基于改进粒子群优化的分段盲信号分离方法.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CN106021190A(43)申请公布日2016.10.12(21)申请号201610348831.7(22)申请日2016.05.24(71)申请人天津大学地址300072天津市南开区卫津路92号(72)发明人张立毅王哲陈雷李锵(74)专利代理机构天津市北洋有限责任专利代理事务所12201代理人刘国威(51)Int.Cl.G06F17/16(2006.01)权利要求书2页说明书5页附图1页(54)发明名称基于改进粒子群优化的分段盲信号分离方法(57)摘要本发明属于信号处理技术领域，本发明旨在实现将粒子群算法应用于快速分离阶段，且有更快的收敛速度和更好的稳态性能。本发明采用的技术方案是，基于改进粒子群优化的分段盲信号分离方法,包括如下步骤：步骤(1)：对于当前时刻输入的信号，计算当前的信号的整体分离程度D(t)；步骤(2)：根据D(t)来选择步长的确定方式，当D(t)>0.25时，分离过程处于快速分离阶段，选择改进粒子群算法来确定当前步长；步骤(3)：当D(t)≤0.25时，分离过程处于精细分离阶段，选择相对平缓的非线性函数来确定当前步长；利用改进的粒子群优化算法或非线性函数求解当前时刻的学习速率；步骤(4)：根据当前时刻的学习速率计算分离矩阵并求解混合信号。本发明主要应用于信号处理场合。CN106021190ACN106021190A权利要求书1/2页1.一种基于改进粒子群优化的分段盲信号分离方法，其特征是，步骤如下：步骤(1)：对于当前时刻输入的信号，计算当前的信号的整体分离程度D(t)。步骤(2)：根据D(t)来选择步长的确定方式。当D(t)>0.25时，我们认为分离过程处于快速分离阶段，我们选择改进粒子群算法来确定当前步长。步骤(3)：当D(t)≤0.25时，我们认为分离过程处于精细分离阶段我们选择相对平缓的非线性函数来确定当前步长。利用改进的粒子群优化算法或非线性函数求解当前时刻的学习速率。步骤(4)：根据当前时刻的学习速率计算分离矩阵并求解混合信号。2.如权利要求1所述的基于改进粒子群优化的分段盲信号分离方法，其特征是，所述步骤(1)中的D(t)用于衡量系统的分离状态，其计算方式如下：yi(t)和yj(t)的依赖程度由它们的二阶相关度与高阶相关度来衡量，其中二阶相关性rij(t)及高阶相关性hrij(t)定义如下：式中，i,j＝1,...,m且i≠j。ρ(yi(t))为非线性函数；为了进一步衡量系统的总体的分离状态，定义如下函数：Dij(t)＝max{|rij(t)|,|hrij(t)|,|hrji(t)|}(13)式中，Di(t)表示第i路信号与第j路信号的依赖性；式中，Di(t)表示第i路信号的分离程度；式中，D(t)表示了所有信号的整体分离程度，根据D(t)，对整个分离过程进行分段；当D(t)>0.25时，分离过程处于快速分离阶段；而当D(t)≤0.25时，分离过程处于精细分离阶段。3.如权利要求1所述的基于改进粒子群优化的分段盲信号分离方法，其特征是，所述步骤(2)中的改进粒子群算法确定学习速率方法如下：对于快速分离阶段，利用粒子群算法选择合适的步长，Di(t)表示第i路信号的分离程度，定义粒子群的代价函数如下：令在每个时刻粒子群仅仅移动一代则终止，将上一时刻所得到的pbesti与gbest保留至新的时刻，pbesti是单个粒子的历史最优位置，gbest为所有粒子的历史最优位置，在确定新的时刻pbesti与gbest的过程中参与比较，即对于每个新的时刻，都对粒子群的粒子位置进行重新初始化，只保留上一时刻的pbesti和gbest，通过在每个时刻最小化f实现在保证2CN106021190A权利要求书2/2页系统稳定的前提下使得收敛速度尽可能的快。4.如权利要求1所述的基于改进粒子群优化的分段盲信号分离方法，其特征是，所述步骤(3)中精细分离阶段的非线性函数为：3CN106021190A说明书1/5页基于改进粒子群优化的分段盲信号分离方法技术领域[0001]本发明属于信号处理技术领域,涉及盲信号分离方法,具体是一种基于分阶段学习和改进粒子群优化算法的盲信号分离方法。背景技术[0002]盲源分离的混合模型可以表示如下：[0003]X(t)＝AS(t)(1)T[0004]式中，X(t)＝[x1(t),x2(t)...xm(t)]是m路混合信号，S(t)＝[s1(t),s2(t)...sn(t)]T是n路源信号。A是m*n的未知混合矩阵。[0005]盲源分离的目的是从混合信号x1(t),x2(t)...xm(t)中恢复出源信号s1(t),s2(t)...sn(t)，而在这一过程中，我们并不知道混合矩阵A的值。为了简化问题，此处我们假设m＝n，