孔祥翠，王微微，陈静静，陈 宇

（中国石油大学（华东）信息与控制工程学院，山东 青岛 266580）

0 引言

独立分量分析（ICA）［1-2］作为有效的盲源分离［3］技术，是信号处理领域的热点，在无线通讯、生物医学［4］、图像语音［5］、流型识别［6］、故障诊断［7］等领域应用广泛.入侵性杂草优化（IWO）［8-10］算法是由 Mehrabian和Lucas受自然界杂草入侵农作物启示提出来的一种新的优化智能算法.IWO算法简单，易于实现，最大的优点是不需要遗传操作算子，就可以简单且有效地收敛到问题的全局最优解.

20世纪90年代，ICA理论得到较快发展［11-13］，最具有代表性的是Fast ICA算法，稳定、快速的算法特性使得ICA技术实用化.此类算法大都假设无噪声模型或把噪声看作一个独立信号，但在实际环境中，观测信号往往掺杂各种各样的噪声，导致分离性能下降.Zhang H、Shi Z等利用信号的时序特性分离含噪信号，可以减小噪声的影响，但信号时序特性不明显时，分离效果较差［14-15］.Hyvarinen A利用信号的非高斯特性，采用去偏技术对有噪ICA算法进行修正，减少由噪声引起的偏差，适用性强［16］.这些方法多采用梯度算法和牛顿法求解最优混合矩阵，容易陷入局部最优，很难获得理想的分离结果.

文中算法以所有分离信号负熵和为目标函数，选用高斯密度函数估计负熵，简化目标函数，保证稳定性，引入偏差去除技术对负熵进行去偏处理，以减少由噪声引起的偏差，采用具有全局寻优性能的IWO算法估计混合矩阵；然后采用SVD-ICA算法得到源信号的无噪估计.

1 基于IWO的有噪ICA算法

1.1 有噪ICA模型

线性瞬时混合有噪ICA模型为