位置:成果数据库 > 期刊 > 期刊详情页
基于时间可预测性的粒子群优化盲解卷积算法
  • ISSN号:1001-3695
  • 期刊名称:计算机应用研究
  • 时间:2014.4.15
  • 页码:1001-1004
  • 分类:TP391[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术] TP301.6[自动化与计算机技术—计算机系统结构;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]天津商业大学信息工程学院,天津300134, [2]天津大学电子信息工程学院,天津300072, [3]河北工业大学信息工程学院,天津300401
  • 相关基金:国家自然科学基金资助项目(11127202)
  • 相关项目:典型掘进装备关键部件寿命状态的力学诊断与检测仪器
中文摘要:

针对信道对声音信号的卷积效应,提出了一种基于粒子群优化的盲解卷积新算法。利用信号的时间可预测性作为盲解卷积的解卷测度,采用粒子群优化算法对基于该测度的代价函数进行优化求解,从而成功得到解卷积滤波器系数,实现对信号的盲解卷积。仿真实验表明,所提出的算法对于声音信号具有很好的盲解卷积效果,所恢复信号与原始信号的相关系数和重构信噪比均较高。

英文摘要:

This paper proposed a novel blind deconvolution algorithm based on PSO to remove the convolution effect for sound signals in communication channel. It used the temporal predictability as the measure of deconvolution and used PSO for optimi- zing the cost function based on it. Then, the filter coefficient for deconvolution could be got and the signals could be deconvo- luted successfully. Simulation results show that the deconvolution property of the algorithm for sound signals is good. The val- ues of correlation coefficient and signal-to-noise ratio between recovered signals and source signals are all high.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机应用研究》
  • 北大核心期刊(2011版)
  • 主管单位:四川省科学技术厅
  • 主办单位:四川省计算机研究院
  • 主编:刘营
  • 地址:成都市成科西路3号
  • 邮编:610041
  • 邮箱:arocmag@163.com
  • 电话:028-85210177 85249567
  • 国际标准刊号:ISSN:1001-3695
  • 国内统一刊号:ISSN:51-1196/TP
  • 邮发代号:62-68
  • 获奖情况:
  • 第二届国家期刊奖百种重点科技期刊,国内计算技术类重点核心期刊,国内外著名数据库收录期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:60049