基于进化算法的盲源信号分离

摘要

盲源信号分离(BSS)是研究如何从观测到的混合信号中估计或恢复独立的源信号，其核心问题是分离(或解混合)矩阵的学习算法，目前已出现较多的算法，如基于信息论的随机梯度算法，基于信息论的极大似然估计的自然梯度算法等；但这些方法只适应于亚高斯或超高斯信号单独存在的情况，并且收敛速度慢、存在一定的不确定性。基于四阶累计量的联合对角化的JADE(JointApproximatedecompositionofEigenmatrices)算法，是独立分量分析最常用的方法，该算法对各种情况的盲信号具有一定的分离作用，然而，当联合对角化问题k＞2时得到的结果不精确。本文研究基于进化算法盲源信号分离方法，主要工作有： 研究基于遗传算法的盲源信号分离算法，其基本思想是利用遗传算法代替JADE算法中的联合对角化操作，遗传算法从整个解空间上有效地搜索最佳的解，在解决大空间、多峰值、非线性、全局优化等高复杂度问题时显示了独特的优势，因而基于遗传算法的盲源信号分离算法收敛性好，分离精度高。理论分析和仿真结果表明该方法明显优于JADE算法，并表现出较强的鲁棒性。 由于遗传算法因交叉重组导致了连锁问题，以及源信号中高斯信号的存在，必须使用惩罚函数，因此求解的过程中会出现震荡，其分离效果并不理想。为此，我们进一步提出基于决策图贝叶斯优化的盲源信号分离算法，其基本思想是利用决策图贝叶斯优化算法代替JADE算法中的联合对角化操作，决策图贝叶斯优化算法通过从优选的解集合中提取信息，然后利用这种信息的概率分布产生新的解，避免了遗传算法因交叉重组和变异等操作导致的连锁问题，因而基于决策图贝叶斯优化的盲源信号分离算法收敛性好，分离精度高。 为了进一步拓宽应用领域，本文提出一种基于遗传算法的鲁棒性数字水印算法，基本思想是利用迭代混合的思想，嵌入水印，由此保证较好的视觉效果，利用基于遗传算法的盲源分离方法检测水印，不需要知道水印嵌入位置和检测位置，从而使算法能有效地抵抗几何攻击，具有较强的鲁棒性，理论分析和仿真结果表明该方法的有效性和可行性。

目录

文摘

英文文摘

论文说明：插图目录、附表目录

湖南大学学位论文原创性声明及学位论文版权使用授权书

第1章绪论

1.1 BSS问题

1.2 BSS发展历史及研究现状

1.3本文的主要工作

第2章独立分量分析

2.1独立分量分析的基本概念

2.1.1统计独立性

2.1.2线性独立分量分析的相关定义

2.1.3 ICA模型的可辨识性

2.2数据的预处理

2.2.1中心化

2.2.2白化

2.3 ICA算法

2.3.1基于信息论的ICA算法

2.3.2基于度量非高斯性的ICA算法

2.4小结

第3章基于遗传算法的盲源信号分离

3.1引言

3.2遗传算法简介

3.3遗传算法的盲源分离可行性分析

3.3.1累计量

3.3.2 GA盲分离的约束条件及可行性

3.4 基于遗传算法的盲源分离算法

3.4.1 参数编码及初始群体的设定

3.4.2适应度函数的选取

3.4.3选择、交叉和变异操作

3.4.4约束条件的保持

3.4.5算法描述

3.5仿真试验

3.5.1单一类型信号盲源分离的仿真试验

3.5.2多种类型信号盲源分离的仿真试验

3.6结论

第4章基于DBOA的盲源信号分离

4.1引言

4.2决策图贝叶斯优化算法

4.2.1决策图

4.2.2决策图贝叶斯网络

4.3基于DBOA的盲源分离算法

4.3.1参数编码

4.3.2适应度函数的选取

4.3.3约束条件的保持

4.3.4算法描述

4.4仿真试验

4.5小结

第5章基于遗传算法的鲁棒性数字水印

5.1引言

5.2基于遗传算法的鲁棒性数字水印

5.2.1数字水印的嵌入

5.2.2数字水印的检测

5.3仿真实验

5.4结论

结束语

参考文献

致谢

附录A(攻读学位间发表论文及科研项目情况)