基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有盲源分离方法大多存在收敛速度慢、分离精度低的问题,提出一种基于改进人工蜂群(Artificial Bee Colony,ABC)算法的盲信号分离方法.在ABC的邻域搜索公式中自适应调整步长,并加入全局最优解指导项,增强局部趋化性搜索能力.改进的ABC算法保持了ABC全局搜索和局部搜索之间的平衡,使ABC算法可以达到更好的寻优效果,从而提高盲源分离算法的分离精度和稳定性.实验结果表明,提出的改进盲源分离算法可以有效地分离线性瞬时混合信号.与其它算法相比,该算法具有更优异的分离性能,并具有更快的收敛速度.
推荐文章
基于改进人工蜂群算法的盲源分离算法
盲源分离
峰度
自然梯度
人工蜂群算法
搜索过程
改进的人工蜂群算法
人工蜂群算法
差分进化算法
种群初始化
搜索方程
平衡搜索的改进人工蜂群算法
人工蜂群算法
局部搜索
群智能算法
适应度评价
搜索策略
基于局部最优解的改进人工蜂群算法
人工蜂群算法
种群初始化
反向学习
搜索频率
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进人工蜂群算法的盲源分离方法
来源期刊 电子学报 学科 工学
关键词 盲源分离 人工蜂群算法 邻域搜索 自适应
年,卷(期) 2012,(10) 所属期刊栏目 学术论文
研究方向 页码范围 2026-2030
页数 5页 分类号 TN911.7
字数 3773字 语种 中文
DOI 10.3969/j.issn.0372-2112.2012.10.021
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (42)
共引文献  (44)
参考文献  (11)
节点文献
引证文献  (38)
同被引文献  (103)
二级引证文献  (105)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(1)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(5)
  • 参考文献(0)
  • 二级参考文献(5)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(8)
  • 参考文献(5)
  • 二级参考文献(3)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(5)
  • 引证文献(4)
  • 二级引证文献(1)
2015(17)
  • 引证文献(7)
  • 二级引证文献(10)
2016(22)
  • 引证文献(6)
  • 二级引证文献(16)
2017(30)
  • 引证文献(7)
  • 二级引证文献(23)
2018(32)
  • 引证文献(8)
  • 二级引证文献(24)
2019(30)
  • 引证文献(4)
  • 二级引证文献(26)
2020(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
盲源分离
人工蜂群算法
邻域搜索
自适应
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电子学报
月刊
0372-2112
11-2087/TN
大16开
北京165信箱
2-891
1962
chi
出版文献量(篇)
11181
总下载数(次)
11
总被引数(次)
206555
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
山东省自然科学基金
英文译名:Natural Science Foundation of Shandong Province
官方网址:http://kyc.wfu.edu.cn/second/wnfw/shandongshengzirankexuejijin.htm
项目类型:重点项目
学科类型:
论文1v1指导