一种改进的FCM聚类算法的混合矩阵估计

在增强信号稀疏性的基础上，对模糊C均值（fuzzy C-means， FCM）聚类算法进行改进，达到提高混合矩阵估计精度的目的，更好地解决欠定盲源分离问题。主要针对稀疏成分分析理论“两步法”中的混合矩阵估计算法改进，提出一种基于隶属度划分优化的FCM聚类算法。通过改变目标函数中的隶属度划分方式，来影响数据的归类，从而决定了混合矩阵中元素的估计精度。最后，将改进的算法用于语音信号仿真实验，完成混合矩阵估计。实验结果表明，用改进的算法所获得的矩阵估计误差小且精度高，可使归一化均方误差减小1.3 dB，角度偏差最多可减小1°