[发明专利]一种基于莱维飞行细菌觅食进化的盲源分离方法

说明书

本发明属于辐射源信号分离领域，目的在于提供一种基于莱维飞行细菌觅食进化的盲源分离方法：首先，对群智能交互机制参数和种群进行初始化，然后开始迭代和趋向循环，判断是否达到最大趋向次数，若未达到继续进行趋向操作，否则开始复制操作，完成复制操作后开始种群迁徙，完成迁徙后，对种群实施差分进化并进行多样性评估，若子代平均个体间距大于父代，则将子代种群替换父代；最后，判定是否达到最大迭代次数，若未达到则继续迭代，否则将最优参数组合输出至VMD中得到本征模态分量，相关运算后选取相关系数最大且与源信号具有相同数量的分量作为最终源信号。本发明提高了盲源分离的收敛速度及可靠性，增强了盲源分离的实时性及准确性。

技术领域

本发明属于辐射源信号分离领域，具体涉及一种基于莱维飞行细菌觅食进化的盲源分离方法。

背景技术

盲源分离是盲信号处理中极为重要的一个分支，是在已知源信号数目等少量先验信息或完全未知先验信息的前提下实现混合信号分离的信号处理方法，广泛应用于智能家居、生物医学以及无线通信等领域。盲源分离善于处理正定或超定的情况，即观测信号数目不少于源信号数目。然而，由于信号环境趋于复杂和接收设备日益微型化，使得观测信号的数目往往小于源信号的数目，甚至只有一路观测信号，故在多数情况下面临的是单通道欠定盲源分离问题。针对该问题应用最为广泛的是虚拟多通道技术，该技术借助经验模态分解(EmpiricalMode Decomposition,EMD)和变分模态分解(Variational ModeDecomposition,VMD)等算法将单通道转为多通道，再应用多通道盲源分离技术处理信号。

EMD将源信号分解为若干个本征模态分量之和，然后从源信号中提取每个本征模态分量。该方法适用于处理非线性、非平稳的时间序列，但是在处理间断信号和包络拟合时会出现模态混叠与端点效应问题，极大地降低了分离的准确性。

VMD作为一种新的自适应信号处理方法，将信号的分解问题转换成约束模型求取最优解的问题，可以有效的克服EMD的端点效应和模态混叠现象。该方法需要预先设定分解层数和惩罚因子，其中分解层数过大会导致过分解，反之则导致欠分解；惩罚因子过大导致分量信号带宽过窄，反之则导致分量信号过宽。此外，人为预设VMD参数随机性大且耗费资源多，导致分离的实时性与可靠性差。

发明内容

本发明的目的在于提供一种解决单通道欠定盲源分离存在收敛速度慢、准确性低和实时性差的基于莱维飞行细菌觅食进化的盲源分离方法。

为了实现本发明的目的，采用的技术方案为：

一种基于莱维飞行细菌觅食进化的盲源分离方法，包括如下步骤：

步骤一：对群智能交互机制参数和种群进行初始化，并设置最大总迭代次数、最大趋向循环次数和适应度函数，然后开始迭代；

步骤二：开始趋向循环过程，首先计算初始适应度值并保存，然后产生一个随机方向向量，让种群个体在该方向上以莱维飞行产生的随机步长进行游动，并根据适应度值的大小比较结果决定是否更换方向，最后达到最大转向次数后处理下一个种群个体，直到所有种群个体被处理；

步骤三：判断是否达到最大趋向次数，如果未达到则返回到第二步继续进行趋向操作，否则开始复制操作过程，首先计算每个种群个体适应度值的累加和(能量值)并进行排序，然后淘汰能量较差的半数种群，并依据能量较好的半数种群应用分布式算法估计再生得到新的半数种群，最后与存留下的半数种群组成新种群；

步骤四：完成复制操作后开始种群迁徙，每个种群个体在自适应概率下以高斯分布的形式进行迁徙；

步骤五：完成迁徙操作后，对种群实施差分进化并进行多样性评估，如果子代平均个体间距大于父代，则将子代种群替换原有父代，而原有父代舍弃；

步骤六：判定是否达到最大迭代次数，如果未达到则返回继续迭代，否则将寻优的最优参数组合输出至VMD中；