一种改进的自适应不完整自然梯度盲源分离算法

与自然梯度盲源分离算法相比,不完整自然梯度算法避免因源信号非平稳或幅值快速变化而引起的数值不稳定.在深入分析和推导该算法的基础上,针对其中非线性激活函数难以确定的困难,提出一种利用峰度对激活函数进行自适应选择的改进算法.该算法无需已知源信号的先验信息,既保留了不完整自然梯度算法恢复非平稳源信号的优势,又可使其适用于服从任意分布的源信号.仿真比较结果表明,该方法性能优于选择正切函数作为激活函数的不完整自然梯度算法,分离效果较好.     

基于自然梯度的盲分离算法混合气体分析

结合盲分离算法和热催化传感器特性,对混合气体进行分离,讨论了混合气体分析的盲可分离性.使用一个热催化传感器,引用自然梯度的盲分离算法对CH4和CO的混合气体进行分析和验证.实验结果表明,此方法可有效地分析CH4和CO的浓度,提高了分析精度.     

基于自然梯度的盲分离算法的混合气体分析

结合盲分离算法和热催化传感器特性,对混合气体进行分离,讨论了混合气体分析的盲可分离性。使用一个热催化传感器,引用自然梯度的盲分离算法对CH4和CO的混合气体进行分析和验证。实验结果表明,此方法可有效地分析CH4和CO的浓度,提高了分析精度。     

一种新的用于语音分离的盲源分离算法

提出了一种基于自然梯度的语音盲分离改进算法。该算法首先使用奇异值分解（SVD）的方法对观测信号进行预白化处理,而后使用自然梯度算法对预白化处理后的观测信号进行分离。通过计算机模拟试验,结果显示该算法能够有效地分离随机混合的自然语音信号。     

信源数动态变化的自适应盲分离算法

分析了信源数未知或信源数目动态变化时，超定盲信号分离(源信号个数n<观测信号个数m)问题中自然梯度算法发散的原因。在此基础上，构造了一种新的自适应盲分离算法。该算法不仅克服了已有算法不能稳定收敛的缺点，而且在信源数动态变化的情况下，无须根据输出分量间的关系去除冗余分量，大大简化了算法的计算量与复杂度。仿真结果验证了该算法的收敛稳定性与分离的有效性。     

基于分值函数估计的自然梯度盲分离算法

分值函数估计的准确性是影响自然梯度盲分离算法收敛速度和稳定性的一个重要因素.提出了一种通过函数逼近直接估计分值函数的方法.用一组正交多项式的线性组合来逼近分值函数,其性能用均方误差来衡量.线性组合的系数向量可运用分值函数的性质,通过最小化均方误差自适应学习得到.将估计到的分值函数代入自然梯度迭代公式中就得到新算法.实验...     

基于分级迭代变步长的自然梯度盲源分离算法

自然梯度算法是处理盲源分离问题的一个重要方法.自然梯度算法的分离速度与稳态性能之间存在矛盾,步长增大收敛速度加快,但是稳态误差随之增大.自适应变步长算法是解决收敛速度与稳态误差之间的矛盾的有效手段.基于原有自适应算法,提出了一种分级迭代变步长算法,更好地解决了算法存在的收敛速度与稳态误差的矛盾.仿真结果表明,该算法具有更快的分离速度和更好的稳态性能.     

一种非平稳环境下的自适应变步长盲源分离算法

提出一种基于不完整自然梯度的变步长约束算法,用来处理非平稳环境下的瞬时盲源分离问题.该算法利用系统上的扰动对代价函数进行约束,对算法中的约束因子采用自适应形式,根据分离情况对约束因子进行自适应调整,以加快收敛速度.同时,引入基于代价函数梯度的变步长,使其具有更好的跟踪性能.仿真结果表明,在非平稳环境下,所提出的算法在提高收敛速度的同时可以有效分离源信号而不产生严重的稳态误差.     

时变混合系统的自适应动量项快速盲源分离算法

现有的多数盲源分离算法都是假设混合系统是时不变的,然而在实际的通信系统中混合系统常常是时变的。提出一种渐变的时变混合系统模型,并针对该渐变模型和现有的突变模型提出了收敛速度较快的盲源分离算法,该算法使用均方误差指数加权和的形式定义代价函数,并且在算法学习过程中引入了自适应动量项。仿真结果表明,所提算法在时变环境中较现有算法有更快的收敛速度,能有效地跟踪时变混合系统,并能抗多音干扰。     

NGA实现互信息量最小化的盲源分离

提出了一种新的盲源分离算法,该算法通过自然梯度算法实现互信息量最小化,从而达到盲源分离的最佳效果。由于互信息量具有度量分离信号的循环相关矩阵和单位阵的相似程度的特性,最小互信量标志着分离矩阵最佳的状态。通过自然梯度寻优算法来实现互信息量的最小化,从而得到理想的分离矩阵。仿真结果表明算法对具有循环平稳特性的源信号分离效果显著,且收敛速度快。     

自适应动量项BP神经网络盲均衡算法

为了消除数字信号在传输过程中产生的码间串扰,使得接收端能够正确解调,对信道畸变进行有效补偿,在基于动量项BP神经网络盲均衡算法的基础上,提出一种能够自适应调节BP神经网络动量项的盲均衡算法.该算法根据盲均衡过程中误差函数的变化情况,自适应调节BP神经网络的动量项,充分发挥动量项在避免网络训练陷于较浅的局部极小点的优势.仿真实验结果表明,该算法在稳定性及收敛性能上均优于固定动量BP神经网络盲均衡算法.     

峭度自然梯度盲分离改进算法

自然梯度算法有较快的收敛速度、良好的分离性能,在盲信号分离中占有重要地位。但该算法是基于固定步长的,所以不能很好地解决收敛速度与稳态误差之间的矛盾。通过建立步长因子与峭度的平方和之间的非线性关系,提出了一种自适应的自然梯度算法。计算机仿真结果证实了该算法的有效性,并说明了该算法明显优于自然梯度算法。     

奇对称误差函数变动量因子盲均衡算法

在分析奇对称误差函数判决反馈盲均衡算法（OFA-DFE,Odd symmetry error Function blind equalization Algorithm based Decision Feedback Equalizer）基础上,提出了基于奇对称误差函数变动量因子判决反馈动量盲均衡算法（VMFMOFA-DFE,Variable Momentum Factor Momentum OFA-DFE）。该算法采用具有奇对称性的误差函数来减少均衡器的均方误差,利用变因子的思想对动量项进行控制,并把变动量因子引入到判决反馈算法中,对判决反馈的前向权进行调整,以进一步提高算法的性能。水声信道的仿真结果表明,该算法具有较快的收敛速度和较小的均方误差。     

Adaptive improved natural gradient algorithm for blind source separation

We propose an adaptive improved natural gradient algorithm for blind separation of independent sources. First, inspired by the well-known backpropagation algorithm, we incorporate a momentum term into the natural gradient learning process to accelerate the convergence rate and improve the stability. Then an estimation function for the adaptation of the separation model is obtained to adaptively control a step-size parameter and a momentum factor. The proposed natural gradient algorithm with variable step-size parameter and variable momentum factor is therefore particularly well suited to blind source separation in a time-varying environment, such as an abruptly changing mixing matrix or signal power. The expected improvement in the convergence speed, stability, and tracking ability of the proposed algorithm is demonstrated by extensive simulation results in both time-invariant and time-varying environments. The ability of the proposed algorithm to separate extremely weak or badly scaled sources is also verified. In addition, simulation results show that the proposed algorithm is suitable for separating mixtures of many sources (e.g., the number of sources is 10) in the complete case.     

基于新阈值函数小波变换的噪声盲分离算法*

将一种基于偏差去除技术的自然梯度算法应用于噪声盲分离中,估计出分离矩阵,并采用一种新的小波阈值函数对已分离出的含噪信号进行去噪处理。通过计算机仿真验证,该算法分离效果良好,盲分离结果具有更高的信噪比。     

Natural gradient-based recursive least-squares algorithm for adaptive blind source separation

This paper focuses on the problem of adaptive blind source separation (BSS). First, a recursive least-squares (RLS) whitening algorithm is proposed. By combining it with a natural gradient-based RLS algorithm for nonlinear principle component analysis (PCA), and using reasonable approximations, a novel RLS algorithm which can achieve BSS without additional pre-whitening of the observed mixtures is obtained. Analyses of the equilibrium points show that both of the RLS whitening algorithm and the natural gradient-based RLS algorithm for BSS have the desired convergence properties. It is also proved that the combined new RLS algorithm for BSS is equivariant and has the property of keeping the separating matrix from becoming singular. Finally, the effectiveness of the proposed algorithm is verified by extensive simulation results.     

基于盲源分离技术的自适应电力谐波检测算法研究

将Fast-ICA盲源分离算法与自适应自然梯度算法相结合,构建了一种基于盲源分离技术的自适应电力谐波检测算法,并对算法进行了数学证明及仿真研究。结果表明,该算法对电网中的谐波信号测量是一种有效的方法。