中文核心期刊
中国科技论文统计源期刊
国际刊号:1004-9037
国内刊号:32-1367/TN
用户登录
  E-mail:  
  密  码:  
  作者 审稿  
  编辑 读者  
期刊向导
联系方式
  • 主管:中国科学技术协会
  • 主办:南京航空航天大学
  •           中国电子学会
  • 国际刊号:1004-9037
  • 国内刊号:32-1367/TN
  • 地址:南京市御道街29号
  • 电话:025-84892742
  • 传真:025-84892742
  • E-mail:sjcj@nuaa.edu.cn
  • 邮编:210016
王霖郁,夏敏,项建弘.基于改进DBSCAN算法估计欠定混合矩阵的应用研究[J].数据采集与处理,2021,36(5):969-977
基于改进DBSCAN算法估计欠定混合矩阵的应用研究
Application Research of Underdetermined Mixed Matrix Estimation Based on Improved DBSCAN Algorithm
投稿时间:2021-03-27  修订日期:2021-09-08
DOI:10.16337/j.1004-9037.2021.05.012
中文关键词:  欠定盲源分离  群优化  布谷鸟搜索算法  空间聚类  语音信号
英文关键词:underdetermined blind source separation (UBSS)  swarm optimization  cuckoo search algorithm  spatial clustering  speech signal
基金项目:
作者单位邮编
王霖郁 哈尔滨工程大学信息与通信学院哈尔滨 150001
哈尔滨工程大学先进船舶通信与信息技术重点实验室哈尔滨 150001 
150001
夏敏 哈尔滨工程大学信息与通信学院哈尔滨 150001
哈尔滨工程大学先进船舶通信与信息技术重点实验室哈尔滨 150001 
150001
项建弘 哈尔滨工程大学信息与通信学院哈尔滨 150001
哈尔滨工程大学先进船舶通信与信息技术重点实验室哈尔滨 150001 
150001
摘要点击次数: 65
全文下载次数: 111
中文摘要:
      针对欠定盲源分离(Underdetermined blind source separation, UBSS)问题,采用基于密度的空间聚类(Density based spatial clustering of applications with noise, DBSCAN)算法估计聚类中心时易陷入局部最优,因此由聚类中心坐标构成的混合矩阵的精度降低,导致信号分离结果不理想。本文在DBSCAN基础上提出布谷鸟自适应搜索群优化算法(Cuckoo adaptive search swarm optimization of density based spatial clustering of applications with noise, CASSO-DBSCAN),该算法依据Levy飞行策略增强全局自适应搜索能力,并利用群体学习思想精细寻优得到最优解,从而更加精准地估计聚类中心。通过语音信号的盲源分离仿真实验对该算法进行验证,结果表明,该算法能够有效改善欠定混合矩阵的估计精度,具有良好的鲁棒性,证明了其可行性。
英文摘要:
      Aiming at the issue of underdetermined blind source separation (UBSS), when using the density based spatial clustering of applications with noise (DBSCAN) algorithm to estimate the cluster center, it is easy to fall into the local optimum. Therefore, the accuracy of the mixing matrix composed of the cluster center coordinates is reduced, resulting in unsatisfactory signal separation results. This paper proposes a cuckoo adaptive search swarm optimization based on DBSCAN (CASSO-DBSCAN) algorithm. The algorithm enhances the global adaptive search ability based on the Levy flight strategy, and uses the idea of learning from the group to refine the optimization to obtain the optimal solution, which can estimate the cluster centers more accurately. The paper verifies the algorithm through the simulation of blind source separation of speech signals. Results show that it can effectively improve the estimation accuracy of the underdetermined mixing matrix and has good robustness, which proves the feasibility of the algorithm.
查看全文  HTML  查看/发表评论

Copyright @2010-2015《数据采集与处理》编辑部

地址:南京市御道街29号        邮编:210016

电话:025-84892742      传真:025-84892742       E-mail:sjcj@nuaa.edu.cn

您是本站第2372033位访问者 本站今日一共被访问532

技术支持:北京勤云科技发展有限公司