采用位置混沌重构的入侵杂草优化在盲源分离的应用

摘要

传统盲源分离(blind source separation,BSS)优化算法的应用场合非常有限,而且分离性能不高,为此提出了一种新的采用位置混沌重构的入侵杂草优化算法(invasive weed optimization,IWO),并对其在盲源分离的应用进行了研究。新算法在每轮更新的初期驱动选出的较优个体向此时种群的最优个体做适当距离的移动,这样不仅会增加种群的多样性,避免算法出现早熟,而且也能够加快收敛速度。盲信号分离仿真实验证实,与标准IWO、粒子群优化算法(particle swarm optimization,PSO)和自然梯度算法(natural gradient,NG)相比,新算法的性能优势明显,收敛速度较快,分离精度较高。