论文部分内容阅读
提出了基于相关熵的盲源分离算法．与传统独立成分分析（ICA）方法利用四阶统计量或时间结构的盲源分离不同，该算法从信息理论学习中的相关熵概念出发，利用相关熵中蕴涵的各偶数阶统计信息，通过参数化中心相关熵与独立性测度的关系，建立代价函数，并通过优化算法对其进行寻优，从而得到解混矩阵并分离出源信号。仿真结果表明，在分离超高斯混合源和次高斯混合源时，分离性能优于传统的ICA方法。