基于聚类算法实现信号盲分类

摘要:本文解决了信号处理、工业控制等领域存在的非平稳信号盲分类问题。在聚类中广泛应用的K-Means算法及其它基于中心的聚类算法有两个共同的缺陷—需要预先确定类数目且随机初始化中心引起性能不稳定。本文提出的算法较好地解决了这两个问题,提高了算法稳定性,实现了非平稳信号盲分类。提取非平稳信号的小波系数作为聚类的样本空间,分析聚类结果的统计偏差以估计类的数目,采用调和均值准则进行分类。最后给出的仿真结果表明本文提出的方法较传统的K-Means算法明显降低分类错误率。