第13卷第5期 智能系统学报 Vol.13 No.5 2018年10月 CAAI Transactions on Intelligent Systems Oct.2018 D0:10.11992/tis.201703032 网络出版地址：http:/kns.cnki.net/kcms/detail/23.1538.TP.20170702.1547.034html 多特征值分解的稀疏混沌信号盲源分离算法研究 周双红，王玲玲 (哈尔滨工程大学理学院，黑龙江哈尔滨150001) 摘要：针对受到噪声干扰的激光混沌源信号高精度重构的问题，本文提出了一种基于相位空间重构混沌流信 号的盲源分离算法。该算法首先对分离信号的相位空间进行时间延迟重构，然后将分离矩阵作为待优化参数， 通过在相空间中构建目标函数，将盲源分离问题转换为优化问题.应用粒子群优化算法求解最优分离矩阵，进 而将观测数据乘以最优分离矩阵来重构源信号。实验结果表明，该算法不仅具有快速收敛的特点，其精度明显 优于各种噪声强度下现有的独立分量分析方法。 关键词：混沌信号：盲源分离：相位空间：分离矩阵：粒子群优化算法：多特征值分解：最小互信息法：极大似然估计：独立分量分析 中图分类号：TP181 文献标志码：A 文章编号：1673-4785(2018)05-0843-05 中文引用格式：周双红，王玲玲.多特征值分解的稀疏混沌信号盲源分离算法研究L.智能系统学报，2018,13(5)：843-847. 英文引用格式：ZHOU Shuanghong,VANG Lingling.Research on multi-.eigenvalue decomposition blind source separation al-- gorithm for sparse chaotic signalsJ.CAAI transactions on intelligent systems,2018,13(5):843-847. Research on multi-eigenvalue decomposition blind source separation algorithm for sparse chaotic signals ZHOU Shuanghong,WANG Lingling (College of Science,Harbin Engineering University,Harbin 150001,China) Abstract:To perform high-precision restructuring of chaotic laser-source signals that are experiencing noise interfer- ence,in this paper,we propose a blind-source-separation algorithm based on a phase-space-reconstructed chaotic stream signal.This algorithm first performs a time-delay reconstruction of the phase space of separation signals,and then treats the separation matrix as a parameter to be optimized.Then,it converts the blind source separation into an optimization problem by constructing an objective function in the phase space,and solves the optimal separation matrix using a particle swarm optimization algorithm.It then multiplies the observation data by the optimal separation matrix to recon- struct the source signals.Experimental results show that the algorithm achieves rapid convergence,and its accuracy is obviously superior to the existing independent component analysis method under various noise intensities. Keywords:chaotic signals,blind source separation;phase space,separation matrix;particle swarm optimization;multi- eigenvalue decomposition;minimum mutual information method;maximum likelihood estimation;independent com- ponent analysis 与传统的通信方式相比，激光混沌通信具有 易产生大量相互正交的混沌信号，这使得激光混 很多优点。由于其对初始值的灵敏度具有长期不 沌信号在多用户通信中具有广泛的应用前景。 可预测性，非常适合安全通信应用；通过使用不 然而，在激光通信和信号处理等领域中混沌技术 同的混沌吸引子或相同吸引子的不同初始值和参 的应用也可能面临一些挑战。对于系统现有的信 数产生的混沌信号可以认为是不相关的，因此容 道间干扰，时变衰落或混合多用户载波，盲源分 收稿日期：2017-03-23.网络出版日期：2017-07-02 离是一个必须解决的问题。一些研究人员使用混 基金项目：中央高校基础科研业务费(GK2110260178) 通信作者：王玲玲.E-mail:1325553885@qq.com. 沌信号的动态属性进行盲源分离，这种方法只DOI: 10.11992/tis.201703032 网络出版地址: http://kns.cnki.net/kcms/detail/23.1538.TP.20170702.1547.034.html 多特征值分解的稀疏混沌信号盲源分离算法研究 周双红，王玲玲 （哈尔滨工程大学 理学院，黑龙江 哈尔滨 150001） 摘 要：针对受到噪声干扰的激光混沌源信号高精度重构的问题，本文提出了一种基于相位空间重构混沌流信 号的盲源分离算法。该算法首先对分离信号的相位空间进行时间延迟重构，然后将分离矩阵作为待优化参数， 通过在相空间中构建目标函数，将盲源分离问题转换为优化问题，应用粒子群优化算法求解最优分离矩阵，进 而将观测数据乘以最优分离矩阵来重构源信号。实验结果表明，该算法不仅具有快速收敛的特点，其精度明显 优于各种噪声强度下现有的独立分量分析方法。 关键词：混沌信号；盲源分离；相位空间；分离矩阵；粒子群优化算法；多特征值分解；最小互信息法；极大似然估计；独立分量分析 中图分类号：TP181 文献标志码：A 文章编号：1673−4785(2018)05−0843−05 中文引用格式：周双红, 王玲玲. 多特征值分解的稀疏混沌信号盲源分离算法研究[J]. 智能系统学报, 2018, 13(5): 843–847. 英文引用格式：ZHOU Shuanghong, WANG Lingling. Research on multi-eigenvalue decomposition blind source separation al￾gorithm for sparse chaotic signals[J]. CAAI transactions on intelligent systems, 2018, 13(5): 843–847. Research on multi-eigenvalue decomposition blind source separation algorithm for sparse chaotic signals ZHOU Shuanghong，WANG Lingling (College of Science, Harbin Engineering University, Harbin 150001, China) Abstract: To perform high-precision restructuring of chaotic laser-source signals that are experiencing noise interfer￾ence, in this paper, we propose a blind-source-separation algorithm based on a phase-space-reconstructed chaotic stream signal. This algorithm first performs a time-delay reconstruction of the phase space of separation signals, and then treats the separation matrix as a parameter to be optimized. Then, it converts the blind source separation into an optimization problem by constructing an objective function in the phase space, and solves the optimal separation matrix using a particle swarm optimization algorithm. It then multiplies the observation data by the optimal separation matrix to recon￾struct the source signals. Experimental results show that the algorithm achieves rapid convergence, and its accuracy is obviously superior to the existing independent component analysis method under various noise intensities. Keywords: chaotic signals; blind source separation; phase space; separation matrix; particle swarm optimization; multi￾eigenvalue decomposition; minimum mutual information method; maximum likelihood estimation; independent com￾ponent analysis 与传统的通信方式相比，激光混沌通信具有 很多优点。由于其对初始值的灵敏度具有长期不 可预测性，非常适合安全通信应用；通过使用不 同的混沌吸引子或相同吸引子的不同初始值和参 数产生的混沌信号可以认为是不相关的，因此容 易产生大量相互正交的混沌信号，这使得激光混 沌信号在多用户通信中具有广泛的应用前景[1]。 然而，在激光通信和信号处理等领域中混沌技术 的应用也可能面临一些挑战。对于系统现有的信 道间干扰，时变衰落或混合多用户载波，盲源分 离是一个必须解决的问题。一些研究人员使用混 沌信号的动态属性进行盲源分离[2-4] ，这种方法只 收稿日期：2017−03−23. 网络出版日期：2017−07−02. 基金项目：中央高校基础科研业务费 (GK2110260178). 通信作者：王玲玲. E-mail：1325553885@qq.com. 第 13 卷第 5 期 智 能 系 统 学 报 Vol.13 No.5 2018 年 10 月 CAAI Transactions on Intelligent Systems Oct. 2018