Algoritmos Bioinspirados para Separação Cega de Misturas Post-Nonlinear
A separação cega de fontes (BSS - Blind Source Separation) compreende um conjunto de técnicas não-supervisionadas para recuperação de fontes a partir da observação de suas misturas. Neste trabalho são investigadas aplicações de algoritmos bioinspirados de otimização ao problema de BSS no contexto não-linear Post-Nonlinear (PNL), dentro das premissas de independência estatística da Análise por Componentes Independentes (ICA- Independent Component Analysis) . Em especial, são utilizados o algoritmo de Otimização por Enxame de Partículas (OEP) e sua versão híbrida com o algoritmo de Evolução Diferencial (OEP-ED) é proposta, em diferentes topologias para separação das misturas, sendo adotada a informação mútua como função objetivo. Os resultados das simulações computacionais mostram que o algoritmo híbrido OEP-ED na topologia quadrada apresenta os melhores resultados para recuperação das fontes. No mesmo contexto de misturas são analisados os algoritmos bioinspirados modificados para incorporar o Estimador baseado em kernel (KDE-Kernel Density Estimator), e ao final, uma versão adaptada do OEP-ED é aplicada ao problema de equalização cega não linear seguindo o princípio PNL, onde também se verificam uma boa estimativa das fontes em cenários diversos de simulação