基于负熵和智能优化算法的盲源分离方法

摘要：

针对混合蛙跳算法(SFLA)更新策略会陷入局部最优、降低收敛速度的问题,提出一种自适应阈值更新策略.根据盲源分离中常用峭度和负熵作为非高斯性的度量,但峭度对野值敏感,影响算法性能,研究一种基于负熵准则的采用粒子群优化(PSO)算法和混合蛙跳算法的盲源分离方法.仿真结果表明,基于负熵的盲分离算法性能优于基于峭度的盲分离算法,基于SFLA的盲分离算法性能优于基于PSO的盲分离算法.

关键词：盲源分离、粒子群优化算法、混合蛙跳算法、阈值选择、负熵、峭度

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：电科院预研课题基金资助项目41101040102

在线出版日期：2010-04-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：250-252