一种基于粒子群优化的信号分离方法

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。

主权项

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：$\begin{array}{cc}Minimize|P(y_1,y_2,\mathrm{...},y_m)-\underset{i=1}{\overset{m}{\Pi }}P\left(y_i\right)|& w.r.t.W\end{array}$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,...,y_m)为分离信号y₁,y₂,...,y_m的联合概率，P(y_i)为分离信号y_i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γ_ij，确定分离矩阵取值范围；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γ_ij：${\gamma }_{ij}=\frac{\underset{k=1}{\overset{N}{\Sigma }}\left(X_i\right(k)-{\bar{X}}_i)\left(X_j\right(k)-{\bar{X}}_j)}{\sqrt{\underset{k=1}{\overset{N}{\Sigma }}{\left(X_i\right(k)-{\bar{X}}_i)}^2}\sqrt{\underset{k=1}{\overset{N}{\Sigma }}{\left(X_j\right(k)-{\bar{X}}_j)}^2}}$其中X_i(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X_i(k),k＝1,...,N的均值；4.2)若min(γ_ij)>0.9，分离矩阵W取值范围[‑100,100]；若0.9>min(γ_ij)>0.7，分离矩阵W取值范围[‑10,10]；若0.7>min(γ_ij)>0.3，分离矩阵W取值范围[‑1,1]；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。