基于密度峰值和模糊聚类的欠定混叠矩阵估计

摘要：

传统聚类算法进行混叠矩阵估计时存在的聚类中心个数不确定和初始聚类中心的随机选取导致陷入局部最优的问题,为此提出一种基于密度峰值的改进模糊聚类算法进行欠定盲源分离的混叠矩阵估计.通过短时傅里叶变换提取信号在频域中的稀疏特性,利用寻找密度峰值聚类算法(clustering by fast search and find of density peaks,CFSFDP)自动获取聚类簇的数目和初始聚类中心;将获得的聚类数目和聚类结果作为模糊聚类算法(fuzzy c-means clustering,FCM)的初始输入参数,提高FCM聚类结果的精度.实验结果表明,该算法可以准确估计源信号的数目,相比传统FCM、层次聚类、基于密度峰值改进的粒子群等聚类算法,可以有效提高欠定盲源分离的混叠矩阵估计精度.

关键词：欠定盲源分离、混叠矩阵估计、稀疏表示、两步法、模糊聚类、密度峰值、语音信号盲分离

所属期刊栏目：44

分类号：TN911.7

资助基金：国家自然科学基金;国家自然科学基金;上海市自然科学基金

在线出版日期：2023-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1050-1057