估计盲信源分离混合矩阵的通用方法

混合矩阵的估计是解决盲信源分离问题的关键一步,但现有研究中缺乏一种同时适用于适定、超定及欠定情况下混合矩阵估计的通用方法。根据张量标准分解的因子矩阵和盲信源分离混合矩阵的估计均存在幅值和排列顺序的不确定性这一性质,将混合矩阵的估计转化为观测信号统计量所组成张量的标准分解问题,标准分解采用循环最小化方法,通过交替最小二乘算法实现。理论分析和仿真实验表明,所提方法可有效解决适定、超定和欠定混合矩阵的估计,是一种估计盲信源分离混合矩阵的通用方法。     

HT-LSM的欠定混合盲信号分离方法的研究

利用Hough变换可以检测观测空间中的直线方向从而确定混叠矩阵的方法,提出了欠定盲源分离中估计混叠矩阵的一种新算法——HT-LSM算法。该算法在介绍欠定盲信号分离基本原理的基础上,介绍基于Hough变换的盲信道估计算法,并将改进后的Hough变换与最小二乘法相结合,在不影响检测结果速度的同时又进一步提高了检测精度,应用到欠定语音信号分离中,取得了良好的实验效果。     

基于Pearson系统模型的盲信号分离研究

独立分量分析是盲源分离的主流技术.自然梯度算法是其中非常重要的算法之一.介绍一种最大似然框架下的Pearson系统模型.该方法的优点是无须知晓信号的概率分布,实验结果表明,该算法能有效地分离随机混合的信号,特别对于非对称源有比同类算法更理想的效果.     

嵌入共轭梯度法的混合蛙跳算法

针对基本蛙跳算法在处理复杂函数优化问题时求解精度低且易陷入局部最优的缺点,提出了一种嵌入共轭梯度法的混合蛙跳算法。该算法在基本蛙跳算法划分模因组的基础上引入共轭梯度法,由于基本蛙跳算法模因组的划分规则,使得排在最后的青蛙子群个体位置较差,严重影响着整个群体的寻优速度,因而选取排列在后面的一部分模因组使用共轭梯度法进行求解,这使得算法在进化中后期易跳出局部最优,提高了算法的收敛精度。所得混合蛙跳算法有效结合了基本蛙跳算法较强的全局搜索能力和共轭梯度法快速精确的局部搜索能力。数值实验结果表明,所提出的改进蛙跳算法较基本蛙跳算法具有更高的收敛精度,避免了陷入局部最优的缺点,且优化结果更加稳定。     

基于序列子集共轭梯度的超分辨率图像重构

提出一种基于序列子集共轭梯度最优化算法的超分辨率图像重建算法。通过图像配准算法估计得到不同低分辨率图像间的平移和旋转量,结合期望图像的统计先验对问题进行规整,建立优化的代价函数。利用序列子集共轭梯度最优化迭代算法求解,得到高分辨率图像。仿真结果表明,该算法可以使内存降低15％,运算速度提高20％。     

基于共轭梯度的自适应运动估计

运动估计是影响基于帧间视频压缩速度的关键,快速运动估计算法一直是视频压缩中的研究热点.为了提高运动估计速度从搜索速度入手,采用了共轭梯度式的自适应运动估计.考虑到边缘部分梯度方向的不确定性,在边缘部分采用的是广义Wolfe线搜索,在非边缘部分则采用了强Wolfe线搜索.试验表明,该算法能以较小的代价得到较好的搜索效果.     

基于信号稀疏特性和核函数的非线性盲信号分离算法

文章结合核函数,把基于信号稀疏特性的线性盲分离方法应用于非线性混叠情况而给出了一种非线性混叠信号盲分离算法。该算法首先将混叠信号映射到高维核特征空间,其次,在核特征空间中构造一组正交基,通过这组正交基将高维核特征空间的信号映射到这组正交基张成的参数空间中,从而把非线性混叠信号盲分离问题转化为参数空间的线性混叠信号盲分离问题。最后,在参数空间中,应用基于信号稀疏特性的线性盲分离方法对信号进行分离。该算法收敛精度较高,稳定性好。仿真结果表明该算法是有效的,具有良好的分离性能。     

高斯混合模型盲信号分离方法的CUDA实现

对一组线性瞬时混合信号,采用高斯混合模型拟合各个独立源的概率密度分布进行分离,其复杂度随信号源数量、高斯混合模型阶数的增加急剧上升。提出用统一计算设备架构(compute unified device architecture,CUDA)对该分离方法进行设计,实现该方法的并行加速处理。实验结果表明,此加速方案可以有效降低该盲分离方法的时间复杂度。     

基于品质函数估计的非线性盲源分离算法

研究非线性盲源信号分离优化问题。由于混合信号同时包含超高斯和亚高斯信号且混合信号具有很强的非线性时,传统的非线性盲源分离算法中对于品质函数的选取一般都是通过经验,现有算法难以取得理想的分离效果。在Pearson模型的基础上提出了一种新的估计品质函数的方法,算法能够成功地估计出次高斯(sub-Gaussian)和超高斯(super-Gaussi-an)混合信号的品质函数,同时克服了Pearson模型对同类信号只能估计得到相同的品质函数的缺陷,提高了算法的估计精度。通过在MATLAB仿真验证了算法的可行性和有效性,成功估计出源信号的品质函数且实现了非线性盲源分离。     

基于约束NMF的欠定盲信号分离算法*

提出一种约束非负矩阵分解方法用于解决欠定盲信号分离问题。非负矩阵分解直接用于求解欠定盲信号分离时,分解结果不唯一,无法正确分离源信号。本文在基本非负矩阵分解算法基础上,对分解得到的混合矩阵施加行列式约束,保证分解结果的唯一性;对分解得到的源信号同时施加稀疏性约束和最小相关约束,实现混合信号的唯一分解,提高源信号分离性能。仿真实验证明了本文算法的有效性。     

基于共轭梯度法改进的人工鱼群算法*

在基本人工鱼群算法中引入共轭梯度法,得到改进的人工鱼群算法。基本人工鱼群算法对每条人工鱼分别进行聚群算子和追尾算子,若更新结果没有得到改善则进行觅食算子,由于觅食算子具有很大的随机性,这样不能保证每次更新都是有价值的,本文用共轭梯度法代替此时的觅食算子,也就是如果人工鱼利用聚群算子和追尾算子更新,如果没有得到改善,利用共轭梯度法对该条鱼进行更新。在人工鱼群更新过程中引入共轭梯度法,减少随机性,增强人工鱼个体的局部寻优能力,确保人工鱼每次更新都会得到改善,从而加快人工鱼群算法收敛速度。数值试验结果表明,所得改进人工鱼群算法具有更快的收敛速度,同时收敛精度也得到一定提升。     

后非线性混叠信号盲源分离算法综述

结合非线性盲源分离研究不断发展的现状,选取最常见的后非线性混叠信号盲源分离问题为对象,综述其算法,介绍了解混叠模型,说明了基于广义Gram-Schmit正交化构造解的存在性及非唯一性.在此基础上,阐释了分离方法和思路,概述了基于互信息最小化的独立性测度,并分析评述了不断涌现的后非线性盲源分离典型算法.最后指出,目前关于后非线性盲源分离算法的研究存在的共性问题,并对进一步的研究方向进行了展望.     

Blind source separation with unknown and dynamically changing number of source signals

The contrast function remains to be an open problem in blind source separation (BSS) when the number of source signals is unknown and/or dynamically changed. The paper studies this problem and proves that the mutual information is still the contrast function for BSS if the mixing matrix is of full column rank. The mutual information reaches its minimum at the separation points, where the random outputs of the BSS system are the scaled and permuted source signals, while the others are zero outputs. Using the property that the transpose of the mixing matrix and a matrix composed by m observed signals have the indentical null space with probability one, a practical method, which can detect the unknown number of source signals n, ulteriorly traces the dynamical change of the sources number with a few of data, is proposed. The effectiveness of the proposed theorey and the developed novel algorithm is verified by adaptive BSS simulations with unknown and dynamically changing number of source signals.     

基于最大信息理论和共轭梯度寻优的ICA算法

独立分量分析是一种将观测向量分解为若干个独立统计的分量的一种统计学方法。提出了一种新的独立分量分析方法,该方法在最大信息理论的基础上引入目标函数,并利用共轭梯度搜索算法替代自然梯度算法,推导出用于训练转换矩阵的学习方程。运用核密度函数估算方法自适应地估算学习方程中包含的评价函数项。仿真结果表明,提出的基于独立分量分析的共轭梯度算法在求解盲源分离问题中切实有效。     

Optimal control of the wave propagation problem with the extended conjugate gradient method

Thus paper formulates and solves an optimal control problem subject to the wave propagation equation, employing the Extended Conjugate Gradient Method (ECGM). New optimal state and control solutions were obtained with their surface plots.     

A scaled conjugate gradient method for nonlinear unconstrained optimization

We propose a new optimization problem which combines the good features of the classical conjugate gradient method using some penalty parameter, and then, solve it to introduce a new scaled conjugate gradient method for solving unconstrained problems. The method reduces to the classical conjugate gradient algorithm under common assumptions, and inherits its good properties. We prove the global convergence of the method using suitable conditions. Numerical results show that the new method is efficient and robust.     

A sufficient descent conjugate gradient method and its global convergence

In this paper, a DL-type conjugate gradient method is presented. The given method is a modification of the Dai–Liao conjugate gradient method. It can also be considered as a modified LS conjugate gradient method. For general objective functions, the proposed method possesses the sufficient descent condition under the Wolfe line search and is globally convergent. Numerical comparisons show that the proposed algorithm slightly outperforms the PRP+ and CG-descent gradient algorithms as well as the Barzilai–Borwein gradient algorithm.     

一种改进的共轭梯度法及全局收敛性

在DY共轭梯度法的基础上对解决无约束最优化问题提出一种改进的共轭梯度法．该方法在标准wolfe线搜索下具有充分下降性，且算法全局收敛．数值结果表明了该算法的有效性．最后将算法用于SO2氧化反应动力学模型的非线性参数估计，获得满意效果．     

The complex dynamic of conjugate gradient method

Conjugate gradient method is a root-finding algorithm to non-linear equations. In this paper, we suggest extending this method for a polynomial to the complex plane. Through the experimental and theoretical mathematics method, we drew the following conclusions: (1) the conjugate gradient is a dynamical system with two complex parameters; (2) locally conditions for convergence to any roots of complex functions is given; (3) the conjugate gradient method may fail to converge to all roots for cubic with three simple roots; (4) the boundary of conjugate gradient basins are fractals in some cases, and depends on the parameters; (5) the algorithm is then improved by introducing a method to determine the optimal parameters.