一种基于鲁棒聚类粒子群优化的欠定盲源分离方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113095394A(43)申请公布日2021.07.09(21)申请号202110370704.8(22)申请日2021.04.07(71)申请人深圳大学地址518061广东省深圳市南山区南海大道3688号(72)发明人廖斌黄宇扬(74)专利代理机构深圳市君胜知识产权代理事务所(普通合伙)44268代理人朱阳波(51)Int.Cl.G06K9/62(2006.01)G06N3/00(2006.01)权利要求书2页说明书15页附图9页(54)发明名称一种基于鲁棒聚类粒子群优化的欠定盲源分离方法(57)摘要本发明公开了一种基于鲁棒聚类粒子群优化的欠定盲源分离方法，所述方法包括：获取待欠定盲源分离的原始信号，并基于盲源分离信号模型对所述原始信号进行稀疏预处理，得到预处理信号；对所述预处理信号进行基于鲁棒聚类粒子群优化的混合矩阵估计，得到混合矩阵；其中，所述基于鲁棒聚类粒子群优化的混合矩阵估计包括离群点消除策略和簇心扰动策略；根据所述混合矩阵对所述预处理信号进行L1范数惩罚的恢复计算，得到恢复的期望信号。本发明实施例通过离群点消除策略消除离群点的干扰以提高估计精度，并通过簇心扰动策略避免算法进入局部最优，提高算法的鲁棒性，进而提高期望信号的质量。CN113095394ACN113095394A权利要求书1/2页1.一种基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述方法包括：获取待欠定盲源分离的原始信号，并基于盲源分离信号模型对所述原始信号进行稀疏预处理，得到预处理信号；对所述预处理信号进行基于鲁棒聚类粒子群优化的混合矩阵估计，得到混合矩阵；其中，所述基于鲁棒聚类粒子群优化的混合矩阵估计包括离群点消除策略和簇心扰动策略；根据所述混合矩阵对所述预处理信号进行L1范数惩罚的恢复计算，得到恢复的期望信号。2.根据权利要求1所述的基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述基于盲源分离信号模型对所述原始信号进行稀疏预处理，得到预处理信号包括：基于盲源分离信号模型，对所述原始信号进行抽取，得到抽取信号；根据预设的计算法则，对所述抽取信号进行映射，得到映射信号；对所述映射信号进行归一化计算，得到预处理信号。3.根据权利要求1所述的基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述对所述预处理信号进行基于鲁棒聚类粒子群优化的混合矩阵估计，得到混合矩阵包括：基于离群点消除策略，对所述预处理信号进行簇心估计，得到混合矩阵。4.根据权利要求3所述的基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述对所述预处理信号进行基于鲁棒聚类粒子群优化的混合矩阵估计，得到混合矩阵还包括：基于簇心扰动策略，对所述预处理信号进行扰动估计，得到混合矩阵。5.根据权利要求4所述的基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述基于离群点消除策略，对所述预处理信号进行簇心估计，得到混合矩阵包括：根据所述预处理信号，得到聚类粒子；根据预设的规则，剔除所述聚类粒子的离群点，得到初始全局最优粒子；其中，所述初始全局最优粒子包括初始全局最优类簇组和初始全局最优簇心组；对所述初始全局最优粒子进行迭代计算，得到目标全局最优粒子；将所述目标全局最优粒子的簇心作为混合矩阵。6.根据权利要求3所述的基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述基于簇心扰动策略，对所述预处理信号进行扰动估计，得到混合矩阵包括：获取干扰率；其中，所述干扰率用于表征对类簇的扰动大小；生成一个随机数；根据所述随机数、所述干扰率和所述预处理信号，得到混合矩阵。7.根据权利要求6所述的基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述根据所述随机数、所述干扰率和所述预处理信号，得到混合矩阵包括：根据所述随机数和所述干扰率，确定类簇被选中的概率；根据所述概率和所述预处理信号，得到混合矩阵。8.根据权利要求1所述的基于鲁棒聚类粒子群优化的欠定盲源分离方法，其特征在于，所述根据所述混合矩阵对所述预处理信号进行L1范数惩罚的恢复计算，得到恢复的期望信号包括：2CN113095394A权利要求书2/2页根据所述混合矩阵对所述预处理信号进行L1范数惩罚运算，得到范数惩罚信号；对所述范数惩罚信号进行短时傅里叶逆变换，得到恢复的期望信号。9.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1‑8中任意一项所述的方法。10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1‑8中