 3.2 基于粒子群优化的有序盲信号分离算法
• 3.2.1 目标函数的选取
• 3.2.2 参数编码与初始粒子群体的确定
• 3.2.3 消源与新混合信号的形成
• 3.2.4 算法描述
• 3.3 仿真实验
• 3.3.1 超高斯信号盲分离实验
• 3.3.2 亚高斯信号盲分离实验
• 3.3.3 混合类型信号盲分离实验
• 3.3.4 分离性能分析
• 3.4 在工频干扰消除中的应用
• 3.4.1 基于粒子群优化的有序盲分离算法的工频干扰消除
• 3.4.2 基于信号时间结构盲分离算法的工频干扰消除
• 3.5 本章小结
• 第四章 基于细菌群体趋药性的有序盲信号分离算法与应用
• 4.1 带探测判断和优势细菌随机扰动的细菌群优化算法
• 4.1.1 单细菌优化算法
• 4.1.2 DPBCC算法
• 4.1.3 测试函数实验
• 4.2 基于DPBCC算法的有序盲信号分离算法
• 4.2.1 目标函数的选取
• 4.2.2 细菌参数编码与消源计算
• 4.2.3 算法描述
• 4.3 仿真实验
• 4.3.1 亚高斯信号盲分离实验
• 4.3.2 超高斯信号盲分离实验
• 4.3.3 混合类型信号盲分离实验
• 4.3.4 分离性能分析
• 4.4 在工频干扰消除中的应用
• 4.5 本章小结
• 第五章 基于细菌觅食优化的盲信号分离算法与应用
• 5.1 细菌觅食优化算法
• 5.2 基于改进的细菌觅食优化算法的盲信号分离算法
• 5.2.1 盲信号分离的目标函数
• 5.2.2 菌群位置编码与优化分离过程
• 5.2.3 算法描述
• 5.3 仿真实验
• 5.3.1 超高斯信号盲分离实验
• 5.3.2 亚高斯信号盲分离实验
• 5.3.3 混合类型信号盲分离实验
• 5.3.4 分离性能分析
• 5.4 在工频干扰消除中的应用
• 5.4.1 基于改进细菌觅食优化算法的盲分离算法的工频干扰消除
• 5.4.2 基于粒子群优化算法的盲分离算法的工频干扰消除
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 未来工作展望
• 参考文献
• 发表论文和科研情况说明
• 致谢