基于遗传-狮群算法优化的独立分量分析算法

张晓通 韩跃平 杨 洋

(中北大学信息与通信工程学院 山西 太原 030051)

0 引 言

盲信号分离技术[1-3]是一种在源信号、传递系统等先验知识无法获得的条件下，以源信号的统计特性为依据，从观测的混叠信号中恢复出源信号的方法，在图像处理、语音处理和通信等多个领域得到了广泛的应用。

盲源分离理论[4]的提出是为了解决如何让计算机从多个复杂信号中搜寻到有用信号的问题。独立分量分析(Independent Component Analysis,ICA)是处理盲源分离问题的一种重要方法。Comon[5]首次提出盲信号分离的独立分量分析方法，通过最小化分量之间的统计相关性进行独立成分估计。为了进一步提高ICA算法的收敛速度和精度，部分学者提出使用具有全局收敛性的群智能算法来优化ICA。华容等[6]提出了基于遗传算法(Genetic Algorithm,GA)过程信号的盲分离，使遗传算法和神经网络相结合实现对过程信号的去噪。Lin等[7]提出了基于粒子群算法(Particle Swarm Optimization,PSO)的盲信号分离，利用粒子群算法来优化负熵最大化目标函数从而得到最优解。彭安洪等[8]提出基于自适应粒子群算法盲源分离，利用自适应调整策略对粒子群算法进行了改进。这些群智能算法在一定程度上提升了ICA算法的性能，但也存在一些不足，例如：遗传算法的全局搜索能力较强，但搜索效率较低；粒子群算法不易陷入局部极值，但参数设置较多，收敛速度较慢。

狮群算法(Lion Swarm Optimization,LSO)[9]是近年被提出和应用的群体智能算法，具有良好的协同进化机制，收敛速度较快，不易陷入局部最优，为解决全局寻优问题提供了一种新的途径。……