DEBBSS信号源盲分离算法的研究

摘要：

在基于人工神经网络的信号源盲分离算法中,普遍需要使用通过源信号的概率密度函数定义的评价函数(score function)作为网络的激活函数(Activation function).由于信号源未知,因此无法获得有关评价函数的信息,传统的方法是利用某些特定的非线性函数来替代源信号的评价函数.这种利用非线性函数替代源信号评价函数的方法能够成功地实现同系混合(homogeneous mixture)信号的盲分离,但都不能分离杂系混合(hybrid mixture)信号.文献[1]利用非参数法概率密度函数估计的核函数方法,通过对源信号评价函数的直接估计,提出了一种基于概率密度函数估计的DEBBBS算法,成功地解决了非线性函数替代方法存在的不能分离杂系混合信号的问题.笔者通过数值仿真,比较了DEBBBS算法与著名的EASI算法,证明新算法分离杂系混合信号的有效性.同时,也进一步将DEBBSS算法与同样能够分离杂系混合信号的EXTICA算法进行了比较,计算机仿真过程证明,即使与同样能够分离杂系混合信号的EXTICA算法相比,DEBBSS算法在算法的有效性和稳定性方面也表现出优异的性能.

关键词：信号源盲分离、独立分量分析、概率密度函数估计、核函数方法

所属期刊栏目：34

分类号：TN911.3

在线出版日期：2006-06-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：253-258