一種優(yōu)化動(dòng)量因子的盲分離算法論文(已修改)
2025-07-01 05:49 本頁面
【正文】 一種優(yōu)化動(dòng)量因子的非線性主分量分析算法摘 要 盲源分離算法收斂速度和穩(wěn)態(tài)誤差存在沖突，針對(duì)這一問題提出了通過引入動(dòng)量項(xiàng)并且對(duì)動(dòng)量因子進(jìn)行優(yōu)化的方法來使收斂速度和穩(wěn)態(tài)誤差之間沖突達(dá)到最小。該算法通過優(yōu)化的動(dòng)量項(xiàng)使非線性主成分分析的代價(jià)函數(shù)最速下降，從而使算法收斂速度加快。仿真實(shí)驗(yàn)證明了本文算法在平穩(wěn)及非平穩(wěn)環(huán)境下具有比LMS 和RLS更好的分離性能。關(guān)鍵詞 動(dòng)量項(xiàng) , 非線性主成分分析 , 自適應(yīng) , 盲源分離A new NPCA algorithm for blind source separationAbstract This paper addresses the problem of blind source separation (BSS) and presents an optimum momentum factor which makes the nonlinear principal ponent analysis (NPCA) cost function descend in the fastest way. By using the momentum item in selfstabilized NPCA algorithm, the new algorithm minimums the contradiction between convergence speed and steadystate error. Simulations show that the new algorithm has faster convergence than the existing leastmeansquare（LMS）algorithms and recursive leastsquares (RLS) algorithm for BSS in stationary and nonstationary environments.Key words momentum factor , NPCA , adaptive , blind source separation盲源分離是指從未知觀測信號(hào)的線性混合信號(hào)中恢復(fù)出相互獨(dú)立的源信號(hào)，線性混合系數(shù)是未知的。由于這是實(shí)際應(yīng)用中經(jīng)常遇到的問題，近年來盲源分離在信號(hào)處理和通信方面引起廣泛關(guān)注?，F(xiàn)有的盲源分離算法分為批處理算法和自適應(yīng)算法兩大類。批處理算法復(fù)雜度高，需要對(duì)大量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理，自適應(yīng)算法復(fù)雜度低，對(duì)數(shù)據(jù)邊輸入邊處理，具有可以實(shí)現(xiàn)混合信號(hào)在線處理的實(shí)時(shí)性特點(diǎn)，故自適應(yīng)在線算法得到廣泛研究和應(yīng)用。盲源分離算法中非線性主分量分析法采用自適應(yīng)算法，同大多數(shù)算法一樣存在收斂速度和穩(wěn)態(tài)誤差沖突的問題。為緩和這一沖突，通過改變步長參數(shù)使兩者平衡, 但變步長算法通常需要引入多個(gè)調(diào)節(jié)參數(shù), 調(diào)節(jié)參數(shù)具有不確定性且部分算法易陷入局部極小點(diǎn), 不能實(shí)現(xiàn)對(duì)于突變環(huán)境的快速跟蹤，因此本文提出通過引入動(dòng)量項(xiàng)來加快收斂速度。但是固定動(dòng)量因子過大時(shí)可能導(dǎo)致發(fā)散，過小時(shí)可能算法收斂太慢。針對(duì)這一問題，本文提出通過對(duì)動(dòng)量因子進(jìn)行優(yōu)化，基于傳統(tǒng)最小均方算法（LMS）和動(dòng)量項(xiàng)LMS算法推導(dǎo)出使算法的收斂速度和穩(wěn)態(tài)誤差之間矛盾最小化的最優(yōu)化動(dòng)量因子迭代公式
公司管理相關(guān)推薦
鄂ICP備17016276號(hào)-1