優(yōu)化加權因子的自然梯度算法設計及研究.pdf

1、長期以來，盲源分離問題都是信號處理領域的研究熱點。盲源分離理論的實質(zhì)就是利用接收器接收到的混合信號來實現(xiàn)對源信號的分離。由于分離過程中的諸多未知因素，因此經(jīng)過盲分離處理后所得到的分離信號實際上是源信號的估計值。盲源分離技術在很多領域都有著廣泛的運用，如生物醫(yī)學、圖像處理、雷達定位、通信傳輸以及地震勘探等領域。
　　本文針對自然梯度組合型算法，提出了優(yōu)化其加權因子的改進策略。加權因子可以實時地調(diào)整各子分離系統(tǒng)在整個系統(tǒng)中的比重，進而

2、影響算法的收斂速度以及穩(wěn)態(tài)誤差。本文提出的該改進策略,不但使加權因子突破了傳統(tǒng)組合算法中加權因子的取值必須介于[0,1]之間的限制,而且明顯地提高了算法的收斂速度,并降低了算法收斂時的穩(wěn)態(tài)誤差。全文具體工作主要包括三部分:
　　首先，介紹盲源分離問題的基本理論，包括：研究背景、發(fā)展過程以及國內(nèi)外取得的相關進展；盲源分離的數(shù)學模型、分類以及預處理；盲源分離算法，尤其是自適應算法；并給出了評價盲源分離算法分離性能的指標。
　　其

3、次，深入研究盲源分離算法中的自然梯度算法的基本原理，包括：自然梯度算法以及動量項自然梯度算法。針對自然梯度算法收斂速度緩慢的不足，融入動量項技術，可以有效地提高算法的收斂速度。通過MATLAB仿真實驗，分析自然梯度算法和動量項自然梯度算法的分離性能，發(fā)現(xiàn)后者的收斂速度較前者得到有效改善，但穩(wěn)態(tài)誤差較前者沒有減弱，甚至略有惡化。
　　最后，針對動量項自然梯度算法中穩(wěn)態(tài)誤差惡化的缺陷，可采用傳統(tǒng)的動量項自然梯度算法的組合型盲源分離系統(tǒng)