The invention relates to a blind source separation method of two order oscillating particle swarm optimization based on genetic variation optimization, which belongs to the technical field of blind signal processing. The method overcomes the problem of selecting the nonlinear activation function of the traditional blind source separation algorithm, and can effectively separate the mixed signal without the prior knowledge of the source signal. In order to separate the signal of negative entropy as the objective function, the use of fixed inertia weight balance local and global search ability; learning with factor two order oscillation link in a constant number of particles to maintain the diversity of population; genetic variation mechanism, is conducive to the improvement by two order oscillation caused by adding convergence speed and lower case. This method can be applied to the field of mechanical signal fault detection and processing of certain noise signals. This method provides a supplement for the improvement of the blind source separation of the intelligent algorithm, and it is of great significance for the separation of unknown mixed signals in engineering applications.
【技术实现步骤摘要】
本专利技术属于未知混合信号盲分离处理领域,具体是在基本粒子算法基础上加入二阶振荡环节的同时引入遗传变异进行优化,在源信号先验知识未知情况下对混合信号分离的问题。
技术介绍
盲源分离算法研究的是统计独立的非高斯信号,在源信号和传输信道先验知识均未知情况下对混合信号进行分离,在信号盲处理领域起了极大的推动作用。在平稳、非平稳及含噪环境下将混合信号分离出来是盲源分离理论在应用中的重要研究课题,传统盲源分离算法大多是在平稳环境下处理混合观测信号的分离问题。由于传输信道会受到外界非平稳环境的干扰,也就是混合矩阵是随机动态时变的情况,这样就要求盲源分离算法在保证稳态误差较小的同时能快速收敛。盲源分离假设源信号为统计独立的,文献“邓灵.基于改进EASI算法的多跳频信号盲源分离.科学技术与工程,2014”提出了变步长EASI算法;文献“陈琛.基于自然梯度算法的变步长盲源分离.太原:太原理工大学,2010”提出了变步长自然黎曼梯度算法;文献“叶飞.基于独立分量分析的PCMA信号盲分离算法.电视技术,2015”提出了FastICA算法。这些经典的盲源分离算法在实现时,会涉及到根据源信号概率密度性质及峭度值选取非线性函数进行分离运算的情况,这与源信号及信道性质未知相矛盾;同时这些算法在分离运算时很难跳出局部最优,且收敛速度缓慢,影响到了分离效果。所以近年来研究倾向于将智能算法应用到盲源分离中,文献“M.H.Afshar.Extension of the constrained particle swarm optimization algorithm to optimal o ...
【技术保护点】
一种基于遗传变异优化的二阶振荡粒子群盲源分离方法,其步骤在于,通过对基本粒子群算法进行学习因子二阶振荡处理以及引入遗传变异机制改进,该方法克服传统盲源分离非线性激活函数选取难题,保障在源信号先验知识未知的情况下就可以有效对混合信号进行分离。由于基本粒子群算法存在易于陷入局部最优点以及收敛速度慢等问题,所以本专利技术在此基础上针对学习因子加入了二阶振荡环节,在粒子数目不变的情况下可维持粒子种群的多样性,有效提高全局搜索能力避免粒子寻不到全局最优点;同时,为了改善由于学习因子二阶振荡带来的收敛速度降低情况,本专利技术借鉴遗传算法中涉及到的变异机制,将该机制引入到二阶振荡粒子群算法中。将该方法应用到不同类型混合信号中,可看出其可行性和有效性。
【技术特征摘要】
1.一种基于遗传变异优化的二阶振荡粒子群盲源分离方法,其步骤在于,通过对基本粒子群算法进行学习因子二阶振荡处理以及引入遗传变异机制改进,该方法克服传统盲源分离非线性激活函数选取难题,保障在源信号先验知识未知的情况下就可以有效对混合信号进行分离。由于基本粒子群算法存在易于陷入局部最优点以及收敛速度慢等问题,所以本发明在此基础上针对学习因子加入了二阶振荡环节,在粒子数目不变的情况下可维持粒子种群的多样性,有效提高全局搜索能力避免粒子寻不到全局最优点;同时,为了改善由于学习因子二阶振荡带来的收敛速度降低情况,本发明借鉴遗传算法中涉及到的变异机制,将该机制引入到二阶振荡粒子群算法中。将该方法应用到不同类型混合信号中,可看出其可行性和有效性。2.根据权利要求1所述的盲源分离方法,其特征在...
【专利技术属性】
技术研发人员:张天骐,马宝泽,全盛荣,宋铁成,张刚,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。