[发明专利]基于全局最优解引导项的萤火虫盲源分离方法

说明书

本发明请求保护一种基于全局最优解引导项的萤火虫盲源分离方法，属于盲信号处理技术领域。该方法克服了传统盲源分离算法非线性激活函数选取难题，可在源信号先验知识未知情况下有效分离混合信号。以分离信号负熵作为目标函数，利用全局最优萤火虫扩大种群的搜索范围；引入全局最优解引导项，可有效避免算法易陷入局部极值的情况，加快算法收敛速度。对含有不同类型源信号混合而成的混合信号可较好地分离，即说明改进的萤火虫算法可应用于盲源分离问题。本方法为智能算法盲源分离的改进型理论研究提供了补充，对工程应用中未知混合信号的分离具有重要意义。

技术领域

本发明属于未知混合信号盲分离处理领域，具体是在萤火虫算法基础上引入全局最优解引导项进行优化，在源信号和传输信道等先验知识均未知的情况下对混合信号分离的问题。

背景技术

盲源分离研究的是统计独立的非高斯信号，在源信号和传输信道等先验知识均未知的情况下对混合信号进行分离，在信号盲处理领域中起了极大的推动作用。在平稳、非平稳及含噪环境下将混合信号分离出来是盲源分离理论在应用中的重要研究课题，而传统盲源分离算法大多是在平稳环境下处理混合信号的分离问题。由于传输信道会受到外界非平稳环境的干扰，也就是混合矩阵是随机动态时变的情况，这样就要求盲源分离算法在保证稳态误差较小的同时能快速收敛。盲源分离假设源信号为统计独立的，文献“邓灵.基于改进EASI算法的多跳频信号盲源分离.科学技术与工程，2014”提出了变步长EASI算法；文献“陈琛.基于自然梯度算法的变步长盲源分离.太原：太原理工大学,2010”提出了变步长自然黎曼梯度算法；文献“叶飞.基于独立分量分析的PCMA信号盲分离算法.电视技术,2015”提出了FastICA算法。文献“张天骐.一种引入自适应动量项的变步长混沌信号盲分离算法.通信学报.2017”提出了估计混合矩阵来实现自适应变步长的EASI算法；这些经典的盲源分离算法在实现时，会涉及到根据源信号概率密度性质及峭度值选取非线性函数进行分离运算的情况，这与源信号及信道性质未知相矛盾；同时这些算法在分离运算时很难跳出局部最优，且收敛速度缓慢，影响到了分离效果。所以近年来研究倾向于将智能算法应用到盲源分离中，例如，粒子群算法、人工蜂群算法，这些算法解决了非线性函数选取问题；虽然群智能算法弥补了传统盲源分离算法的不足，但群智能算法在收敛速度和性能稳定等方面还有待改善，而且这些比较成熟的智能算法含有较多的参数，参数调节不当易使算法陷入局部极值，从而降低算法的分离性能。为克服传统盲源分离的缺陷，并对基本智能算法进行有效改进，本发明提出基于全局最优解引导项的萤火虫盲源分离方法。

发明内容

本发明所要解决的技术问题，针对经典的盲源分离算法在实现时会涉及到根据源信号概率密度性质及峭度值选取非线性函数进行分离运算的问题，这与源信号及信道性质未知相矛盾。同时，这些算法在分离运算时很难跳出局部最优，且收敛速度缓慢，影响到了分离效果，所以近年来研究倾向于将智能算法应用到盲源分离中。本发明提出一种基于全局最优解引导项的萤火虫盲源分离方法可有效解决传统算法的不足并提升了基本萤火虫算法的性能，收敛速度快，能做到不依赖任何混合信号先验知识的前提下可准确分离信号。

本发明解决上述技术问题的技术方案是：对接收到的混合信号预处理和白化处理，确保混合信号符合盲源分离要求的信号间统计独立条件。将处理后的混合信号通过本发明所提出的方法，该方法可有效加快萤火虫算法收敛速度和跳出局部极值。在萤火虫算法位置更新公式中增添全局最优解引导项，通过全局最优解引导项和邻域萤火虫双重引导加速算法的收敛速度，全局最优解引导项与随机扰动项将有效地避免算法陷入局部极值。

本发明运用改进萤火虫算法的优化方法采用两个亚高斯信号和一个超高斯信号，不仅克服了传统盲源分离算法非线性激活函数选取难题，并加速算法的收敛速度。其中改进的算法，不仅可以用在盲源分离问题中，也可用于其他寻优的问题中。

附图说明

图1本发明盲源分离算法简化数学模型；

图2本发明基于全局最优解引导项的萤火虫盲源分离方法流程图；