| 一类基于多变量密度估计的盲源分离方法 |
| |
| 引用本文： | 何振亚,杨绿溪,刘琚,鲁子奕,何晨.一类基于多变量密度估计的盲源分离方法[J].电子与信息学报,2001,23(4):345-353. |
| |
| 作者姓名： | 何振亚 杨绿溪 刘琚 鲁子奕 何晨 |
| |
| 作者单位： | 1. 东南大学无线电工程系
2. 上海交通大学电子工程系 |
| |
| 摘 要： | 该文给出了一类独立源信号盲分离的训练算法。该类算法都以测度概率密度函数的Kullback-Leibler距离作为目标函数,用来衡量源信号各分量的独立性。该文利用多变量概率密度估计技术和自然梯度优化算法,使目标函数最小化,得出了两种分离算法。计算机仿真结果表明了算法的有效性。并与Infomax算法比较,性能较优。
|
| 关 键 词： | 盲源分离 多变量密度估计 互信息 统计独立 |
| 收稿时间： | 1999-4-14 |
| 修稿时间： | 1999年4月14日 |
A CLASS OF APPROACHES FOR BLIND SOURCE SEPARATION BASED ON MULTIVARIATE DENSITY ESTIMATION |
| |
| He Zhenya,Yang Luxi,Liu Ju,Lu Ziyi,He Chen.A CLASS OF APPROACHES FOR BLIND SOURCE SEPARATION BASED ON MULTIVARIATE DENSITY ESTIMATION[J].Journal of Electronics & Information Technology,2001,23(4):345-353. |
| |
| Authors: | He Zhenya Yang Luxi Liu Ju Lu Ziyi He Chen |
| |
| Affiliation: | Radio Eng. Dept., Southeast University Nanjing 210096 China;Electronic Eng. Dept., Shanghai Jiaotong University Shanghai 200030 China |
| |
| Abstract: | A class of learning algorithms is drived for blind separation of independent source signals in this paper. These algorithms are based on minimizing a contrast function defined in terms of the Kullback-Leibler distance. By utilizing the technique of multivariate density esti-mation, two types of separating algorithms are obtained. Simulations illustrate the effectiveness of the algorithms. |
| |
| Keywords: | Blind sources separation Multivariate density estimation Mutual information Statistical independent |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《电子与信息学报》浏览原始摘要信息 |
|
点击此处可从《电子与信息学报》下载全文 |
