摘 要 针对传统盲源分离算法存在收敛速度慢易陷入局部最优等缺陷，提出一种混沌粒子群算法的盲源分离方法 采用信号的峰度值作为盲源信号分离目标函数，然后采用混沌粒子算法对目标函数进行求解，并对粒子群体进行混沌扰动，保持粒子群的多样性，最后采用最优解对信号进行盲源分离 结果表明，混沌粒子群算法有效提高了盲源信号分离速度，信号分离精度更高
关键词 粒子群算法 盲源分离 独立分量分析 混沌
　　引 言
　　盲源分离 ( ) 是 世纪 年代兴起并发展起来的一种信号处理方法，是信息理论统计信号处理和人工智能相结合的产物，在生物医学地震勘探移动通信和语音信号处理等领域有着广泛的应用前景［］
　　在过去的十多年中，国内外学者们对混合信号分离进行了广泛的研究，提出了很多线性和非线性分离算法［］然而在实际应用中，观察到的混合信号很多是非线性混合叠加而成，那么传统线性盲源分离算法已经不适合处理该类问题［］目前，具有很好的近似能力和接近真实问题的非线性盲源分离算法日益受到人们的关注［］常用有非线性算法有信息理论的算法神经网络算法四阶统计量的 算法和独立分量算法( 算法) 等［ ］作为盲源分离的主要算法，包括目标函数选取和优化两部分，传统 优化算法采用最陡梯度下降算法，存在收敛速度慢易陷入局部最优等难题，解的质量无法得到保证，导致在实际应用中，信号分离的效果比较差［］
　　针对当前 算法在盲源信号分离应用中存在的缺点，为获得更好的盲源分离效果，提出一种基于混沌粒子群算法( ) 的盲源分离算法() ，并通过具体仿真实验对算法性能进行测试 结果表明，有效提高了混合信号分离速度和盲信号分离性能，是一种有效的盲源信号分离方法
　　盲源分离研究现状
　　盲源分离原理盲源分离是指采用传感器对信号进行收集，在对源信号及传输过程没有任何先验知识的条件下，仅通过分析观测数据，就可以完成对源信号进行分离的过程 盲源分离的原理如图所示图 盲源分离的原理
　　设有 个 源 信 号，它 们 构 成 维 向 量: ( ) ［( ) ］，( ) ， ，( ) ］ ，向量之间相互统计独立; 个混合信号构成的 维观测数据向量: ( ) ［( ) ， ( ) ， ，( ) ］ ，那么含噪盲信号分离的数学模型为:( ) ( ) ( ) ( )式中，为 维的混合矩阵; ( ) 为 加性噪声盲源分离( ) 问题解决方法是在忽略噪声 ( ) 的情况下，寻找一个分离矩阵 ，使分离系统的输出信号( ) ， 即有:( ) ( ) ( ) ( )式中， 为分离矩阵
　　独立分量分析的盲源分离算法及存在难题
　　独立分量分析( ) 十分适合于盲源分离问题的求解，相对于其他盲源分离方法， 具有算法结构简单分离广泛等优点，成为盲源分离的主要算法［］在基于 算法的信号盲源分离过程中，需要对目标函数进行优化求极大值或极小值，而当前主要优化算法为随机梯度法 然而梯度下降算法存在的一个最大缺陷是收敛速度慢，易陷入局部最优，而且其受步长和初始值的影响，基于梯度下降的 算法鲁棒性差; 另一方面梯度算法是通过非线性函数对目标函数进行近似估计，解的质量无法保证 为了克服梯度下降算法存在的诸多缺陷，为获得更好的盲源分效果，将 引入到盲源分离独立分量分析算法的优化过程中，避免上述问题出现混沌粒子群算法年， 等人受到鸟群飞行启发提出粒子群优化算法( ) 算法 在 算法运行过程中，粒子被看成 维搜索空间中一个点，粒子在该空间其本身与同伴飞行经验动态地调整自己飞行速度和方向，同时不断追踪当前和历史最优粒子进行飞行，最终找到问题最优解在每一次迭代中，粒子速度和位置更新公式为:( ) ( ) ( ) ( ( )( ) ( ( ) ) ( )( ) ( ) ( ) ( )式中， ，，，; 表 示 加 速 因 子，一 般 为 非 负 常 数，( ) 表示粒子当前速度，( ) 表示更新后的粒子速度;( ) 表示粒子的当前位置; ( ) 为更新后的粒子位置;表示惯性权重，用于平衡全局和局部搜索; ( ) 为( ，) 数据的随机数函数在 算法中，粒子通过 和 不断更新速度和位置，若某个粒子找到一个局部最优解，那么其他粒子会受到该最优解吸引，快速聚集到其附件，导致收敛过早，陷入局部最优解的出现混沌是一种行为复杂且与随机相似的非线性系统，对初始值十分敏感，具有易跳出局部极小搜索速度相当快等优点［］为克服 算法存在的收敛速度慢 早熟缺陷，将混沌思想引入到 算法中，在每次迭代过程中，对 进行混沌扰动，并将其作为粒子更新后的位置，防止粒子位置趋同，并使其围绕在当前全局最优解附件进行局部搜索映射式表示为:( ) ( )式中， 表示混沌变量根据混沌原理对式( ) 添加混沌扰动，即:( ) ( )式中，为次时的混沌向量，为添加扰动后混沌向量，［，］，表示扰动的强度，采用自适应取值，在搜索初期，其值较大，加强对解向量的扰动，然后慢慢减小，具体变化为:( )( )( )式中，为一整数改进混沌粒子群算法的 盲源分离( ) 读取信号，对信号采样并中心化使得观测向量的期望值为，预白化 ［］，( ) 粒子群初始 对每个粒子进行初始化操作，即初始位置为: ［ ，，，］，初始速度为: ［，，，］( ) 根据当前位置和速度，利用梯度公式产生各个粒子的新的位置( ) 根据目标函数对每个粒子的适应度进行计算，从而得到每一个粒子对应解的优劣( ) 对各个粒子，如果粒子适应值要比历史极值( ) 要好，那么就采用该个体适应值代替历史个体极值; 采用同样方法，根据适应度值对粒子群的极值( ) 进行更新( ) 对粒子群早熟现象进行判断，若粒子群存在早熟收敛现象，那么就对部分较优粒子进行混沌处理，不然继续执行粒子群算法( ) 对部分较优的粒子群进行混沌优化，这样对适应度值较高粒子进行混沌搜索，易得到新的最优粒子，加快了搜索进程，粒子群的多样性增加，容易摆脱局部极值( ) 计算混沌后粒子的适应度值，找出适应度值最大的一组，并将与未进行混沌优化时的最优粒子的适应度值比较，如果优于 ，就对 更新( ) 进入循环，迭代到预设的迭代步数时，输出最优解仿真实验信号来源为了验证 的 有 效 性，设计了一个仿真实验，对盲源分离效果进行测试和分析 对三个声音信号进行采样，并将其作为源信号，然后将采集的语音信号进行预处理，横坐标为采样点数，每段语音的采样点为 个，纵坐标为幅度值，得到 段语音信号如图 所示图 源信号算法实现随机生成混合矩阵，具体为:[ ]( )采用混合矩阵对源信号进行混合，得到 个混合信号，结果如图 所示图 混合信号设定粒子群种群规模 个粒子，粒子的速度范围限制在［ ，］之间，迭代次数 ， ，首先采用四阶累积量对混合信号进行 的独立性判决准则，然后采用混沌粒子算法对混合信号进行盲源分离，信号分离后的结果如图 所示图 的分离信号波形从图 的结果可知，分离信号与各源信号的峰度十分接近，达到了很好的分离结果，结果表明，采用 对盲源信号进行分离，是有效的可行性，结果是可靠的结果与分析为了更进一步说明 的优越性，采用基本 分离方法( ) 遗传算法优化 的分离方法( ) 粒子群算法优化 的分离方法( ) ，并用相同数据进行对比实验各种算法分离效果如表 所示 从表 可知，与原始信号的峰值相比， 分离出的信号峰值和原始信号的峰值非常接近，对比结果表明 分离出的信号比分离出的信号独立性好表 各种盲源分离算法的性能对比语音信号 信号 信号 信号源信号峰值混合信号峰值分离信号峰值分离信号峰值分离信号峰值分离信号峰值和 算 法 在 双 核 ，内存 ，操 作 系 统 的 仿 真 环 境 下，采 用的 和 命令统计它们时间复杂度进行对比 得到的结果见表 从 表 可 知，相 对 于 和算法， 的时间复杂度最小，运行时间最短，对比结果表明采用 对 目标函数求解迭代次数少，加快了算法的运行速度，能在较短的时间寻找到最优解表 各种算法的计算时间对比算法 时间复杂度( )综合上述可知，从整体性能来说， 盲源分离算法的分离效果和收敛速度均优于对比算法，计算时间相对减少，且不需要计算梯度信息，简单，实现容易，很好地解决了传统算法存在的局部最优收敛速度慢分离效果差等难题结 语在分析传统盲源分离的基础上，针对传统 算法在求解问题时不能确保良好的收敛性等难题，提出基于 的盲源分离方法 结果表明， 不仅提高了盲源分离的速度，而且分离精度更高，分离性能更加稳定，在信号处理中具有广泛的应用前景参 考 文 献［］ ， ，［］ ， ，， ， ，( ) :［］ ，［］， ( ) :［］郭武，王润生基于盲分离的图像去噪算法研究［］计算机工程与应用， ，( ) :［］苏野平，何量，杨荣震，等一种改进的基于高阶累积量的语音盲分离算法［］电子学报， ，( ) :［］张伟伟，史振威，阎芬，等利用独立成分分析实现成组舰 的信号的盲分离［］中国医学影像技术， ，( ) :［］章晋龙，何昭水，谢胜利基于遗传算法的有序盲信号提取［］电子学报， ，( ) :( 下转第 页)成查询添加删除和修改数据的功能数据库设计从系统的需求分析中抽象出该系统应具有哪些数据库表( 如: 系统管理员表用户基本信息表等) 然后分析每个表中应具有哪些字段及它们的主外键关系并绘制出 图 然后根据逻辑设计和物理设计的结果建立数据库，向数据库中录入数据调试应用程序并进行试运行关键技术研究基于 的独立安全服务体系任何信息管理系统在开发的过程中都应该充分考虑影响其安全工作的因素并采取相应的安全机制 由于本系统采用的是架构，所以网络攻击是威胁到该系统安全工作的主要因素网络攻击对居民健康档案管理系统造成的危害主要体现在如下几个方面: ( ) 篡改 服务里的内容 ( ) 窃取医疗数据和个人资料 ( ) 恶意破坏网站 ( ) 窃取程序文件 因此，为了保证居民健康档案管理系统的安全，系统对内部用户采用本地安全策略( 如: 身份认证技术) ，对外部用户采用如图 所示的的安全服务体系结构图 基于 的独立安全服务体系该安全服务体系的工作流程如下: 首先安全层给用户分配一个 ，然后用户使用该 登录到应用层的应用程序中，此时应用层就会向安全层请求对用户进行身份鉴别并返回鉴别结构，应用层根据得到的鉴别结构对用户层做出相应的响应利用 实现身份鉴别首先需要建立安全服务器，构建安全服务器的基本思想是使用一台独立的服务器作为系统的安全层，该层负责所有的安全职责并向其他应用层提供，这就方便了不同系统之间安全功能的集成 其 次 对使用 策略 策略解决了如何在多点消息路径中维护一个安全的环境 通 过利用现有的标准和规范来实现安全性，它定义了一个用于携带安全数据的 标头 如果使用 签名则此标头中包含由 签名的信息如: 消息的签名方法使用的密钥以及得出的签名值 如果消息中的某个元素被加密，则标头中还可以包含加密的信息 并不指定签名或加密的格式，而是指定如何在 消息中嵌入由其他规范定义的安全性信息将所有安全信息保存在 中，从而为 安全服务提供了端到端的解决方案技术是 数据库连接( ) 技术的简称，由一组使用 语言编写的类和接口组成， 充当了 应用程序与各种不同数据库之间进行对话的媒介应用程序使用 访问数据库的步骤如下: ( ) 加载 驱动 使用 ( ) 方法将给定的 驱动类加载到 虚拟机中 ( ) 与数据库建立连接 建立连接的代码如下: ( 数据库连接字符串，数据库用户名，密码) ( ) 发送 语句，并得到返回结果 创建 和 接口对象，代码如下( ) ;( 语 句) ( ) 处理返回的结果 (( ) ) { 处理结果的语句} ( ) 关闭数据库连接
　　结 语
　　本系统使用了基于 ， ， 三大框架的框架开发技术，在表示层使用了 框架负责页面的请求和转发等功能; 在业务层使用了 框架，由 的容器机制管理业务逻辑的操作; 在数据持久层使用了 框架，实现业务逻辑的数据与数据库的交互 充分发挥了 ， ，三大框架的优势，从而使程序员将更多的精力集中到具体的业务逻辑功能的实现上，减少数据底层的开发周期，提高了开发效率随着居民健康档案管理系统在全国使用范围的不断扩大将产生大量的居民健康资料，这些资料将为居民的健康风险评估疾病诊疗提供数据支持 完善的居民健康档案管理系统，一方面可以使医务人员根据病人的健康档案信息及临床上的病症进行检查并给出治疗方案从而提高了医疗服务的质量和效率; 另一方面政府及卫生部门可以根据居民健康档案管理系统中的数据对卫生资源进行合理有效的分配使有限的卫生资源得到充分利用
    参 考 文 献［］周然，李晋，王娉婷，等我国电子健康档案建设面临问题及对策分析［］中国卫生统计， ，( ) :［］吴静，饶克勤，吴凡，等以标准化健康档案为核心的社区卫生信息系统模式［］中国卫生经济， ，( ) :［］杨春风，郑 应 芳对建立居民健康档案所遇困境的深层次思考［］中华全科医学， ，( ) :［］访卫生部统计信息中心主任饶克勤基于电子健康档案的区域卫生信息平台［］中国卫生信息管理杂志， ，( ) :( 上接第 页)［］杨俊安，李斌，庄镇泉，等基于量子遗传算法的盲源分离算法研究［］小型微型计算机系统， ，( ) :［］张朝柱，张健沛，孙晓东基于自适应粒子群优化的盲源分离［］系统工程与电子技术， ，( ) :［］刘据，聂开宝，何振亚非线性混叠信号的可分离性及分离方法研究［］电子与信息学报， ，( ) :［］罗涛华，张聪带有梯度加速粒子群算法的盲源分离［］计算机仿真， ，( ) :［］周强锋，赵书敏，安宁，等基于混沌粒子群算法的阵列天线容差分析［］计算机仿真， ，( ) :