论文部分内容阅读
摘 要：本文首先介绍了盲源分离的背景和基本理论，针对自然梯度盲源分离算法中存在的缺陷，在算法的当前自适应迭代规则中，部分的加入前一时刻的抽头系数的更新量，这样就起到了提高系统收敛速度和跟踪速度的目的，同时也改善了算法的分离性能。本文还在可变动量因子的算法中加入了自适应的步长，这样既可以加快算法的收敛速度，同时又可以减小算法的稳态误差，起到了优化算法的作用。
关键词：盲源分离；自然梯度；动量项
中图分类号： D920.4 文献标识码： A 文章编号： 1673-1069（2016）19-156-3
0 引言
盲源分离（Blind Source Separation， BSS）是一种新的信号处理方法，在20 世纪 80 年代发展起来。它是指在源信号和混合系统均在未知的情况下，仅利用传感器测得的实际观测信号来估计源信号的方法。由于盲源分离在信号分离方面具有其他方法所无法实现的性能，因此，已被广泛应用到许多科学研究领域中。从混合模型来看，盲源分离问题主要分为瞬时混合、卷积混合和非线性混合三种，其中以线性瞬时混合模型的盲源分离研究最为常见。
关键词：盲源分离；自然梯度；动量项
中图分类号： D920.4 文献标识码： A 文章编号： 1673-1069（2016）19-156-3
0 引言
盲源分离（Blind Source Separation， BSS）是一种新的信号处理方法，在20 世纪 80 年代发展起来。它是指在源信号和混合系统均在未知的情况下，仅利用传感器测得的实际观测信号来估计源信号的方法。由于盲源分离在信号分离方面具有其他方法所无法实现的性能，因此，已被广泛应用到许多科学研究领域中。从混合模型来看，盲源分离问题主要分为瞬时混合、卷积混合和非线性混合三种，其中以线性瞬时混合模型的盲源分离研究最为常见。