基于混合聚類和壓縮感知的欠定盲源分離研究.pdf

1、盲源分離是近十幾年新興起來的一個(gè)研究課題，在許多領(lǐng)域都有著重要的應(yīng)用，已經(jīng)成為現(xiàn)代信號處理領(lǐng)域中的一個(gè)新的研究熱點(diǎn)。盲源分離是指在不知道源信號和混疊系統(tǒng)先驗(yàn)知識的情況下，僅根據(jù)來自傳輸系統(tǒng)的觀測信號分離或估計(jì)出各源信號的過程。獨(dú)立分量分析方法是其中最具有代表性的算法，但是其使用的前提是觀測信號數(shù)目大于或者等于源信號的數(shù)目，即系統(tǒng)屬于超定或者正定情況。當(dāng)觀測信號數(shù)目小于源信號數(shù)目時(shí)，即為欠定情況，更加符合實(shí)際情況。由于可以事先確定傳感器的

2、數(shù)目，欠定盲源分離技術(shù)更加實(shí)用。
　　本文主要研究線性瞬時(shí)混合模型下的欠定盲源分離技術(shù)，涉及到混合矩陣估計(jì)和源信號分離問題，主要包括以下兩方面的內(nèi)容：
　　(1)一種基于粒子群和K均值混合聚類的混合矩陣估計(jì)算法?；旌暇仃嚬烙?jì)算法是欠定盲源分離中的關(guān)鍵性問題之一。針對傳統(tǒng)的K均值聚類算法對初始值設(shè)定要求較高，容易落入局部最優(yōu)解，且對孤立點(diǎn)和噪聲比較敏感的缺點(diǎn)，本文采用一種基于粒子群優(yōu)化和K均值算法的混合聚類算法。通過在粒子群算

3、法運(yùn)行過程中通過引入隨機(jī)變異操作提高混合算法的全局搜索能力，并根據(jù)群體適應(yīng)度方差來確定何時(shí)執(zhí)行K均值算法，同時(shí)利用網(wǎng)格密度法修正聚類中心，增強(qiáng)了混合算法的局部搜索能力的同時(shí)提高了混合矩陣的估計(jì)精度。計(jì)算機(jī)仿真實(shí)驗(yàn)結(jié)果表明該算法在穩(wěn)定性和混合矩陣估計(jì)精度上都有了明顯改善。
　　(2)一種基于壓縮感知的源信號分離算法。在混合矩陣已知的情況下，通過分析CS和BSS基本數(shù)學(xué)模型間的相似之處，建立了基于壓縮感知的欠定盲源分離模型，然后利用壓