基于改进K-means聚类和霍夫变换的稀疏源混合矩阵盲估计算法

• 作者: 乔立岩 付宁 彭喜元
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 盲源分离 稀疏信号 聚类 K-means 微分进化 霍夫变换
• 年，卷（期）: 2009,（z1）
• 所属期刊栏目: 学术论文
• 页码范围: 92-96
• 页数: 5页
• 分类号: TN911
• 字数: 5286字
• 语种: 中文
• DOI: 10.3321/j.issn:0372-2112.2009.z1.016

摘要

混合矩阵的估计是稀疏源盲分离的关键组成部分,其估计精度直接影响到源信号的估计精度.本文首先针对K-means聚类算法依赖初始值选取的问题,将微分进化算法思想引入到K-means聚类算法中,提出了一种改进的K-means聚类算法.利用该算法,对稀疏源混合信号数据进行聚类,保证了聚类结果的鲁棒性.然后利用霍夫变换,对每一类数据的聚类中心进行修正,从而估计出混合矩阵,提高了混合矩阵的估计精度.仿真实验表明,相比于经典的稀疏源混合矩阵盲估计算法,本文算法具有更强的鲁棒性和更高的估计精度.