10.3321/j.issn:0372-2112.2009.z1.016
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
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.
盲源分离、稀疏信号、聚类、K-means、微分进化、霍夫变换
37
TN911
2009-06-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
92-96