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。     

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。     

基于等变化自适应源分离算法的滚动轴承故障信号自适应盲提取

针对复杂工况下滚动轴承故障信号盲提取问题,该文提出一种独立分量分析(ICA)中非线性函数自适应选择方法,解决了等变化自适应源分离算法(EASI)在多类振动源共存的情况下无法分离轴承故障信号的问题。此外,为了解决在线盲分离算法稳态误差与收敛速率的平衡问题,提出基于模糊逻辑的自适应迭代步长选择方法,极大地提高了学习算法的收敛速度,且稳态误差更小。轴承故障数据的盲提取仿真结果验证了算法的性能。     

基于自然梯度的语音盲分离算法

对于自适应自然梯度算法,选择步长参数以达到好的分离性能是非常必要的。提出了一种步长自适应自然梯度算法。由于该算法中的步长基于分离状态,其学习速率由信号的分离程度自适应选取,因而能很好地解决收敛速度与稳态误差之间的矛盾。计算机模拟试验结果显示,该算法优于传统的自然梯度算法。     

一种新的自适应步长ICA算法

学习速率的优选问题是自适应ICA算法中的一个重要问题。文中定义了描述信号分离状态的去相关性测度。以此为基础提出一种新的自适应步长选取算法,算法将信号分离过程分为3个阶段,在不同的阶段采用不同的步长选取方法。有效地解决了算法的稳态误差和收敛速度之间的矛盾,其仿真结果证实,该算法不仅在平稳环境中具有较快的收敛速度,而且具有良好的稳态性能和数值稳定性。     

基于步长自适应的盲信号分离

本文提出一种在盲信号分离中利用模糊控制理论对步长进行自适应调节的方法，它可以使得原有的Ｈ－Ｊ算法具有更快的收敛速度，满足分离时变信号的要求，一些模拟结果证明，该算法是一种安全有效的算法。     

基于改进EASI算法的DS-CDMA信息码与伪码盲估计

针对直扩序列码分多址(DS-CDMA)系统多用户检测的问题,提出了一种基于性能指标(PI)变步长EASI算法信息码与伪码盲估计的算法.该算法在比较盲源分离(BSS)和DS-CDMA系统模型的基础上,用自适应的方法估计混合矩阵进而估计出伪码,并利用分离矩阵分离观测信号从而估计出信息码.另外,该算法利用PI值来调整步长,使算法收敛速度和稳定性能达到一个理想平衡点.实验结果显示,该算法具有很好的抗多址干扰(MAI)的能力,伪码和信息码的误码率分别在-10 dB和0 dB时达到10-2以下;对不同用户数,5dB时所有扩频码被完全正确检测的概率几乎都在80％以上.     

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。     

结合辅助分离系统的变步长盲源分离算法

 针对盲源分离算法中步长因子的自适应选取问题,本文基于分离性能指标与步长因子的对应关系,提出了一种新的变步长盲源分离算法.该算法通过结合一个受限的辅助分离系统,重新构造系统分离性能指标,并根据该指标参数呈指数趋势下降的变化规律来获取步长因子的自适应更新.平稳和非平稳环境下的仿真实验表明:相对于固定步长和新近的自适应变步长算法,本文提出的算法拥有更快的收敛速度和更小的稳态误差.     

Equivariant adaptive source separation

Source separation consists of recovering a set of independent signals when only mixtures with unknown coefficients are observed. This paper introduces a class of adaptive algorithms for source separation that implements an adaptive version of equivariant estimation and is henceforth called equivariant adaptive separation via independence (EASI). The EASI algorithms are based on the idea of serial updating. This specific form of matrix updates systematically yields algorithms with a simple structure for both real and complex mixtures. Most importantly, the performance of an EASI algorithm does not depend on the mixing matrix. In particular, convergence rates, stability conditions, and interference rejection levels depend only on the (normalized) distributions of the source signals. Closed-form expressions of these quantities are given via an asymptotic performance analysis. The theme of equivariance is stressed throughout the paper. The source separation problem has an underlying multiplicative structure. The parameter space forms a (matrix) multiplicative group. We explore the (favorable) consequences of this fact on implementation, performance, and optimization of EASI algorithms     

改进的独立分量分析在语音分离中的应用

对于自适应盲分离算法,选择步长参数以达到理想的分离性能是必要的。结合基于估计函数的可变步长自适应优化方法,提出了基于负熵的自适应算法,有效提高了算法的收敛速度,降低了算法性能对步长的依赖性。仿真实验证明了此改进算法具有较好的分离效果。     

一种新的变步长自适应滤波算法及分析

现有的变步长自适应滤波算法可分为步长一致和步长非一致两种情况,本文着重对步长一致的情况进行分析讨论,给出了统一的表达式,并定性地提出了步长变化的准则.同时在分析了几种现有变步长自适应滤波算法的基础上,提出了一种新的变步长自适应滤波算法.理论分析和不同情况下的仿真实验结果都表明,新算法能够符合文中提出的变步长准则,在保持算法简单的同时能够满足收敛速度,跟踪能力和收敛精度的要求.     

A robust variable step-size LMS-type algorithm: analysis andsimulations

A number of time-varying step-size algorithms have been proposed to enhance the performance of the conventional LMS algorithm. Experimentation with these algorithms indicates that their performance is highly sensitive to the noise disturbance. This paper presents a robust variable step-size LMS-type algorithm providing fast convergence at early stages of adaptation while ensuring small final misadjustment. The performance of the algorithm is not affected by existing uncorrelated noise disturbances. An approximate analysis of convergence and steady-state performance for zero-mean stationary Gaussian inputs and for nonstationary optimal weight vector is provided. Simulation results comparing the proposed algorithm to current variable step-size algorithms clearly indicate its superior performance for cases of stationary environments. For nonstationary environments, our algorithm performs as well as other variable step-size algorithms in providing performance equivalent to that of the regular LMS algorithm     

一种基于平滑窗口法的盲分离复数算法

通过对传统盲源分离批处理EASI算法的分析,针对时变信道中通信信号的复数形式,以平滑窗的形式实现了批处理算法在时变混合模型下的应用。通过主分量分析的原理,进行噪声方差估计,改进传统独立分量分析算法消除噪声影响。通过仿真证明,在噪声较大的情况下性能优于传统算法。     

基于分块自适应的在线Infomax及其扩展算法

自适应在线Infomax及其扩展算法适用于非平稳环境下的信号分离,具有广泛应用。本文结合批处理分离算法和自适应在线分离算法的优点,提出了分块自适应在线分离算法。并详细推导了基于在线Infomax及其扩展算法的分块自适应更新公式。在此基础上,还推导了一种基于峭度方差调整步长的分块在线变步长公式。仿真结果表明,新算法具有在线算法适用于非平稳环境的优点,在与传统自适应在线算法分离效果相当的条件下,运算量大大降低,数据处理时间大大减少。