| | | | | 基于自适应核估计的ICA算法 | | | 马丽艳;邬诚;马艳荣;李少华 | | | 在自然梯度算法的框架下,本文利用随机变量概率密度函数非参数估计的自适应核函数法,给出了一种能够对任意混合信号(超高斯和亚高斯信号,对称和非对称分布信号)进行盲分离的算法。本算法无需选择非线性函数,而是根据信号的统计特性自动地直接估计评价函数。通过仿真实验,验证了本文算法的有效性。
【作者单位】：中国地质大学数学与物理学院 武汉430074
【关键词】：自适应核估计;盲源分离;独立成分分析
【基金】：国家自然科学基金(编号:60672049)资助
【分类号】：TN911.7
【DOI】：CNKI:ISSN:1672-7940.0.2007-02-002
【正文快照】：
1引言独立成分分析(independent component anal-ysis,ICA)的发展是和盲信源分离(blind sourceseparation,BSS)紧密联系的,是信号处理领域在20世纪90年代后期发展起来的一项新的信号分解技术。“盲”指对混合方式几乎未知,对原始信号进行很少的假设。解决这个问题通常假定源信 | | | | | |  推荐 下载CAJ全文  下载PDF全文 | | | CAJViewer7.0阅读器支持所有CNKI文件格式，AdobeReader仅支持PDF格式 | | | | ICA Algorithm Based on Adaptive Kernel Estimation | | | Ma Liyan;Wu Cheng;Ma Yanrong;Li Shaohua(School of Mathematics and Physics;China University of Geosciences;Wuhan 430074;China) | | | Under the frame of natural gradient algorithm,an ICA algorithm based on adaptive kernel estimation is proposed,which can separate arbitrary mixed signals(such as super-Gaussian and sub-Gaussian,symmetric and asymmetric signals).This algorithm does not need to choose non-linear function artificially,but automatically estimates score function according to the statistic identity of signals.Simulations show that this algorithm can successfully separate mixed signals.
【Keyword】：adaptive kernel estimation;blind source separation(BSS);independent component analysis(ICA) |
| | | | | | 1 | S. Amari, A. Cichocki and H. H. Yang; A New Learning Algorithm for Blind Signal Separation [M];; 1996年 | | 2 | Karvanen J,,Eriksson J,Koivunen V; Maximum likely-hood estimation of ICA model for wide class of source dis-tributions[C [M];Processing of the2000IEEE Work-shop on Neural Networks for Signal Processing X; 2000年 | | 3 | Silverman B W; Density estimation for statistics and dataanalysis [M];; 1998年 | | 4 | Cardoso J F,Souloumiac A; Blind beam forming for non-Gaussian signals [M];IEE Proc.F; 1995年 | | 5 | Comon P; Independent component analysis,A new con-cept? [M];Signal Processing; 1994年 | | 6 | Hyvarinen A,Oja E; A fast fixed-point algorithm for in-dependent component analysis [M];Neural Computation; 1998年 | | 7 | Lee T W,Girolami M,Sejnowski T; Independent compo-nent analysis using an extend infomax algorithm for mixedsub-Gaussian and super-Gaussian sources [M];NeuralComputation; 1998年 | | 8 | Zhang X D,Zhu X L,Bao Z; Grading learning for blindsource separation [M];Science in China(Series F); 2003年 |
|
| | | | | | 1 | 马艳荣,马丽艳,张玉洁; 基于似P范数FOCUSS的稀疏信号盲分离 [J]; 工程地球物理学报; 2007年04期 | | 2 | 汪太月,李志明; 一种广义高斯分布的参数快速估计法 [J]; 工程地球物理学报; 2006年03期 | | 3 | 董建华,顾汉明,张星; 几种时频分析方法的比较及应用 [J]; 工程地球物理学报; 2007年04期 | | 4 | 程村,邹辉; 多尺度Kalman滤波图像复原 [J]; 工程地球物理学报; 2007年01期 | | 5 | 杨迪威,李少华,沈远彤; 基于粒子群优化算法的小波神经网络 [J]; 工程地球物理学报; 2007年06期 | | 6 | 余其品,郑文武,朱云辉,余俊聪; 石栏及网装石坝在泥石流沟处治中的应用 [J]; 工程地球物理学报; 2007年06期 | | 7 | 王宏志,刘丽丽,郭金英; 噪声中的谐波恢复方法研究 [J]; 长春工业大学学报(自然科学版); 2008年01期 |
|
| | | | | | 1 | A Swami; Multiplicative noise medels: Parameter estimation using cumulants [M];Signal Processing; 1994年 | | 2 | T W Lee, M Girolami, T J Sejnowski; Independent component analysis using an extended infomax algorithm for mixed sub-Gaussian and super-Gaussian sources [M];Neural Computation; 1999年 | | 3 | C Jutten, J H erault; Blind separation of sources, Part I: an adaptive algorithm based on a neuromimet-ic architecture [M];Signal Processing; 1991年 | | 4 | J F Cardoso; Blind signal separation: statistical principles [M];Proc. of the IEEE; 1998年 | | 5 | Zhenwen Shi, Huanwen Tang, Yiyuan Tang; Anew fixed-point algorithm for independent component a-nalysis [M];Neuocomputing; 2004年 | | 6 | G Zhou, G B Giannakis; On estimating random amplitude modulated harmonics using higher - order spectra [M];IEEE Journal of Oceanic Engr; 1994年 | | 7 | Cardoso J F; High-order Contrasts for Independent Component Analysis [M];Neural Computation; 1999年 | | 8 | A Bell, T Sejnowski; An information-maximization approach to blind separation and blind deconvolution [M];Neural Computation; 1995年 | | 9 | Boscolo R, Pan H, Roychowdhury V P; Independent Component Analysis Based on Nonparametric Density Estimation [M];IEEE Trans on Neural Networks; 2004年 | | 10 | A Hyvarinen, E Oja; A fast fixed-point algorithm forindependent component analysis [M];Neural Computation; 1998年 |
|
| | | | | | 1 | 袁金焕,李钢虎,张宏科; 基于盲源分离技术的一种信号处理方法研究 [J];声学技术; 2005年01期; 52-56 | | 2 | 程水英; 盲源分离理论的思维方式 [J];发明与创新; 2004年12期; 14 | | 3 | 马丽艳,邬诚,马艳荣,李少华; 基于自适应核估计的ICA算法 [J];工程地球物理学报; 2007年02期; 12-16 | | 4 | 姜卫东,高明生,陆佶人; 基于两个频点的水声信号盲源分离 [J];声学技术; 2004年04期; 3-6 | | 5 | 刘琚,聂开宝,何振亚; 线性混迭信号中独立源的盲提取 [J];应用科学学报; 2001年03期; 24-27 | | 6 | 宋蕾,张立毅; 对基于变动量项前馈神经网络盲源分离算法的研究 [J];科技情报开发与经济; 2007年09期; 169-170 | | 7 | 倪晋平,马远良,张忠兵; 一种强干扰下超弱水声信号自适应盲分离的快速算法 [J];声学技术; 2002年03期; 38-41 | | 8 | 吴微东,庄哲民; 基于盲源分离的一种快速独立分量分析算法 [J];汕头大学学报(自然科学版); 2004年02期; 59-63 | | 9 | 刘琚,杜正锋,梅良模; 基于Wigner-Ville分布的非平稳信号盲分离 [J];山东大学学报(理学版); 2003年01期; 75-77+81 | | 10 | 刘琚,梅良模,何振亚; 一种盲信号分离的信息理论方法 [J];山东大学学报(自然科学版); 1998年04期; 40-45 |
|
| | | | | | 1 | 章新华; 盲源分离技术及其水声信号处理中的应用 [A];2004年全国水声学学术会议论文集 [C]; 2004年 | | 2 | 刘丁,赵艳,钱富才; 一种新的基于联合对角化的混合信号分离算法 [A];2004中国控制与决策学术年会论文集 [C]; 2004年 | | 3 | 关欣,滕建辅,李锵,苏育挺; 基于时间延时自相关和四阶累积量的盲音频信号分离 [A];无线传感器网及网络信息处理技术——2006年通信理论与信号处理年会论文集 [C]; 2006年 | | 4 | 王颖翠; 一种基于自然梯度的卷积混合频域盲源分离算法 [A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集 [C]; 2003年 | | 5 | 马守科,何选森; 一种改进的变步长在线盲分离算法 [A];2006通信理论与技术新进展——第十一届全国青年通信学术会议论文集 [C]; 2006年 | | 6 | 金涛,阙沛文; ICA的发展及其在信号处理领域的应用 [A];全国第十五届计算机科学与技术应用学术会议论文集 [C]; 2003年 | | 7 | 何雯,李文元,刘梧林,王丽军; 一种基于独立分量分析的盲多用户检测算法 [A];中国通信学会国防通信技术委员会学术研讨会论文集 [C]; 2006年 |
|
|
|