基于变步长自然梯度算法的盲源分离

相比标准梯度而言，自然梯度算法以其更快的收敛速度和更好的分离性能在盲源分离中占据着重要地位。由于常用的自然梯度算法是基于固定步长的，因此无法真正解决收敛速度和稳态误差之间的矛盾。通过建立步长因子与分离矩阵相互差异之间的非线性关系，提出了一种新的自然梯度算法。由于该算法采用的步长是时变的，加快了收敛速度，减小了稳态误差，从而很好地解决了固定步长的内在矛盾。计算机仿真结果证实了理论分析，并说明了该算法明显优于通常的自然梯度算法。     

基于分离度的步长自适应自然梯度算法

首先定义了描述信号分离状态的分离度,并利用分离度作为参数来控制自然梯度算法中的步长因子,从而首次提出了一种基于分离状态的步长自适应自然梯度盲源分离算法。由于该算法步长是基于分离度的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。计算机仿真结果与理论分析相一致,证实了该算法明显优于其它固定步长或变步长的自然梯度算法。     

基于非线性函数的非平稳盲源分离步长算法

传统自然梯度盲源分离算法采用固定步长,导致收敛速度和稳态误差之间存在矛盾,使算法性能受到制约,特别是对非平稳盲源的分离效果较差。为此,对传统算法进行了改进,提出了一种新的基于非线性函数的步长算法,在分离过程中使步长在每次更新中自动做出合理的调整。通过MATLAB仿真实验证明了新算法的有效性。     

基于萤火虫算法的变步长语音信号盲源分离

针对传统的自然梯度算法对语音信号进行盲源分离时,算法存在收敛速度和稳态误差的矛盾。文中提出一种新的变步长自然梯度算法,利用荧火虫算法对自然梯度算法的步长调整,使算法的步长随信号的分离度变化,并通过计算机仿真验证了该算法的有效性,算法的分离效果更好,收敛速度更快,且稳态误差更小。     

分离矩阵的步长自适应在线盲源分离算法

分析了超定盲源分离中的自然梯度算法最终不能稳定收敛的原因,针对解决这一问题的方法中存在的不足进行了分析和研究。采用了一种基于分离矩阵的步长自适应在线盲源分离算法,较好地实现了收敛速度与稳态误差的最优结合。同时,在信号随机减少或增加时改进算法也能够达到较好的分离效果,仿真结果验证了改进算法的收敛稳定性与分离有效性。     

一种基于峭度累积量比例微分控制的盲源分离学习率

自然梯度算法由于良好的分离性能在盲源分离中占有重要的地位,但该算法基于固定步长时,无法很好兼顾收敛速度和稳态误差。本文借鉴自动化控制的PID （Proportion Integration Differentiation ）算法,提出一种与分离状态紧密结合的变步长学习率算法。由于完成分离的信号峭度累积量是一个固有值,分离过程的信号峭度累积量与固有值将有一个不断减小的误差值。该算法以指数函数值来体现该误差值。再利用该误差构成比例微分的变步长算法,其中的步长初始值就相当于控制误差的比例值,而误差的微分项则得到加速的调整值。该算法仿真实验结果与固定步长自然梯度盲源分离算法的仿真实验结果对比：对应于初始步长的一个最大值和一个最小值,该算法的两次迭代次数均低于采用固定步长算法的迭代次数,并且对于不同类型信号在两次迭代次数间的差值约10～40次,而两种算法的稳态误差是相同的。     

基于定步长自然梯度算法盲混合信号分离技术研究

本文利用自然梯度算法对盲混合方波、正弦波、调幅波和噪声等信号进行盲分离实验,通过仿真,验证了自然梯度盲分离算法在复杂信号分离中的准确性。比较了不同步长下,自然梯度算法的分离性能,得出步长的选择对算法收敛性及稳态误差的重要性,文章分析了算法在步长变化情况下的收敛速度,稳态性能等。     

动量项盲源分离算法及其性能优化策略

动量项技术是用来改善自适应盲源分离算法分离性能的有效手段,但算法在融入动量项后,其收敛特性对于动量因子的选取数值较为敏感,且算法的稳态性能仍要受到步长参数的限定.本文首先给出了动量项盲源分离算法的设计原理,分析了现有算法存在的两个缺陷性问题;然后利用梯度下降法构造了具有在线调整特性的动量因子自适应迭代规则,通过对动量因子的实时更新以消除固定动量因子算法的性能缺陷;在此基础上,基于凸组合理论设计了不同步长参数下两个变动量因子算法的自适应优化组合方案,从而在一定程度上缓解了步长参数对于算法性能的限定.在不同环境下进行的仿真实验表明,本文针对动量项盲源分离算法所设计的优化策略能够有效消除其所存在的缺陷问题,在确保快速收敛的同时,又能获取较小的稳态误差.     

动量项盲源分离算法及其性能优化策略

动量项技术是用来改善自适应盲源分离算法分离性能的有效手段,但算法在融入动量项后,其收敛特性对于动量因子的选取数值较为敏感,且算法的稳态性能仍要受到步长参数的限定.本文首先给出了动量项盲源分离算法的设计原理,分析了现有算法存在的两个缺陷性问题;然后利用梯度下降法构造了具有在线调整特性的动量因子自适应迭代规则,通过对动量因子的实时更新以消除固定动量因子算法的性能缺陷;在此基础上,基于凸组合理论设计了不同步长参数下两个变动量因子算法的自适应优化组合方案,从而在一定程度上缓解了步长参数对于算法性能的限定.在不同环境下进行的仿真实验表明,本文针对动量项盲源分离算法所设计的优化策略能够有效消除其所存在的缺陷问题,在确保快速收敛的同时,又能获取较小的稳态误差.     

自适应变步长的动量项盲源分离方法

针对传统盲源分离算法采用单一步长而无法同时兼顾收敛速度与稳态性以及动量因子选取的问题,介绍了一种盲源分离优化方法。该方法依据自然梯度算法(Natural Gradient Algorithm,NGA)的收敛条件,通过输出信号建立一种新的表示信号分离程度的度量指标,通过此度量指标构造非线性单调函数,使步长与动量因子参数自适应调节,从而可以合理、准确地选择参数。仿真表明了在平稳和非平稳环境下所提分离指标的正确性,且该指标可有效监测信号分离程度;针对步长及动量因子参数选取所设计的优化策略能够有效地缓解固定值对算法性能的约束,在有无噪声的情况下,均获得了优良的分离效果。     

改进的变步长维纳系统盲源分离方法

基于非线性盲源分离的维纳系统算法中,采用固定步长导致算法的收敛速度和稳态误差之间存在矛盾,直接影响分离算法的性能。为了解决该问题,提出了基于非线性函数的变步长维纳系统盲源分离方法。该方法将更新的步长以非线性函数的形式引入到分离算法中,使得稳态时参数更新的步长尽可能小,以避免发生振荡。变步长算法在分离过程中的每次更新都会使步长自动进行合理的调整,使得收敛速度提高了53%,误差减小了45%。实验仿真表明,相对原算法,提出的维纳系统盲源分离方法可以更好地分离出信源信号,而且具有较小的误差和较快的收敛速度。     

用于DS/CDMA系统多用户检测的变步长符号算法

提出了一种新颖的变步长符号算法用于DS/CDMA系统的多用户检测。这种算法对盲平均符号算法的步长又一次采用二次最小均方误差算法,克服了盲平均符号算法受步长影响的缺点,并利用符号算法计算复杂度低的特点,加快了算法的收敛速度。仿真表明,这种算法能够自动迅速地适应环境的变化并且不受初始步长和学习率的影响,在性能上优于与其类似的自适应接收机。     

改进的自然梯度盲源分离算法在非平稳环境中的应用

对于传统的自然梯度算法,在处理非平稳信号时,在步长更新迭代过程中,非平稳信号变化幅度过快而导致分离矩阵幅度变化的不稳定,从而影响分离效果。针对此问题,结合变步长的思想,本文提出了基于正交约束的自然梯度盲分离算法,该算法主要对恢复信号进行约束,通过使用瞬时误差有目的地控制变步长,从而加快算法收敛速度且提高了分离精度,同时保证了非平稳环境下分离过程的稳定性。结果表明,正交约束下的盲源分离算法可以高效地分离出非平稳环境下的源信号。     

自适应变步长正交约束盲源分离算法

将盲源分离算法通常应用到的白化预处理方法转化为权值正交约束条件下的分离算法,使得分离算法由无约束算法转变为有约束算法,消除了在估计白化矩阵时引入的误差和分离输出存在的尺度不确定性。因为算法的收敛速度和稳态误差是一对矛盾,所以结合变步长思想,提出了一种新的自适应变步长的权值正交约束盲源分离算法。该算法步长是基于分离状态的,其学习速率由信号的分离程度自适应地选取,因而能很好地解决收敛速度和稳态误差之间的矛盾。仿真实验表明,该算法比非约束算法,固定步长的权值正交约束的盲源分离算法具有更好的分离性能。     

基于变步长等变化自适应盲源分离算法

对于基于梯度自适应的盲源分离算法，认真选择步长参数以达到好的分离性能是非常必要的。如果为加快收敛速度而增大步长因子，将会导致大的稳态误差，甚至引起算法发散，因此固定步长因子无法解决收敛速度和稳态误差之间的矛盾。本文为EASI算法提出了一种变步长的解决方案。通过建立步长因子与分离矩阵相互差异之间的非线性关系，加快了收敛速度，减小了失调误差。计算机仿真结果与理论分析相一致，证实了该算法明显优于传统的EASI算法。     

Variable-step blind source separation method with adaptive momentum factor

A variable-step blind source separation algorithm based on the natural gradient with adaptive momentum factor was proposed,which could cope with the determined blind source separation in the environment of stationary and non-stationary.Function estimation mixed matrix was constructed by performance index.The estimated performance index was obtained by the estimated mixed matrix,and the constructor was updated by the estimated performance index.Then,the constructor was plugged with appropriate experienced parameter into the proposed algorithm and step and momentum factor was adaptively adjusted.Finally,the estimation source signals could be obtained.Simulations show that the proposed algorithm is effective to estimate the mixed matrix in the stationary and non-stationary environments,and the proposed algorithm has faster convergence speed and lower steady error as well as separates source signals effectively.     

基于改进人工蜂群算法的盲源分离方法

 针对现有盲源分离方法大多存在收敛速度慢、分离精度低的问题,提出一种基于改进人工蜂群(Artificial Bee Colony,ABC)算法的盲信号分离方法.在ABC的邻域搜索公式中自适应调整步长,并加入全局最优解指导项,增强局部趋化性搜索能力.改进的ABC算法保持了ABC全局搜索和局部搜索之间的平衡,使ABC算法可以达到更好的寻优效果,从而提高盲源分离算法的分离精度和稳定性.实验结果表明,提出的改进盲源分离算法可以有效地分离线性瞬时混合信号.与其它算法相比,该算法具有更优异的分离性能,并具有更快的收敛速度.