一种基于人工蜂群优化的有序盲源抽取方法

提出了一种基于人工蜂群优化的盲源抽取方法,该方法首先根据源信号的高阶统计特性构造了用于估计分离向量的目标函数,然后通过人工蜂群算法优化其函数获得最佳分离向量,并达到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4阶累积量绝对值降序地实现源信号的盲分离,还能同时分离服从亚高斯分布的图像信号和超高斯分布的语音信号。

一种改进的基于二阶统计量的盲源抽取算法

针对之前盲源抽取算法存在鞍点的问题,提出一种新的基于二阶统计量的盲源抽取算法。通过利用自回归模型对抽取信号向量进行估计,并利用估计值与抽取向量之差提出一种新的代价函数,证明了代价函数的有效性。通过利用最速下降法对抽取向量以及FIR滤波器权值向量的计算,求解出抽取向量最优值。最后通过仿真证明算法相对之前两种算法有更高的可靠性,且在低信噪比的环境下,算法抽取效果依然良好且保持很高的抽取正确率。

基于非参数化步长最速下降的盲源抽取算法

为了从混叠的观测信号中抽取单个源信号,提出一种基于二阶统计量和最速下降优化技术相结合的盲抽取方法。该方法首先根据源信号的二阶统计特性构造用于估计抽取权向量的代价函数,然后采用非参数化步长的最速下降更新规则进行优化,从而获得最优的抽取权向量。仿真实验结果表明,该算法能有效地逐个分离出平稳和非平稳的信号,同时也能实现在线盲信号抽取。