[发明专利]一种针对远程虚拟桌面中混合信号的分离方法

摘要

本发明公开了一种针对远程虚拟桌面中混合信号的分离方法，属于虚拟安全技术领域，其目的在于解决远程虚拟桌面中的混杂数据分离的问题，其分离效果与学习率无关，且能达到稳定收敛。该方法能够适应基于安全访问网关的虚拟机统一远程控制管理机制，实现远程桌面快速显示的目的。该方法包括盲信号处理，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。

主权项

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),…,Xm(t))T表示接收到的信号，S(t)＝(S1(t),…,Sn(t))T表示原始输出信号，Am×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Wn×n表示分离矩阵，Y(t)＝(Y1(t),…,Yn(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pY(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,…,yN)与随机矢量X＝(x1,…,xN)之间具有变换关系Y＝G(X)，则有pX(X)＝|detJ(G)||X.pY(Y)|Y＝G(X)这里J(G)是G(X)的Jacobian矩阵，|detJ(G)|是G(X)的绝对值，pY(Y)和pX(X)为概率密度函数；S3.2：设有一个中间N维随机矢量Z＝(z1,…,zN)T＝WX,W＝(wij)N×N，W是分离矩阵，xi是第i个接受到的信号，wij分离矩阵W的第i行第j列的元素，yi＝gi(zi),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：pY(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，Wp(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(Wp(q))；S3：更新粒子，即按下式计算其中Vp(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Gp(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。