[發明專利]一種基于改進雞群算法的盲源分離方法

在審

• 申請號: 201611038289.1
• 申請日: 2016-11-23
• 公開（公告）號: CN106778809A
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 王康;李振璧;姜媛媛
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于改進雞群算法的盲源分離方法，其特征在于，包括以下步驟：

(1)采集源信號S(t)＝[s₁(t),s₂(t),...,s_M(t)]^T，隨機產生非奇異混合矩陣A，混合矩陣A對源信號S(t)進行線性混合得到觀測信號X(t)＝[x₁(t),x₂(t),...,x_M(t)]^T，X(t)＝AS(t)；其中s_M(t)是源信號S(t)的第M個分量，x_M(t)是觀測信號X(t)的第M個分量，t為時間序列，上標T表示共軛轉置，M為正整數，A是M×M維矩陣；

(2)對步驟(1)中得到的觀測信號X(t)進行中心化和白化后得到預處理信號Z(t)，中心化和白化為現有成熟技術，具體原理此處不再贅述；

(3)隨機產生分離矩陣作為改進雞群算法初始粒子,根據得到的預處理信號Z(t)，利用改進雞群算法迭代更新得到最優解即最佳分離矩陣W，將X(t)送至W得到最佳分離信號Y(t)＝[y₁(t),y₂(t),...,y_M(t)]^T，Y(t)＝WX(t)，完成混合信號的分離。

2.如權利要求1所述的一種基于改進雞群算法的盲源分離方法，其特征在于，所述步驟(3)中利用改進雞群算法得到最優解即最佳分離矩陣W的具體步驟如下：

(3.1)初始化雞群，設置最大迭代次數t₁＝M₁，雞群粒子數N＝100，隨機產生分離矩陣作為雞群粒子，定義公雞粒子個數N_R＝0.15N,母雞粒子個數N_H＝0.7N，小雞粒子個數N_C＝0.25N，媽媽母雞粒子個數N_M＝0.5N_H；

(3.2)設置適應度函數fitness，將預處理后的信號Z(t)送至隨機產生的分離矩陣(雞群粒子)得到初始分離信號，對初始分離信號進行中心化、白化操作，代入適應度函數fitness計算雞群粒子的適應度值，設定粒子當前最好位置和雞群全局最好位置，雞群算法迭代次數t₁＝1；

(3.3)如果t₁/G＝1(即當前為第一代)，從小到大排序適應度值并根據公雞、母雞和小雞粒子個數確定公雞、母雞和小雞的劃分，建立雞群等級制度，將雞群分成數個子群并確定母雞粒子和小雞粒子的對應母子關系(每個子群中有一個公雞粒子和若干母雞粒子和小雞粒子構成)，其中，G表示開始更新等級制度、支配關系和母子關系的代數，G＝10；

(3.4)根據公式(1)：

x_ir,j(t₁+1)＝x_ir,j(t₁)·(1+Φ(0,σ²))……………………………(1)

來更新公雞粒子位置，其中，x_ir,j(t₁),x_ir,j(t₁+1)分別代表公雞粒子ir在第t₁次和t₁+1次迭代中于第j維空間所處的位置；Φ(0,σ²)是一個方差為σ²的高斯分布，σ²表達式為：

${\mathrm{\σ}}^2=\left\{\begin{array}{cc}1& if{f}_{ir}\≤f_{kr}\\ \exp \left(\frac{f_{kr}-f_{ir}}{\left|f_{ir}\right|+\mathrm{\ϵ}}\right)& else\end{array}\right.,kr\∈\[1,N_R\],kr\≠ir\mathrm{...}\left(2\right)$

其中，f_ir和f_kr代表公雞粒子ir和公雞粒子kr的適應度值，ε是一個極小的常數，用來保證分母有意義，N_R為整個雞群公雞粒子數目，kr為所有公雞粒子中除去ir后的任一個體，當公雞粒子ir的適應度值好于公雞粒子kr的適應度值，方差σ²為1，公雞粒子ir的搜索空間變大，反之σ²降低，公雞粒子ir的搜索空間縮小；

(3.5)母雞粒子將跟隨其子群的公雞粒子進行搜索，同時也跟隨其他子群的公雞粒子進行搜索，根據公式(3)

x_ih,j(t₁+1)＝x_ih,j(t₁)+C₁·θ·(x_r1,j(t₁)-x_ih,j(t₁))+C₂·θ·(x_r2,j(t₁)-x_ih,j(t₁))……(3)

更新母雞粒子位置，其中，x_r1,j(t₁),x_r2,j(t₁)分別代表母雞粒子所屬子群的公雞粒子和其他子群公雞粒子的位置信息，θ為0到1之間均勻分布的隨機數，C₁和C₂分別代表母雞粒子參考自身子群和其他子群權重，根據公式(4)、(5)

C₁＝exp((f_ih-f_r1)/(abs(f_ir+ε))…………………………(4)

C₂＝exp((f_r2-f_ir))…………………………(5)

得到，其中，f_ih和f_r1分別代表母雞粒子ih和所屬子群公雞粒子r₁的適應度值，f_r2代表隨機選取的其他子群公雞粒子的適應度值；

(3.6)小雞粒子不僅跟隨其子群的媽媽母雞粒子進行搜索，同時向所在子群公雞學習，根據式(6)

x_ic,j(t₁+1)＝w·x_ic,j(t₁)+F·(x_m,j(t₁)-x_ic,j(t₁))+C·(x_r,j(t₁)-x_ic,j(t₁))…………(6)

更新小雞位置，其中，x_m,j(t₁)代表小雞粒子所跟隨媽媽母雞粒子的位置信息，x_r,j(t₁)代表媽媽母雞粒子自身所在子群中的公雞粒子位置信息，C為學習因子，取值0.5，表示小雞粒子向自身所在子群中公雞粒子學習的程度，w為小雞粒子自身慣性權重，這里采用自適應慣性權重，通過公式(7)

得到粒子自身自適應權重，其中，wmax是慣性權重的最大值，wmin是慣性權重的最小值，τ取50，F為跟隨系數，表示小雞粒子跟隨媽媽母雞粒子尋找食物；

(3.7)利用公式(1)～(7)更新公雞、母雞和小雞粒子位置后計算每個粒子的適應度值，更新雞群的粒子當前最好位置和雞群全局最好位置；

(3.8)t₁＝t₁+1，若達到迭代次數，則停止迭代，得到最優位置(最優解)，即最佳分離矩陣W，否則轉到步驟(3.3)。

3.如權利要求2所述的一種基于改進雞群算法的盲源分離方法，其特征在于，所述改進雞群算法適應度函數fitness為分離信號負熵與峭度絕對值的加權平均，具體實現為：

fitness＝-(0.4×fitness1+0.6×fitness2|/2)…………………(8)

式(8)中，表示信號負熵，其中y_i表示第i個分離信號；表示信號峭度的絕對值，其中kurt(y_i)為第i個分離信號的峭度，適應度函數值越小表明分離效果越好。