改进的自然梯度变步长盲源分离算法
【技术领域】
[0001] 本发明属于盲源分离炬lindSourceS巧aration,BS巧技术领域，具体设及一种 改进的自然梯度变步长盲源分离算法。
【背景技术】
[0002] 目前基于独立分量分析（IncbpendentComponentAnalysis,ICA)的盲信号分离 算法在生物医学工程、语音增强、通信系统和机械故障诊断等信号处理领域应用广泛。盲源 分离算法按具体解决途径分为自适应算法和批处理算法。批处理算法数值稳定性较好，但 需要预先已知大量的观测数据，不宜进行实时的在线信号分离。自适应算法计算量小，计算 时间短，且适于非平稳环境，因而被广泛应用，该算法主要有EASI算法，化st-ICA算法，随 机梯度算法，迭代求逆算法和自然梯度算法。该类算法最关键的部分是平衡收敛速度和稳 态误差之间的矛盾。故本发明考虑采用正交约束下的变步长盲源分离算法对非平稳信号进 行处理，来提高收敛速度和降低稳态误差。本方法的研究为非平稳信号的处理提供了一种 新思路。
【发明内容】
[0003] 本发明为了解决现有的盲源分离算法在收敛速度和稳态误差上不能达到平衡的 问题，提供了改进的自然梯度变步长盲源分离算法。
[0004] 本发明是采用如下的技术方案实现的：改进的自然梯度变步长盲源分离算法，包 括W下步骤：
[0005] 第一步：收集源信号S(t)并随机产生混合矩阵A，利用混合矩阵A对源信号S(t) 进行线性混合，得到混合信号x(t);
[0006] 第二步：对初始化分离矩阵W(t)、自相关矩阵Rx(t)和学习步长y(t)初始化；
[0007] 第S步：加入正交约束，对分离矩阵W(t)进行正交约束处理，
【主权项】
1.改进的自然梯度变步长盲源分离算法，其特征在于包括以下步骤： 第一步：收集源信号S (t)并随机产生混合矩阵A，利用混合矩阵A对源信号S (t)进行 线性混合，得到混合信号x(t); 第二步：对初始化分离矩阵W(t)、自相关矩阵Rx(t)和学习步长μ (t)初始化； 第三步：加入正交约束，用瞬时误差控制变步长进行迭代，对分离矩阵W(t)进行正交 约束处理，
，自相关矩 阵」
Rx (O)为自相关矩阵Rx (t)的初始化值； 第四步：计算估计信号y(t)，瞬时误差E(t) = I IwrxWt-II ΙΛ则步长迭代公式为
离矩阵更新公式为：w(t+l) = W(t) + y (t+1) [I-f(y(t))yT(t)]W(t)，激活函数取 f (y(t)) = y3(t)，迭代得到估计信号y(t)和分离矩阵W(t); 第五步：依据y(t)绘制恢复的源信号波形。
【专利摘要】本发明属于盲源分离技术领域，具体涉及一种改进的自然梯度变步长盲源分离算法。该算法主要包括以下步骤：随机产生混合矩阵，对源信号进行线性混合，得到3个混合信号；初始化分离矩阵、自相关矩阵和学习步长；加入正交约束，用瞬时误差控制变步长进行迭代；计算估计信号；依据绘制恢复的源信号波形。本发明提出了基于正交约束的自然梯度盲分离算法，该算法通过对恢复信号的强度进行约束，保证了非平稳环境下分离过程的稳定性；使收敛加快且提高了分离精度，非平稳环境下的信号幅度变化无常且变化频率较快，因而传统的分离方法很难处理，因此发明的相关技术具有先进性和前瞻性。
【IPC分类】G06K9-62
【公开号】CN104866866
【申请号】CN201510234534
【发明人】张锦, 刘婷, 李灯熬
【申请人】太原理工大学
【公开日】2015年8月26日
【申请日】2015年5月8日