基于改进的遗传算法的后非线性盲源分离

doi:10.7523/j.issn.2095-6134.2012.5.019

中国科学院大学学报 ›› 2012, Vol. 29 ›› Issue (5): 707-713.DOI: 10.7523/j.issn.2095-6134.2012.5.019

基于改进的遗传算法的后非线性盲源分离

桑睿, 吴杰, 许华, 郭强

空军工程大学电讯工程学院, 西安 710077

收稿日期:2011-05-05 修回日期:2011-08-04 发布日期:2012-09-15
通讯作者: 桑睿
基金资助:
国防科技重点实验室基金(9140C0201010902)资助

Post-nonlinear mixtures BSS based on an improved genetic algorithm

SANG Rui, WU Jie, XU Hua, GUO Qiang

Telecommunication Engineering Institute, Air Force Engineering University, Xi'an 710077, China

Received:2011-05-05 Revised:2011-08-04 Published:2012-09-15

摘要/Abstract

摘要： 针对后非线性盲源分离中非线性参数估计中存在的问题,提出一种基于改进的自适应遗传算法的后非线性盲源分离方法.该方法给出一种新的适应度函数,利用适应度函数值反馈调节交叉概率和变异概率的选取,并将优先进化策略和模拟退火机制引入遗传算法中,再通过线性分离算法得到分离矩阵.仿真验证表明,该方法较传统方法具有更快的收敛速度和较高的分离精度.

关键词: 遗传算法, 盲源分离, 后非线性混合, 模拟退火, 优先进化

Abstract: Considering the deficiency of nonlinear parameter estimation in post-nonlinear mixtures BSS, we propose a method based on an improved GA. First, the value of a new fitness function is used to reflect on the choice of crossover and mutation probabilities. PE and SA are incorporated in GA. Finally, the linear separation algorithm is applied to estimate the separation matrix. The results indicate that the new method has better performance than conventional algorithms.

Key words: genetic algorithm (GA), BSS, post-nonlinear mixtures, simulated nnealing (SA), priority evolution(PE)

中图分类号:

TN911.7

桑睿, 吴杰, 许华, 郭强. 基于改进的遗传算法的后非线性盲源分离[J]. 中国科学院大学学报, 2012, 29(5): 707-713.

SANG Rui, WU Jie, XU Hua, GUO Qiang. Post-nonlinear mixtures BSS based on an improved genetic algorithm[J]. , 2012, 29(5): 707-713.

参考文献

[1] Wang SZ, Yang XK, Liu P, et al. Nonlinear blind source separation based on compound kernel function[J]. Journal of System Simulation, 2010,22(1):1-4 (in Chinese). 王曙钊,杨晓阔,刘鹏,等.一种基于组合核函数的非线性盲源分离方法研究[J].系统仿真学报,2010,22(1):1-4.
[2] Song K, Wang Q. Approach to nonlinear blind source separation based on niche genetic algorithm //The 6th Proc of Int Systems Design and Applications. Jinan: Elsevier Science, 2006: 441-445.
[3] Wang F S, Li H W, Shen Y T. An overview on nonlinear blind source separation: theory and algorithms [J]. Signal Processing, 2005, 21(3):282-288 (in Chinese). 王法松,李宏伟,沈远彤.非线性盲源分离的原理及算法综述[J].信号处理, 2005, 21(3):282-288.
[4] Tao T, Huang G M, Zhao Z H. Survey on blind source separation algorithms for post-nonlinear mixtures [J]. Control and Decision, 2010, 25(8):1121-1127 (in Chinese). 陶涛,黄高明,赵治华.后非线性混叠信号盲源分离算法综述[J]. 控制与决策,2010,25(8): 1121-1127.
[5] Ge J K, Qiu Y H, Wu C M, et al. Summary of genetic algorithms research [J].Application Research of Computers, 2008, 25(10): 2911-2916 (in Chinese). 葛继科,邱玉辉,吴春明,等.遗传算法研究综述[J].计算机应用研究, 2008, 25(10): 2911-2916.
[6] Zhan Z L, Zhang Y. Extraction of a source signal whose kurtosis value lies in a specific range [J].Neural Computing (S0925-2312),2006,69(7-9):900-904.
[7] Bi W H, Ren H M, Wu Q B. A new elitist strategy in genetic algorithm[J].Journal of Zhejiang University: Science Edition, 2006, 33(1): 33-35 (in Chinese). 毕惟红,任红民,吴庆标.一种新的遗传算法最优保存策略[J]. 浙江大学学报:理学版, 2006, 33(1): 33-35.
[8] Chen H, Cui D W, Yan T S, et al. Race exponent based simulated annealing rank selection operator [J]. ACTA Electronical Sinica,2009, 37(3):586-589 (in Chinese). 陈皓,崔杜武,严太山,等.基于竞争指数的模拟退火排序选择算子[J].电子学报,2009,37(3):586-589.
[9] Tan Y, Wang J. Nonlinear blind source separation using higher order statistics and a genetic algorithm[J].IEEE Transactions on Evolutionary Computation (S1089-788X), 2001, 5(6): 600-612.
[10] Taleb A, Jutten C. Source separation in post-nonlinear mixtures [J]. IEEE Trans on Signal Processing, 1999, 47(10): 2807-2820.
[11] Yang J A, Wang L W, Zhuang Z Q. Research of nonlinear blind source separation algorithm using higher order statistics and quantum genetic algorithm[J]. Pattern Recognition and Artificial Intelligence, 2004, 17(1):41-46 (in Chinese). 杨俊安, 王伦文, 庄镇泉.基于高阶统计理论和量子遗传算法的非线性盲源分离算法究[J]. 模式识别与人工智能,2004,17(1):41-46.

[1]	明卫鹏, 马广彬, 章文毅. 基于基因表达式编程的多星成像任务规划算法[J]. 中国科学院大学学报, 2020, 37(4): 532-538.
[2]	贾志成, 王娜娜, 陈雷, 张艳. 基于非线性函数和简化粒子群优化的盲源分离算法[J]. 中国科学院大学学报, 2014, 31(4): 530-536.
[3]	张锋, 王东峰, 纪奕才, 方广有, 巨汉基. 基于模拟退火法的Delta天线的优化设计[J]. 中国科学院大学学报, 2012, (3): 372-376.
[4]	陈刚, 王宏琦, 孙显. 基于核函数原型和自适应遗传算法的 SVM模型选择方法[J]. 中国科学院大学学报, 2012, 29(1): 62-69.
[5]	刘丽峰, 张树清. 人工免疫算法规划复杂环境下三维飞行航迹[J]. 中国科学院大学学报, 2011, 28(6): 746-751.
[6]	王翠平, 郭立, 王昱洁, 陈运必. 音频DCT系数分布函数的建模[J]. 中国科学院大学学报, 2011, 28(6): 752-758.
[7]	赵冬, 赵光恒. 基于改进遗传算法的高光谱图像波段选择[J]. 中国科学院大学学报, 2009, 26(6): 795-802.
[8]	徐菡;　张敏洪. 大规模逆向物流网络非线性优化模型的研究[J]. 中国科学院大学学报, 2007, 24(6): 749-755.
[9]	罗德林; 沈春林; 王彪 ; 吴文海. 基于混合自适应遗传算法的协同多目标攻击空战决策（英文）[J]. 中国科学院大学学报, 2006, 23(3): 382-389.
[10]	贵刚, 于军, 苏丽杰, 聂义勇. 压力铸造充型过程多工艺参数的优化选择[J]. 中国科学院大学学报, 2004, 21(4): 532-537.
[11]	甘国辉, 刘长岐, 杨丹. 基于遗传算法的农业用地结构优化研究——以北京市通州区为例[J]. 中国科学院大学学报, 2004, 21(1): 50-55.
[12]	孔祥蕾, 张先燚, 罗晓琳, 李海洋. 一种引入强制变异的改进遗传算法[J]. 中国科学院大学学报, 2003, 20(3): 316-320.

基于改进的遗传算法的后非线性盲源分离

Post-nonlinear mixtures BSS based on an improved genetic algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 12

编辑推荐

Metrics

本文评价

访问统计

联系我们