基于方向性模糊C-means与K-means的混合矩阵估计方法

摘要

在信源数目未知的欠定盲源分离问题中,精确地估计混合矩阵是具有挑战性的问题.针对现有方法在病态条件下(某些混合向量的方向接近)不能准确估计信源数目、易受离群点干扰的不足,提出了一种基于方向性模糊C-means与K-means的混合矩阵估计方法.该方法首先通过方向性模糊C-means对观测信号进行预聚类,通过预聚类可以实现:1)根据聚类有效性指标值的收敛点确定信源数目;2)根据隶属度矩阵排除离群点;3)确定K-means的初始聚类点.最后使用K-means并利用预聚类确定的信源数目及初始聚类点实现混合矩阵估计.仿真结果表明提出的方法具有更优的混合矩阵估计性能.