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。     

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。     

基于局部梯度的神经网络非均匀性校正算法

为了解决传统神经网络算法在用于红外焦平面阵列(Infrared Focal Plane Array,IRFPA)非均匀性校正(Non-Uniformity Correction,NUC)时所面临的边缘模糊、收敛速度慢等问题,通过引入图像局部梯度特性对该算法进行了改进。通过用局部梯度相似度信息构造权值函数来对区域进行加权滤波,可以保留图像边缘信息。在迭代运算中,将梯度幅值加权的自适应参数规整因子加入了误差损失函数,并引入梯度幅值相关的自适应步长用以代替传统的固定步长,从而进一步提升了算法的校正效果和收敛速度。然后对算法的性能曲线和校正结果进行了分析。结果表明,与传统算法相比,改进的神经网络校正算法取得了更好的校正效果,其校正误差稳定低于前者,实现了有效抑制边缘模糊和提升收敛速度的目标。     

一种提取频移键控信号的独立分量分析算法

针对传统自然梯度 ICA算法对移频轨道电路 FSK信号提取的不稳定和精确度受限问题,提出一种基于白化的变步长自然梯度 ICA 算法。仿真实验表明,相比于传统的自然梯度 ICA算法,基于白化的变步长自然梯度 ICA 算法的串音误差曲线更平稳,稳态误差值更小,对 FSK 信号的检测和提取具有更稳定、准确的消噪性能。     

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。     

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。     

新变步长自适应算法及其时延估计性能

针对已有的变步长自适应算法收敛速度和稳态误差矛盾的问题,提出了一种新的变步长最小均方自适应滤波算法。新的算法在类S函数的基础上,引入调节因子P对步长函数的形状进行实时调整,并以误差的自相关时间均值估计调节步长,使得算法在初始时具有较快的收敛速度,稳态时有更平滑的步长变化。在新算法中引用最大似然加权算法进一步抑制自适应滤波器权系数伪峰。将新算法和最大似然加权应用在自适应时延估计的实验中,结果表明:在已有参数固定的条件下,新提出的算法具有更快的收敛速度和更小的稳态误差。同时,时延估计实验中能有效地实现信噪比-3 dB以上的准确时延估计。     

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。     

一种新的变步长ICA自适应算法

结合互信息极小的优化判据，基于估计函数期望平方准则、外点法和最速下降法的思想，本文导出了一种新的变步长独立分量分析(ICA)自适应算法。该算法克服了固定步长在分离矩阵推导过程中出现的稳态失调问题，比基于模拟退火步长的ICA算法有更快的仞始收敛速度和较高的分离精度。同时，该算法还具有较好的时变系统跟踪能力。理论分析和仿真计算结果证实了其可以有效地提高ICA的自适虚性，更准确地完成盲信号分离。     

基于自适应步长ICA的CO-OFDM系统的偏振效应均衡研究

提出一种基于自适应步长独立成分分析(ICA)法的 信道均衡算法,用于相干光正交频分复用 (CO-OFDM)系统偏振效应的补偿。基于50Gbit/s 16QAM CO-OFDM系统,偏振效应严重影响其系统传输性 能。接收端在完成系统公共相位误差(CPE)补偿后,用本文所提 算法对系统偏振效应进行 盲均衡,根据每次迭代中信道频响分离矩阵的变化量自适应调整迭代步长,然后进行 盲相互干扰(ICI)相位噪声 补偿。仿真结果表明,本文算法的系统性能补偿效果接近于差分群延迟(DGD) 为零时 的系统性能,从而证明本文算法可以有效补偿偏振效应对高速光CO-OFDM系统 性能的 劣化。与固定步长ICA算法相比,本文算法能够极大地提高了迭代算法的收敛速度,极大 地降低了算法复杂度。     

Adaptive Step-Size Natural Gradient ICA Algorithm with Weighted Orthogonalization

To improve the stability of the traditional natural gradient independent component analysis (ICA) algorithm and the accuracy of its separated results, a adaptive step-size natural gradient ICA algorithm with weighted orthogonalization is proposed. First, to take advantage of the pre-whitening pre-processing and keep the equivariance property of the ICA algorithm, based on the weighted orthogonal constraint on the separating matrix without pre-whitening of observed signals, weighted orthogonalization is introduced after the traditional gradient update. Then, according to the error estimation from the smoothed distance between separated outputs and optimal outputs, we obtain two adaptive step sizes based, respectively, on an unconstrained natural gradient ICA process and a weighted orthogonalization process. Simulation experiment results show that the speed of convergence of the adaptive step-size natural gradient ICA algorithms with weighted orthogonalization are faster than the traditional one; also, the stability of the algorithms and the accuracy of the separated results are improved observably.     

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。     

平方根变步长lp范数LMS算法的稀疏系统辨识

针对稀疏未知系统的辨识问题,提出了一种基于lp(0相似文献   

一种自适应算法的语音信号盲分离

盲信号处理算法主要有批处理算法和自适应算法两类,本文导出了一种批处理和自适应相结合的快速独立分量分析（Fast Independent Component Analysis, Fast ICA）算法,将该算法应用于语音信号盲分离处理,通过综合实验,从分离前后的波形、频谱图和主要评价参数说明该算法具有良好的信号分离效果。与扩展联合对角化（The Joint Approximative Diagonalization ofEigenmatrix,JADE）算法和自然梯度（Natural Gradient,NG）算法比较, fast ICA算法具有更好的分离效果。      

时变混合共轭梯度盲提取算法

针对传统独立分量分析(ICA)方法对时变信道跟踪能力较差的问题,提出了一种时变混合共轭梯度盲提取算法。该算法有效利用了各源信号的时序结构差异,仅利用其二阶统计量解决了具有不同功率谱密度的信号的分离,而无须估计信号的概率密度和计算高阶累积量,减少了运算的复杂度并可用于杂系信号混合的盲分离问题;同时,算法利用仅具有一个全局最优解的凸代价函数,采用计算简单并具有较好数值表现的自适应共轭梯度算法进行迭代,获得了更快的收敛速度和更好的稳定性能。仿真结果表明,该算法与传统ICA算法相比,具有对时变系统更好的跟踪能力。      

基于加权加速正交迭代算法的相机位姿估计

单目视觉中的位姿估计是三维测量中的一个关键问题,在机器视觉、精密测量等方面运用广泛。该问题可通过n点透视（PnP）算法求解,正交迭代算法（OI）作为PnP算法的代表,因其高精度的优点在实际中得到了广泛运用。为了进一步提高OI算法的稳健性和计算效率,提出了一种加权加速正交迭代算法（WAOI）。该方法首先根据经典正交迭代算法推导出加权正交迭代算法,通过构建加权共线性误差函数,利用物点重投影误差更新权值,达到迭代优化位姿估算结果的目的;在此基础上,通过自适应权值,整合每次迭代过程中平移向量以及目标函数的计算,减少迭代过程中的计算量,从而实现算法的加速。实验表明,在12个参考点中存在两个粗差点的情况下,WAOI的参考点重投影精度为0.64 pixel,运算时间为8.02 ms,精度高且运行速度快,具有较强的工程实用价值。     

Complex Adaptive ICA Employing the Conjugate Gradient Technique for Signal Separation in Time-Varying Flat Fading Channels

The conjugate gradient method is a prominent technique for solving systems of linear equations and unconstrained optimization problems, including adaptive filtering. Since it is an iterative method, it can be particularly applied to solve sparse systems which are too large to be handled by direct methods. The main advantage of the conjugate gradient method is that it employs orthogonal search directions with optimal steps along each direction to arrive at the solution. As a result, it has a much faster convergence speed than the steepest descent method, which often takes steps in the same direction as earlier steps. Furthermore, it has lower computational complexity than Newton’s iteration approach. This unique tradeoff between convergence speed and computational complexity gives the conjugate gradient method desirable properties for application in numerous mathematical optimization problems. In this paper, the conjugate gradient principle is applied to complex adaptive independent component analysis (ICA) for maximization of the kurtosis function, to achieve separation of complex-valued signals. The proposed technique is called the complex block conjugate independent component analysis (CBC-ICA) algorithm. The CBC-ICA derives independent conjugate gradient search directions for the real and imaginary components of the complex coefficients of the adaptive system employed for signal separation. In addition, along each conjugate direction an optimal update is generated separately for the real and imaginary components using the Taylor series approximation. Simulation results confirm that in dynamic flat fading channel conditions, the CBC-ICA demonstrates excellent convergence speed and accuracy, even for large processing block sizes.     

基于小波变换的变步长LMS自适应滤波算法

变步长LMS自适应滤波算法通过构造合适的步长因子有效的解决了传统LMS算法收敛速度和稳态误差相矛盾的问题.变换域LMS自适应滤波算法通过正交变换降低了输入信号矩阵的相关性,提高了算法的收敛速度.将这两种算法相结合,提出了一种新的基于小波变换的变步长LMS自适应滤波算法.仿真结果表明,该算法无论是收敛速度还是稳态误差都有了很大的提高.