一种基于粒子群优化的信号分离方法.pdf

(19)中华人民共和国国家知识产权局*CN103427791A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103427791103427791A(43)申请公布日2013.12.04(21)申请号201310344881.4(22)申请日2013.08.08(71)申请人长安大学地址710064陕西省西安市雁塔区南二环中段33号(72)发明人李良敏高强房宏威冯帆杨本波周劲草(74)专利代理机构西安通大专利代理有限责任公司61200代理人汪人和(51)Int.Cl.H03H21/00(2006.01)权权利要求书2页利要求书2页说明书7页说明书7页附图11页附图11页(54)发明名称一种基于粒子群优化的信号分离方法(57)摘要本发明公开了一种基于粒子群优化的信号分离方法，包括：（1）输入观测信号；（2）以最小化分离信号联合概率与边缘概率简单乘积间的差值为优化目标，建立独立分量分析算法优化模型；（3）根据奇异值分解法估计源信号个数，依此确定优化变量个数；（4）计算观测信号间的相关系数，确定优化变量取值范围；（5）利用粒子群优化算法对分离矩阵进行优化；（6）优化结束后最后一代种群中适应度最优的粒子为最优分离矩阵，将其与混合信号相乘，即可得到最优分离信号。该方法基于粒子群优化的独立分量分析，具有普遍适用性，对于各种盲源分离问题均具有良好的性能。CN103427791ACN1034279ACN103427791A权利要求书1/2页1.一种基于粒子群优化的信号分离方法，其特征在于，包括以下步骤：1）读取观测信号；2）以最小化分离信号联合概率与边缘概率简单乘积间的差值为优化目标，建立如下所示的独立分量分析算法优化模型：s.t.:y(t)=Wx(t)其中：x(t)为n维观测信号，y(t)为m维分离信号，W为分离矩阵，P(y1,y2,···,ym)为分离信号y1,y2,···,ym的联合概率，P(yi)为分离信号yi的边缘概率；3）根据奇异值分解法确定源信号个数，依此确定分离矩阵维数；4）计算观测信号间的相关系数γij，确定分离矩阵取值范围；5）利用粒子群优化算法求解最优分离矩阵；6）优化结束后最后一代种群中性能最优的粒子为最优分离矩阵，将其与混合信号相乘，即可得到最优分离信号。2.根据权利要求1所述的基于粒子群优化的信号分离方法，其特征在于，步骤3）具体为：3.1）计算观测信号x(t)的自相关矩阵特征值，并按降序排列，记为λ1≥λ2≥...≥λm≥...≥λn；3.2）计算k1＝λ2/λ1，k2＝λ3/λ2，…，kn-1＝λn/λn-1；3.3）查找kε＝max{ki,i＝1,2,...,n-1}，则源信号个数确定分离矩阵W的维数为3.根据权利要求1所述的基于粒子群优化的信号分离方法，其特征在于，分离矩阵W取值范围确定方法如下：4.1）根据下面的公式计算各观测信号间的相关系数γij：其中Xi(k),k＝1,...,N为呈离散状态的第i组观测信号，N为观测信号长度，为Xi(k),k＝1,...,N的均值；4.2）若min(γij)>0.9，分离矩阵W取值范围[-100,100]；若0.9>min(γij)>0.7，分离矩阵W取值范围[-10,10]；若0.7>min(γij)>0.3，分离矩阵W取值范围[-1,1]。4.根据权利要求1所述的基于粒子群优化的信号分离方法，其特征在于，步骤5）中，粒子群算法寻优过程如下：（1）确定粒子群规模M，并初始化粒子群；（2）将各粒子位置带入优化目标函数；（3）找到每一个粒子到目前为止搜索过程中的最优解，记作,i＝1,...,M，其中2CN103427791A权利要求书2/2页t为当前迭代次数；（4）找到所有粒子到目前为止搜索过程中的整体最优解，记为Gbest(t)；（5）更新每个粒子的速度与位置；（6）如未达到预先设定的最大迭代次数T，返回步骤（2）。5.根据权利要求4所述的基于粒子群优化的信号分离方法，其特征在于，步骤（2）中所述优化目标函数计算方法如下：（1）将粒子的位置与观测信号相乘，得到呈离散状态的分离信号Yj(k),j＝1,...,k＝1,...,N；（2）采用直方图法估计分离信号的联合概率及边缘概率；（3）将分离信号的联合概率及边缘概率带入目标函数计算公式，即可得到该粒子所对应的目标函数值，该值越小，该粒子性能越好。6.根据权利要求5所述的基于粒子群优化的信号分离方法，其特征在于，步骤（2）中所述联合概率及边缘概率估计方法如下：（1）对于第j个分离信号Yj(k),k＝1,...,N，，根据以下经验公式确定直方图的组距宽度hj：（2）以hj为长度，将第j个分离信号Yj(k),k＝1,...,N的取值范围分别划分为Nj个区间，则由个分离信号构成的维空间划分为个区间；（3）统计分