RESEARCH OF QUANTUM GENETIC ALGORITH AND ITS APPLICATION IN BLIND SOURCE SEPARATION

This letter proposes two algorithms: a novel Quantum Genetic Algorithm (QGA)based on the improvement of Han's Genetic Quantum Algorithm (GQA) and a new Blind Source Separation (BSS) method based on QGA and Independent Component Analysis (ICA). The simulation result shows that the efficiency of the new BSS method is obviously higher than that of the Conventional Genetic Algorithm (CGA).

量子遗传算法及其在图像盲分离中的应用研究

在改进Han的遗传量子算法的基础上 ,提出一种新的量子遗传算法 算法中采用多量子比特来编码多状态基因 ,构造了各个体之间的联合量子交叉 ,提出了通用的量子旋转门演化策略和动态调整旋转角机制 将量子遗传算法与独立分量分析算法相结合 ,提出一种图像信号的盲分离方法

基于量子遗传算法的盲源分离算法研究

在改进遗传量子算法的基础上 ,提出了一种新的量子遗传算法并从理论上证明了算法的全局收剑性 .提出了基于量子遗传算法与独立分量分析算法相结合的盲源分离新算法 .仿真结果表明

基于量子计算的独立分量分析算法及应用

将量子优化原理应用于独立分量分析中,提出了量子独立分量分析算法(quantum independent component analysis,简称QICA),针对3组特定信号进行了混合与分离的仿真实验,得到了较好的分离效果。将该算法用于齿轮箱振动信号的源分离及其故障诊断中,实验结果表明,该算法用于齿轮箱振动信号分离可以明显增强故障信息,降低齿轮箱故障诊断难度。

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.

基于量子粒子群优化算法的信号盲源分离

为了获得更优的盲源分离效果,针对标准粒子群算法难以求解独立分量分析算法目标函数的难题,提出了一种基于量子粒子群算法的盲源分离方法。首先建立混合信号非线性盲源分离的数学模型,然后将量子粒子群算法引入到独立分量分析算法目标函数求解过程中,以确定最优分离矩阵,最后对其性能进行验证性实验。实验结果表明,本文方法加快了混合信号盲源分离速度,获得了更加理想的混合信号盲源分离效果。

基于QGA-BP神经网络的人脸识别技术研究

本文介绍了人脸识别的发展概况和人脸识别的主要方法。提出了一种基于QGA和BP神经网络相结合的人脸识别方法。首先使用M-FastICA方法进行人脸特征提取,然后采用QGA-BP神经网络作为人脸识别的分类器,仿真实验具有较好的识别效果,表明本文方法是一种可行的人脸识别方法。

基于独立成分分析和量子粒子群算法的胎儿心电提取

胎儿心电图(FECG)是反映胎儿心脏电生理活动的一项客观指标,获取的FECG受到母体心电图(MECG)的干扰,如何快捷、有效的提取FECG成为重要的研究课题。在非侵入方式下,FECG的提取算法中独立成分分析(ICA)算法被认为是效果最好的方法,但现有求解其分解矩阵的算法收敛性能都不太高。量子粒子群(QPSO)算法是一种收敛于全局的智能优化算法。因此,提出了一种结合QPSO的ICA方法。研究结果表明,与其他在非侵入方式下的主要提取算法相比,这种方法能更清晰准确地提取出有用信号,为胎儿的健康检测提供了更好的方法。