改进的萤火虫群优化算法及其非线性盲源分离

黄浦博; 尉宇

doi:10.11959/j.issn.1000-0801.2015213

您当前的位置：

首页 >

文章列表页 >

改进的萤火虫群优化算法及其非线性盲源分离

研究与开发 | 更新时间：2024-06-05

- 改进的萤火虫群优化算法及其非线性盲源分离
- Nonlinear Blind Source Separation Algorithm Using Glowworm Swarm Optimization with Baffle Effect
- 电信科学 2015年31卷第9期页码：97-102
- 作者机构：
  
  1. 武汉科技大学武汉430070
  2. 华中科技大学武汉430047
- 作者简介：
  
  [ "黄浦博，男，武汉科技大学硕士生，主要研究方向为信号处理。" ]
  [ "尉宇，男，武汉科技大学教授，华中科技大学博士生，主要研究方向为人工智能、信号处理。" ]
- 基金信息：
- DOI：10.11959/j.issn.1000-0801.2015213
  中图分类号：
- 网络出版日期：2015-09，
  
  纸质出版日期：2015-09-20
- 稿件说明：
移动端阅览
黄浦博, 尉宇. 改进的萤火虫群优化算法及其非线性盲源分离[J]. 电信科学, 2015,31(9):97-102.

Pubo Huang, Yu Wei. Nonlinear Blind Source Separation Algorithm Using Glowworm Swarm Optimization with Baffle Effect[J]. Telecommunications science, 2015, 31(9): 97-102.
黄浦博, 尉宇. 改进的萤火虫群优化算法及其非线性盲源分离[J]. 电信科学, 2015,31(9):97-102. DOI： 10.11959/j.issn.1000-0801.2015213.

Pubo Huang, Yu Wei. Nonlinear Blind Source Separation Algorithm Using Glowworm Swarm Optimization with Baffle Effect[J]. Telecommunications science, 2015, 31(9): 97-102. DOI： 10.11959/j.issn.1000-0801.2015213.

摘要

摘要：根据萤火虫算法的特点，针对萤火虫算法较早进入局部收敛的不足进行改进，引入了“挡板效应”的方法，扩大种群多样性，并提出了BGSO算法。在分析了非线性盲源分离模型的基础上，利用系统两次遍历萤火虫群，比较评价函数，获得最优解的方式。其有效性被仿真结果所证实。

Abstract

According to the characteristics of glowworm swarm optimization（GSO）algorithm

to overcome the disadvantages of premature convergence

a new method called “baffle effect”was proposed. The diversity of swarm was expanded. Based on the analysis of the model of nonlinear blind source separation（NBSS）

using traversing glowworm swarm twice

comparing evaluation function

the best result was get. Their validity is confirmed by effect of the signal separation test.

关键词

Keywords

references

Jutten C , Herault J . Blind separation of sources, partⅠ: an adaptive algorithm based on neuromimatic architecture . Signal Processing , 1991 , 24 （ 1 ）: 1 ～ 10

Comon P . Independent component analysis, a new concept . Signal Processing , 1994 , 36 （ 3 ）: 287 ～ 314

Hyvarinen A . Independent component analysis for time-dependent stochastic processes . Proceedings of the International Conference on Artificial Neural Network（ICANN'98） , Sk'bvde, Sweden , 1998

Pajunen P , Hyvarinen A , Karhunen J . Proceedings of the International Conference on Neural Information Processing . Signal Processing , Hong Kong, China , 1996 （ 2 ）: 1207 ～ 1210

Catral M , Han L , Neumann M , et al . On reduced rank non-negative factorization for symmetric non-negative matrices . Linear Algebra Application , 2004 （ 393 ）: 107 ～ 126

Burel G . Blind separation of sources: a nonlinear neural algorithm . Neural Network , 1992 , 5 （ 6 ）: 937 ～ 947

Woo W L , Khor L C . Blind restoration of nonlinearly mixed signals using multilayer polynomial neural network . IEE Proceedings on Vision,Image and Signal Processing , 2004 , 151 （ 1 ）: 51 ～ 61

余先川．盲源分离理论与应用．北京：科学出版社， 2011

Yu X C . The Theory and Application of Blind Source Seperation . Beijing : Science and Technology Press , 2011

Krishnanand K N , Ghose D . Theoretical foundations for multiple rendezvous of glowworm-inspired mobile agents with variable local-decision domains . Proceedings of American Control Conference , Minneapolis, MN, USA , 2006

浏览量

568

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据