← 返回列表
一种基于机器学习和聚类算法的盲源分离估计方法
摘要文本
来源：马 克 团 队 本申请涉及信号处理技术领域，提供一种基于机器学习和聚类算法的盲源分离估计方法包括：将混合信号中的观测信号变换至时频域上；提取公共信号源数据的特征，训练解码器；对混合信号进行抽样，并提取混合信号的隐藏高阶特征；利用第一聚类算法得到待估计的混合信号中每个信号源的数目以及初始聚类中心；利用第二聚类算法对初始聚类中心进行修正；分配各信号源对应的隐藏高阶特征，重新构建信号源的隐藏高阶特征，并经由训练后的解码器恢复各信号源。本申请基于机器学习以及AP聚类算法和K‑means聚类算法对信号中高阶隐藏特征的处理，能够挖掘并分类欠定盲源分离系统中混叠信号中各源信号的高阶隐藏特征，从而实现源信号的准确分离。
申请人信息
- 申请人:江南大学
- 申请人地址:214122 江苏省无锡市滨湖区蠡湖大道1800号
- 发明人: 江南大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种基于机器学习和聚类算法的盲源分离估计方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311565595.0 |
| 申请日 | 2023/11/22 |
| 公告号 | CN117609746A |
| 公开日 | 2024/2/27 |
| IPC主分类号 | G06F18/21 |
| 权利人 | 江南大学 |
| 发明人 | 刘洋; 杨雨润 |
| 地址 | 江苏省无锡市滨湖区蠡湖大道1800号 |
专利主权项内容
1.一种基于机器学习和聚类算法的盲源分离估计方法，其特征在于，包括：接收待估计的混合信号，并将所述混合信号中的观测信号变换至时频域上，得到时频域观测信号；提取公共信号源数据的特征，训练由DBN神经网络组成的编码器以及BP神经网络组成的解码器；所述公共信号源数据包括现有环境数据、仿真数据和实际环境数据；对所述混合信号进行抽样，并将抽样后的混合信号输入至训练完成的编码器，提取所述混合信号的隐藏高阶特征；利用第一聚类算法对所述隐藏高阶特征进行聚类，得到所述待估计的混合信号中每个信号源的数目以及初始聚类中心；将所述信号源数目、所述初始聚类中心以及所述隐藏高阶特征输入至第二聚类算法中，以对所述初始聚类中心进行修正，得到修正后的聚类中心；根据所述修正后的聚类中心分配各信号源对应的所述隐藏高阶特征，重新构建所述信号源的隐藏高阶特征，并经由所述训练后的解码器恢复各信号源。