基于粒子群优化的工频干扰消除算法

被引:2
作者
陈雷 [1 ,2 ]
张立毅 [1 ,2 ]
郭艳菊 [3 ]
刘婷 [1 ,2 ]
李锵 [1 ]
机构
[1] 天津大学电子信息工程学院
[2] 天津商业大学信息工程学院
[3] 河北工业大学信息工程学院
关键词
粒子群优化; 工频干扰; 盲源分离; 独立成分分析; Givens变换;
D O I
暂无
中图分类号
TP274.2 [];
学科分类号
摘要
提出了一种基于粒子群优化的消除微弱信号采集过程中工频干扰的算法。通过人工构造观测信号,使系统模型符合盲源分离的数学模型要求。使用信号的四阶累积量作为信号独立性的判据,利用粒子群优化算法寻找使判据最大化的分离矩阵,进而消除被采集信号中的工频干扰。在粒子群优化算法的求解过程中,采用将对分离矩阵的直接辨识转换成对一系列Givens矩阵的辨识方法,从而减少了算法中对未知元素辨识的数量,避免反复白化过程,有效降低了算法的计算量,克服了粒子群优化过程中容易早熟收敛的问题。仿真结果表明,本算法在保护有用信号的前提下,能够有效地消除微弱信号中的工频干扰。
引用
收藏
页码:3263 / 3267
页数:5
相关论文
共 8 条
[1]
基于粒子群算法和鱼群算法的盲源分离的研究 [D]. 
刘俊豪 .
太原理工大学,
2006
[2]
心电信号中工频干扰的消除 [J].
周静 .
生物医学工程研究, 2003, (04) :61-64
[3]
基于QR分解与罚函数方法的盲分离算法 [J].
覃和仁 ;
谢胜利 .
计算机工程, 2003, (17) :55-57
[4]
强工频干扰波的提取与消除方法 [J].
刘洋 .
石油物探, 2003, (02) :154-159
[5]
随时间推移(TL)地震勘探处理方法研究 [J].
凌云 ;
高军 ;
张汝杰 ;
王丹 .
石油地球物理勘探, 2001, (02) :173-179+262
[6]
采用独立分量分析方法消除信号中的工频干扰 [J].
吴小培 ;
詹长安 ;
周荷琴 ;
冯焕清 .
中国科学技术大学学报, 2000, (06)
[7]
生物医学随机信号处理.[M].沈凤麟;陈和晏主编;.中国科学技术大学出版社.1999,
[8]
Blind separation with unknown number of sources based on auto-trimmed neural network.[J].Tsung-Ying Sun;Chan-Cheng Liu;Sheng-Ta Hsieh;Shang-Jeng Tsai.Neurocomputing.2008, 10