一种基于牛顿迭代的自适应复盲源分离算法

为了解决源数动态变化情况下的复数盲源分离的问题,首先采用一种基于交叉验证技术的源数动态估计方法;利用牛顿迭代法推导了一种自适应的复数盲源分离算法,由于在分析过程不需要对复值源信号做任何限制或约束性的假设前提,因此该算法适合于分离服从正则或非正则分布的超高斯和亚高斯信号;提出的算法通过了源数动态变化仿真实验的验证.另外,在此基础上提出了一种基于复盲源分离的波达方位动态估计法,该方法适用于在源数未知且动态变化的情况下对目标源的波达方位进行动态估计.

人工蜂群优化算法在复数盲源分离中的应用

针对复值信号的源数估计和有序分离等关键技术,提出一种基于人工蜂群优化的源数未知的复值盲源分离方法,该方法首先利用交叉互验技术来估算复数源信号的个数,然后通过人工蜂群算法优化峰度的绝对值来获得最佳分离向量,并实现了逐次恢复源信号的目的.仿真实验结果表明,该方法不仅能依峰度绝对值的降序实现服从任何分布源信号的盲分离,同时比其他方法具有更优越的估计性能.另外,提出一种基于峰度的欠定复盲源分离算法,该算法根据信号的统计特性构造了用于欠定混合情况下盲抽取向量的代价函数,然后通过人工蜂群算法优化其函数来获得最佳分离向量,通过多次分离来实现欠定复盲源分离的目的.通过对混合分布类型的复值源信号欠定盲分离仿真实验验证了该算法的有效性.