[发明专利]一种针对远程虚拟桌面中混合信号的分离方法

权利要求书

1.一种针对远程虚拟桌面中混合信号的分离方法，其特征在于，包括以下步骤：

盲信号处理，采用模型化的方法，进行混合信号X(t)与源信号S(t)的关系推理，得到源信号S(t)的近似表示Y(t)＝WX(t)；

信息最大熵处理，对结果WX(t)采用量化方法，进行分离的信号之间的独立性度量，得到分离矩阵W的目标函数

量子行为粒子群算法处理，对结果采用群体进化方法进行优化处理，得到W的结果，进而最终实现信号的分离；

该方法具体包括以下步骤：

S2.1：将盲分离问题用线性混叠模型表示出来：X(t)＝AS(t)，除去噪声的影响,其中X(t)＝(X₁(t),…,X_m(t))^T表示接收到的信号，S(t)＝(S₁(t),…,S_n(t))^T表示原始输出信号，A_m×n表示混合矩阵，T为整数；

S2.2：根据S1得到盲分离模型：WX(t)＝S(t)＝Y(t)，其中W_n×n表示分离矩阵，Y(t)＝(Y₁(t),…,Y_n(t))^T为原始信号；

S2.3：根据S2可知，要得出原始信号关键是求出W，已知{X(t)|t＝1,…T}为T个观察矢量，{Y(t)＝WX(t)|t＝1,…T}，(H1)，其中p_Y(Y)为Y的概率密度函数，因为所以根据信息最大熵理论确定W的目标函数就是(H2)；

S2.4：使用量子行为粒子群算法实现目标函数的优化；

目标函数的确定包括以下步骤：

S3.1：设N维随机矢量Y＝(y₁,…,y_N)与随机矢量X＝(x₁,…,x_N)之间具有变换关系Y＝G(X)，则有p_X(X)＝|detJ(G)||_X.p_Y(Y)|_Y＝G(X)这里J(G)是G(X)的Jacobian矩阵，|detJ(G)|是G(X)的绝对值，p_Y(Y)和p_X(X)为概率密度函数；

S3.2：设有一个中间N维随机矢量Z＝(z₁,…,z_N)^T＝WX,W＝(w_ij)_N×N，W是分离矩阵，x_i是第i个接受到的信号，w_ij分离矩阵W的第i行第j列的元素，y_i＝g_i(z_i),i＝1,…,N，T是矩阵转置算子，则

J(G)=(Jij)N×N=(∂yi∂xj)N×N=(dgi(zi)dzi·∂zi∂xj)N×N=(dgi(zi)dziwij)N×N---(4);]]>

S3.3：p_Y(Y)的分量则(4)为从而则

S3.4：将(6)带入(H1)得(H3)，这里所以求(H3)的极大值转换为求下面(H4)的极小值(H4)；

使用量子行为粒子群算法优化目标函数：

S1：初始化粒子群，即随机产生粒子群

其中P为粒子群规模，q为迭代次数，W_p(q)为q的适应度，R为实数集；

S2：评价粒子，即计算适应度函数f(W_p(q))；

S3：更新粒子，即按下式计算其中V_p(q)为q的速度，

Vp(q)=Wp(0)q=0Wp(q)iff(Wp(q))<f(Vp(q-1)),q>0Vp(q-1)iff(Wp(q))≥f(Vp(q-1)),q>0;]]>

S4：更新位置，即计算其中G_p(q)为q的位置；

S5：计算表示0到1之间的随机数，表示q代第p个粒子的速度；

S6：计算表示q代粒子群的平均进化速度；

S7：计算randm(0,1)表示0到1之间的随机数，其中α∈(0,1)表示迭代步幅，表示q代第p个粒子的速度，表示q代第p个粒子的适应度，进而得到下一代粒子群Pop(q+1)；

S8：q＝q+1，若q<Q，其中Q表示最大迭代次数，转到S2,否则计算输出W,结束。