線性混疊盲源分離的改進(jìn)算法.pdf

1、線性混疊盲源分離是指觀測(cè)信號(hào)由源信號(hào)經(jīng)線性混合得到，現(xiàn)階段盲源分離的大多數(shù)研究集中于線性混疊模式。由于盲源分離在未知傳輸信道和源信號(hào)的情況下，僅僅由觀測(cè)信號(hào)恢復(fù)混疊矩陣或者估計(jì)源信號(hào)，這個(gè)特有的理論使得盲源分離在生物醫(yī)學(xué)、地球物理數(shù)據(jù)、語音識(shí)別、軍事雷達(dá)等領(lǐng)域有著廣泛的應(yīng)用前景。 本文的主要內(nèi)容如下： 介紹了盲源分離的幾個(gè)重要的應(yīng)用領(lǐng)域和盲源分離的歷史研究現(xiàn)狀。描述了盲源分離數(shù)學(xué)模型，結(jié)合盲源分離的數(shù)學(xué)模型，闡述了盲源分

2、離的理論可行性以及分離性能的評(píng)價(jià)標(biāo)準(zhǔn)。接著，討論了基于非高斯極大化的盲源分離算法，詳細(xì)的論述了該算法的原理，并且介紹了算法的全局收斂性能。接著，在非高斯極大化算法的理論框架下面推導(dǎo)出了一種新的基于峭度的ICA算法，對(duì)比于Fast-ICA算法，本文算法具有更快的收斂速度，而且可用于具有超高斯和亞高斯的混合信號(hào)，試驗(yàn)仿真表明了算法的有效性。 自然梯度算法實(shí)際上是一種隨機(jī)梯度算法，與隨機(jī)梯度算法不同的是分離矩陣的參數(shù)空間是一個(gè)李群，在

3、該空間中目標(biāo)函數(shù)的最速下降方向是函數(shù)的自然梯度方向。接著介紹了概率密度函數(shù)的獨(dú)立性測(cè)度.相關(guān)熵，由信息論的知識(shí)詳細(xì)的推導(dǎo)了基于Informax的自然梯度算法。在算法中步長(zhǎng)和激活函數(shù)的選取對(duì)算法的收斂起到至關(guān)重要的作用，針對(duì)不同的源信號(hào)應(yīng)該選取對(duì)應(yīng)的激活函數(shù)作為其概率密度的近似，算法中固定的步長(zhǎng)不能同時(shí)滿足收斂速度和算法分離精度的要求，本文為了提高算法的跟蹤能力，將原來算法中的固定步長(zhǎng)變?yōu)樽赃m應(yīng)步長(zhǎng)，使得算法在分離的不同階段具有不同的步長(zhǎng)