基于小波包混合优化的欠定盲源分离方法

为解决欠定盲源分离问题,提出一种基于小波包混合优化的欠定盲源分离方法。该方法采用小波包变换将观测信号分解,将观测信号的维数进行扩展,利用互相关系数值剔除冗余的信号分量,欠定盲源分离问题得到转化。接着使用贝叶斯信息准则下的奇异值分解方法估计源信号数目,通过白化过程对信号降维。最后,引入鲸鱼优化算法中的螺旋泡网狩猎行为与莱维飞行策略,对灰狼优化算法进行改进,将改进后的混合灰狼优化算法与独立成分分析算法相结合,实现重构正定白化信号的分离,从而得到源信号的近似估计。通过仿真实验对算法性能进行测试,结果验证所提方法的可行性和有效性。

基于改进密度聚类算法的语音信号欠定盲分离

针对密度聚类算法在欠定盲源分离应用中,存在对参数设置敏感、分离精度差等问题,提出了一种基于改进樽海鞘群密度聚类算法。首先,利用小波阈值降噪将含噪观测信号进行降噪,去除干扰点,提高基于密度的空间聚类算法(DBSCAN)的性能;其次,利用融合萤火虫扰动策略的樽海鞘群算法寻找密度空间聚类算法的邻域半径,克服了算法对参数设置敏感问题,提高算法的鲁棒性,得到最优混合估计矩阵;最后通过最小L_(1)范数法对源信号进行重构。仿真结果表明,加入小波阈值降噪预处理,能有效地减少干扰点。与传统的密度聚类算法相比,所提算法估计混合矩阵较优,分离精度较好。