基于粒子群优化的有序盲信号分离算法

为了按照规范四阶累积量的绝对值有序分离出源信号,提出了一种新的基于粒子群优化的有序盲信号分离算法.本算法采用信号的规范四阶累积量作为代价函数,使用粒子群优化算法代替传统的梯度算法对代价函数进行优化,通过消源去相关方法从混合信号中消去已分离出的源信号成分,逐次按序提取出源信号,解决了梯度算法容易陷入局部极值而不能正确提取源信号的缺点.仿真结果表明,本算法能够有效实现对各类源信号的有序盲分离,且分离顺序能够确保按照源信号的规范四阶累积量绝对值的降序进行.

基于细菌群体趋药性的有序盲信号分离算法

提出了一种基于细菌趋药性的细菌群优化算法。将探测判断策略和优势细菌随机扰动策略引入细菌群体的进化过程,解决了细菌个体在进化后期处于随机摄动状态而难以定位于全局最优位置的问题。通过使用测试函数对算法性能进行测试以及同其他算法的比较表明,所提出的算法在收敛速度和求解质量方面均有很好的性能。进一步将细菌群优化算法应用于解决盲信号分离问题,实现了对源信号的逐一有序盲分离。仿真实验表明,基于细菌群优化算法的盲信号分离算法具有很好的分离效果,可以将源信号按照其规范四阶累积量绝对值的降序进行有效分离。

基于改进人工蜂群优化与组合特征提取的手部运动意图识别

为了解决表面肌电信号混迭导致的手部运动意图识别率较低的问题,提出了一种基于改进的人工蜂群优化盲源有序分离算法。本算法以表面肌电信号的规范四阶累积量作为代价函数,使用改进的人工蜂群优化算法代替传统的梯度算法对代价函数进行优化,并以代价函数绝对值的降序逐次提取出源信号;对于肌电信号的非平稳性及易受干扰的问题,采用一种基于小波包变换和样本熵的特征提取方法,并与表征肌电信号细节和强度的特征峰度、偏度、肌电积分值组合构建特征向量,训练二叉树支持向量机分类器。实验结果表明,采用表面肌电信号的盲源分离预处理与组合特征提取的方法识别六种手部运动意图,平均准确率达到93. 33%。