计算机工程与科学

作者：何选森, 徐丽, 夏娟

单位：1.广州商学院信息技术与工程学院，广东 广州 511363；2.湖南大学信息科学与工程学院，湖南 长沙 410082

关键词：欠定盲分离,稀疏表示,混合矩阵估计,相似性传播,K-均值,

基金：国家自然科学基金(60572183)

对于稀疏信源的欠定盲分离问题，混合矩阵的估计是至关重要的。为了提高估计性能，提出一种组合的聚类分析算法。首先，利用短时傅里叶变换把时域中的观测信号转变成频域中的稀疏信号，并通过数据的归一化把稀疏信号在频域的线性聚类转变成致密聚类。然后，利用相似性传播AP聚类方法搜索每个观测数据的邻域自动形成数据族的数量和相对应的关键数据。最后，以AP聚类的结果作为K-均值算法的初始值，对每类(族)数据的聚类中心进一步修正。仿真结果表明，组合聚类法能有效地提高混合矩阵的估计精度。把AP聚类和K-均值算法相结合的另一个优势是，能够克服经典K-均值算法需要事先知道信源数量和对数据的初始划分非常敏感的缺陷。

来源：2021年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第10期