资源描述：
《粒子群优化盲信号分离》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、毕业设计一.设计简介本课题是基于粒子群优化的盲信号分离，采用MATLAB软件进行设计和仿真。盲信号的种类很多，分离的方法也很多，该课题只是针对其中的一种进行研究，选用粒子群优化算法与基本的独立分量分析（ICA）算法相结合实现对语音盲信号的分离。语音盲信号分离目前已经成为一个重要的发展领域，并且由于语音信号本身的特性，会使我们在研究中有更多的求解的选择，独立分量分析是基本的盲信号分离的方法，大致分为四种：基本的独立分量分析（ICA），独立分量分析（ICA）的信息最大化方法，快速的独立分量分析（fastICA），自然梯度法。选用基本的独立分量分析的方法能
2、够与粒子群优化的算法相结合，使得在分离的过程中达到最优。粒子群优化算法在于简单、易于实现，并且有深刻的智能背景，采用这种算法提高了盲信号分离收敛速度和精度，它是一种求最优解得算法，给出目标函数，通过算法实现最优解得求解过程，基本的ICA模型能够在盲信号分离中得到便于粒子群优化的目标函数，从而实现语音盲信号的分离。二.设计过程1.总体设计思路首先必须认真学习盲信号分离和算法的理论，在扎实的理论知识前提下，选择最佳的实现方法，确定设计思路和数学模型。然后设计程序的流程，在设计的过程中，考虑算法的利弊，如何在编程的过程中将不利的因素摒弃掉，将两种算法很好的
3、结合在一起，实现信号的分离。最后，在matlab的环境下进行仿真，查看程序的对错，进行修改，得到最后的结果，并对结果进行观察和分析。总体设计模型如下：Ss（t）是原始的信号Xs（t）是混合后的信号Ys（t）是分离后的信号混合系统分离系统S1(t)S2(t)Ss(t)X1(t)X2(t)Xs(t)Y1(t)Y2(t)Ys(t)图一系统模型图2.设计方法8毕业设计独立分量分析是一种解决盲信号处理中盲分离问题的方法，这种方法在于寻找一个线性坐标，使产生的信号尽可能地彼此统计独立，对信号解相关，也减少了高阶统计量的相关性。在一定的条件下，这种算法可以有效地将
4、多道观测的混合信号进行分离获得原始的信号源。基本的ICA模型是一个生成模型，它描述的观测数据是由混合过程产生的。假设有n个统计上相关独立的随机变量s1，s2，……sn，其线性组合生成n个随机变量x1,x2,…..,xn，即xi=ai1s1+ai2s2+……+ainsn（1）一般为方便起见，使用向量矩阵表示，令X=[x1,x2,…..,xn]T,S=[s1，s2，……sn]T和A是元素aij的矩阵，对离散的混合模型来说，可以写成x=As（2）一个由于混合信号中独立信号源矩阵S和A都是未知的，A为M×M维满秩混合矩阵。所以独立分量分析主要任务就是估计出分
5、离矩阵W，以实现从多通道混合观察信号中分离出原始信号y,即y=Wx,对于分离结果就是希望分离出的信号源于原始的信号可以实现最好的逼近。但为使得ICA是可解得，需要有一定的限制：第一是统计独立的。对于可估计模型来说，这是最重要的。第二是非高斯分布，如果观察变量是高斯分布的，其高阶累积量就为0，无法根据高阶信息估计ICA模型，无法从混合信号推出混合矩阵。第三是未知的混合矩阵是方的，也就是说独立分量数等于观测混合信号数，为了简化估计。在满足以上条件下，通过计算A的逆矩阵B，就可以得到独立分量。围绕着分离信号之间的相互独立性,许多人已经提出了不同的目标函数。
6、考虑到描述信号之间相互独立最基本的准则是（3）根据信息论理论和熵的定义，矢量y中各个分量之间的平均互信息量可以表示为（4）根据y=Wx式得到（5）由于H（z1，....,zm)与w无关，目标函数可以简化为（6）8毕业设计每个分量的熵H（yi）可以用yi的三阶和四阶累积量表示为（7）目标函数可以进一步表示为（8）其中=，=，=。通过上式得到分离矩阵W，进而得到分离信号。粒子群优化算法是通过个体间的合作与竞争，实现多维空间最优解得搜索，它的数学表述为：在一个D维的空间中，有M个粒子，其中第l个粒子的位置是xl=[xl1,xl2,….,xlD],速度vl=
7、[vl1,vl2,……,vlD]搜索到得最优个体位置是pl=[pl1,pl2,……，plD]，称为Pbest；整个粒子群搜索到的群体最优位置为pg=[pg1,pg2,……,pgD],称为gbest。粒子状态的更新操作方法是Vld（t+1）=wvld（t）+c1r1[pld-xld(t)]+c2r2[pgd-xld(t)]（9）Xld(t+1)=xld(t)+vld(t+1)（10）式中的l=1，2，……M;d=1,2，…..，D；w是惯性因子，是一个非负的常数；c1和c2为正的学习因子，一般两者是相等的，并且范围在0到4之间；r1和r2是介于[0,1
8、]之间的随机数；t为当前进化的次数。在采用粒子群优化算法时，迭代终止的条件是根据具体问题一般选为最大迭代次数
