期刊文献+

基于稀疏元分析的欠定混叠自适应盲分离方法 被引量:7

原文传递
导出
摘要 传统盲分离理论假设源信号相互独立,通常采用独立元分析方法等实现盲分离,无法解决实际应用中出现的欠定混叠、相关源信号混叠等挑战性盲分离问题.稀疏元分析是国际上最近出现的一个新的研究热点,稀疏元分析盲分离方法具有实现欠定混叠盲分离和相关源信号混叠盲分离的能力,因而为广大研究人员所关注.但到目前为止,对于稀疏元分析的研究还很不成熟,特别是非常欠缺有效的算法.仅有的少数几个算法仍然面临许多问题,比如:基于Lewicki和Sejnowski(2000)所给Lewicki-Sejnowski自然梯度的稀疏元分析方法,是目前讨论欠定混叠盲分离的一种有效自适应算法,它较通常的K-均值聚类法有更多的优势.但Lewicki-Sejnowski自然梯度只是一种近似表示,缺乏严格的理论依据.由稀疏元分析代价函数出发,基于矩阵理论以及文中所建立的一个新的数学公式,从理论上导出了一个新的且严格的自然梯度,从而为这类稀疏元分析方法提供了严格的理论基础.在此基础上,给出了稀疏信号欠定混叠的新自适应盲分离算法.该方法具有实现欠定混叠和相关源混叠盲分离的能力(见仿真1).仿真结果表明,所给的新自然梯度比Lewicki-Sejnowski自然梯度更为稳定可靠,同时算法具有较好的抗噪性.
出处 《中国科学(E辑)》 CSCD 北大核心 2007年第8期1086-1098,共13页 Science in China(Series E)
基金 国家杰出青年科学基金(批准号:60325310) 国家自然科学基金(批准号:U0635001 60505005 60674033) 广东省自然科学团队研究项目(批准号:04205783) 教育部重大基础前期研究专项基金(批准号:2005CCA04100) 华南理工大学博士后创新科学基金 广东省自然科学基金(批准号:05103553 05006508)资助项目
  • 相关文献

参考文献26

  • 1Cao X R, Liu R W. General approach to blind source separation. IEEE Trans Signal Process, 1996, 44:562-571 被引量:1
  • 2Comon E Independent component analysis, a new concept? Signal Process, 1992, 36(3): 287-314 被引量:1
  • 3Suzuki K, Kiryu T, Nakada T. Fast and precise independent component analysis for high field fMRI time series tailored using prior information on spatiotemporal structure. Hum Brain Mapp, 2001, 15:54-66 被引量:1
  • 4Lu W, Rajapakse J C. Constrained ICA. NIPS, 2000:570-576 被引量:1
  • 5Lu W, Rajapakse J C. ICA with reference. In: Proc ICA2001. 120-125 被引量:1
  • 6Bell A J, Sejnowski T J. An information-maximization approach to blind source separation and blind deconvolution, Neural Comput, 1995, 7:1129-1159 被引量:1
  • 7谢胜利,章晋龙.基于旋转变换的最小互信息量盲分离算法[J].电子学报,2002,30(5):628-631. 被引量:15
  • 8Hyvarinen A, Oja E. A fast fixed-point algorithm for independent component analysis. Neural Comput, 1997, 9(7): 1483-1492 被引量:1
  • 9Hyvarinen A. Blind source separation by nonstationarity of variance: A cumulant-based approach. IEEE Trans Neural Netw, 2001, 12(6): 1471-1474 被引量:1
  • 10Matsuoka K, Ohya M, Kawamoto M. A neural net for blind separation of nonstationary signals. Neural Netw, 1995, 8(3): 411-419 被引量:1

二级参考文献10

  • 1Puntonet C.G., Prieto A., Ortega J.. New geometrical approach for blind separation of sources mapped to a neural network. In: Proceedings of the International Workshop on Neural Networks for Identification, Control, Robotics, and Signal/Image Processing, Venecia, Italia, 1996, 174~182. 被引量:1
  • 2Puntonet C.G., Prieto A.. Geometric approach for blind separation of signals. Electronics Letters, 1997, 33(10): 835~836. 被引量:1
  • 3Mansour A., Puntonet C.G., Ohnishi N.. A simple ICA algorithm based on geometrical approach. In:Proceedings of the 6th International Symposium on Signal Processing and its Appications, Kuala-Lampur, Malaysia, 2001, 1: 13~16. 被引量:1
  • 4Mansour A., Ohnishi N., Puntonet C.G.. Blind multiuser separation of instantaneous mixture algorithm based on geometrical concepts. Signal Processing, 2002, 82(8): 1155~1175. 被引量:1
  • 5Beloouchrani A., Amin M.G.. Blind source separation based on time-frequency signal representations. IEEE Transactions on Signal Process, 1998, 46(11): 2888~2897. 被引量:1
  • 6Hyvarinen A., Oja E.. Independent component analysis: Algorithms and applications. Neural Networks, 2000, 38(13): 411~430. 被引量:1
  • 7Taro Yamaguchi, Katsuhisa Hirokawa, Kazuyoshi Itoh. Independent component analysis by transforming a scatter diagram of mixtures of signals. Optics Communications, 2000, 173(1~6): 107~114. 被引量:1
  • 8谭丽丽,韦岗.卷积混叠信号的最小互信息量盲分离算法[J].通信学报,1999,20(10):49-55. 被引量:14
  • 9谭丽丽,韦岗.多输入多输出盲解卷问题的最大熵解法[J].电子学报,2000,28(1):114-116. 被引量:13
  • 10谢胜利,章晋龙.基于旋转变换的最小互信息量盲分离算法[J].电子学报,2002,30(5):628-631. 被引量:15

共引文献19

同被引文献145

引证文献7

二级引证文献112

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部