基于改进DBSCAN算法估计欠定混合矩阵的应用研究

针对欠定盲源分离（Underdetermined blind source separation， UBSS）问题，采用基于密度的空间聚类（Density based spatial clustering of applications with noise， DBSCAN）算法估计聚类中心时易陷入局部最优，因此由聚类中心坐标构成的混合矩阵的精度降低，导致信号分离结果不理想。本文在DBSCAN基础上提出布谷鸟自适应搜索群优化算法（Cuckoo adaptive search swarm optimization of density based spatial clustering of applications with noise， CASSO-DBSCAN），该算法依据Levy飞行策略增强全局自适应搜索能力，并利用群体学习思想精细寻优得到最优解，从而更加精准地估计聚类中心。通过语音信号的盲源分离仿真实验对该算法进行验证，结果表明，该算法能够有效改善欠定混合矩阵的估计精度，具有良好的鲁棒性，证明了其可行性。