基于改进型象群优化算法的BSS方法

作者:夏奎; 李炜; 邱意敏; 王晶
来源:电子测量与仪器学报, 2021, 35(10): 153-160.
DOI:10.13382/j.jemi.B2003769

摘要

为了克服传统群智能算法在求解盲源分离(BSS)问题时收敛速度慢和分离精度差的缺点,提出一种基于改进型象群优化(IEHO)算法的BSS方法。该方法利用独立性原则,融合分离信号的峭度和互信息来构建目标函数。在氏族更新阶段,通过改进算法比例因子并加入邻域搜索,提高了算法搜索方式的多样性;在分离阶段,引入量子粒子群优化策略,提高了算法的全局搜索能力。仿真结果表明,与传统的象群优化算法和粒子群优化算法相比,IEHO算法的寻优效果较好,并成功实现了图像信号和语音信号的盲源分离,分离精度更高,收敛速度更快。