摘要:混合矩阵的估计是稀疏源盲分离的关键组成部分,其估计精度直接影响到源信号的估计精度.本文首先针对K-means聚类算法依赖初始值选取的问题,将微分进化算法思想引入到K-means聚类算法中,提出了一种改进的K-means聚类算法.利用该算法,对稀疏源混合信号数据进行聚类,保证了聚类结果的鲁棒性.然后利用霍夫变换,对每一类数据的聚类中心进行修正,从而估计出混合矩阵,提高了混合矩阵的估计精度.仿真实验表明,相比于经典的稀疏源混合矩阵盲估计算法,本文算法具有更强的鲁棒性和更高的估计精度.
关键词:盲源分离 稀疏信号 聚类 微分进化 霍夫变换
单位:哈尔滨工业大学自动化测试与控制系; 哈尔滨工业大学3033信箱; 黑龙江哈尔滨150080
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社