[发明专利]基于PBIL的重力固体潮信号独立谐波分量提取方法

摘要

本发明提供一种基于PBIL(Population‑Based Incremental Learning，基于群体增量学习)算法对重力固体潮信号独立谐波分量提取方法，属于信号处理领域。本发明的方法主要包括基于重力固体潮信号正交分解模型的分析、重力固体潮信号的预处理、PBIL算法的参数设定、优化目标函数的建立、重力固体潮信号独立成分分析和谐波提取。本算法在传统的独立成分析算法中引入PBIL算法，有效避免了传统独立成分分析算法的早熟和陷入局部收敛的现象，提升了分离效果和更好的实施性。

主权项

1.一种基于PBIL的重力固体潮信号独立谐波分量提取方法，其特征在于：所述方法的步骤如下：Step 1.分析重力固体潮信号的正交分解模型；Step 2.获取观测点处的重力固体潮信号观测值：通过模型的分析，选取任意一定时间段，同经度不同纬度的m路待处理重力固体潮观测信号：X＝[x1(t),x2(t),…,xm(t)]；Step 3.对观测信号预处理：利用特征值分解方法对待处理信号进行白化和球化处理，得到白化和球化后的信号Step 4.解混矩阵的初始化：在独立成分提取过程中，Y表示独立成分分析算法处理后得到的独立成分，W为解混矩阵，根据待处理信号的先验知识，对解混矩阵进行随机均匀分布初始化得：B＝[b_1:D,b_2:D,…,b_m:D]^T，其中，待处理信号的数量为m，维度为D,分离后得到的最大独立成分的数量Step 5.算法优化求解解混矩阵过程：Step 5.1.令得到初始的独立谐波分量，对Z求出其二阶距E{Z²}和四阶距E{Z⁴},代入公式F＝{kurt(Z)＝E{Z⁴}‑3(E{Z²})²}求取的Z峭度值F，其中：kurt为峭度，峭度是随机变量的四阶累积量,f为Z中每一路信号的峭度值，按照从大到小顺序排列得F＝(f₁,f₂,…,f_M)，得到F中包含粒子的适应值信息和位置下标信息；Step 5.2.从适应值F中按照其顺序选择K＝k×M个粒子的位置下标，按照得到的位置下标从B选择得到其中l为第l次迭代数，k为选择率k∈(0,1)；Step 5.3.将B^best代入Hebbian公式进行群体的概率向量的更新，其中B^old指未进行选择的解混矩阵粒子，p^old表示未进行更新前的粒子分布向量，学习速率α，α∈(0,1)；在第一次进行计算时，p^old＝p₀＝0.5，B^old＝B；Step 5.4.当|F1l+1‑F1l|≥0.01时,粒子进行循环计算，返回步骤Step 5.1；否则结束循环，得到最优解混矩阵B；Step 6.令W＝B，按照独立成分提取得到处理后的独立谐波分量；Step 7.对独立谐波分量Y进行频谱分析得到其频率值f观测，将f观测与理论值进行对比，得到其独立谐波分量分类。