论文部分内容阅读
针对更加复杂的非线性混合情况，提出一种基于样条插值拟合与群智能优化的后非线性盲源分离算法。采用样条插值函数拟合去非线性函数，使用负熵作为分离的评价准则，建立分离模型。分离过程采用改进的人工蜂群算法优化求解样条插值节点参数，并在分离的目标函数中引入相关性约束条件进行解空间范围限制，克服分离过程中存在的异常值现象。针对语音数据的分离实验结果表明，所提算法能够有效实现非线性混合信号的盲分离，较传统的基于奇数多项式拟合的分离算法具有更高的分离精度。