具有相似性传播的K-均值欠定盲分离算法

摘要：

对于稀疏信源的欠定盲分离问题,混合矩阵的估计是至关重要的.为了提高估计性能,提出一种组合的聚类分析算法.首先,利用短时傅里叶变换把时域中的观测信号转变成频域中的稀疏信号,并通过数据的归一化把稀疏信号在频域的线性聚类转变成致密聚类.然后,利用相似性传播AP聚类方法搜索每个观测数据的邻域自动形成数据族的数量和相对应的关键数据.最后,以AP聚类的结果作为K-均值算法的初始值,对每类(族)数据的聚类中心进一步修正.仿真结果表明,组合聚类法能有效地提高混合矩阵的估计精度.把AP聚类和K-均值算法相结合的另一个优势是,能够克服经典K-均值算法需要事先知道信源数量和对数据的初始划分非常敏感的缺陷.

关键词：欠定盲分离;稀疏表示;混合矩阵估计;相似性传播;K-均值

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60572183

在线出版日期：2021-10-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1880-1890