任童信号源盲分离算法性能研究.pdfVIP

任意信号源盲分离算法性能研究 杨坤德，马远良，史仪凯 (西北工业大学，西安，710072) ThePerformanceofBlindSeparationforArbitrarySourceSignals YangKunde,MaYuanliang (NorthwesternPolytechinicalUniversity,Xian,710072) 1.引言 常用的盲分离算法有二阶统计量方法、高阶累积量方法、信息最大化 (Infomax)以及独 立成分分析(ICA)等。这些方法取得最佳性能的条件总是与源信号的概率密度函数假设有关， 一旦假设的概率密度与实际信号的密度函数相差甚远，分离性能将大大降低。本文提出采用 核函数密度估计的方法进行任意信号源的盲分离，并通过典型算例与几种盲分离算法进行了 性能比较，验证了方法的可行性。 2.问题描述 考虑线性瞬时混合盲源分离问题:X(0二AS(t),S(t)是N个统计独立的信号源，服从 高斯分布的分量不多余一个;X(t)是观测到的N个混合信号;A是NxN的满秩混合矩阵。 盲分离问题在以上条件下可解，即寻找分离矩阵W使其输出:Y(0二WX(0的各分量也相互 独立，此时Y(t)就是原始信号S(t)的恢复，WA为一广义排列矩阵。Y(t)相互独立隐含着其 联合概率密度P(Y)为各分量边缘密度A(Yj)的乘积。 信号源盲分离的最大似然法采用如下形式的对照函数: 。(，)=-0.51ogd[etW(WT)』一艺Nj=11log，，(，，) (1) 采用自然梯度降算法对上式进行最小化，得到了以下求解分离矩阵的学习规律: W(k+1)=W(k)+fU(I一E[f(Y)YT])W (2) 其中u为学习率，E为期望算子，常用采样平均代替，I为单位矩阵，f(Y)是混合信号 的评价函数 (ScoreFunction)，定义为: =一dlogP,(y)=_ (3) f(Y)=[f(y,)，儿(Y2)，…，九(YN)]T，1;(y) dy; 由于源信号未知，现有盲分离算法中普遍采用非线性函数代替信号的评价函数。源信号 能否有效地分离与源本身的概率密度函数和选择的非线性函数有关，因此，如何根据源的特 性来选择非线性函数就是十分关键的问题。 3.混合分布信号源盲分离算法 针对存在超高斯、亚高斯分布的混合信号，以下列举了典型的几种盲分离算法。 3.1ExtICA算法 Lee[ll提出扩展Infomax算法以分离具有超高斯和亚高斯分布特性的源信号，非线性函数 采用固定的双曲正切函数，并用一个开关函数来切换其符号。 西北工业大学 “英才培养计划”基金资助 417 3.2AC算法 Cichocki2[l与其合作者对著名的Hi网络进行了改进，通过在网络中增加自反馈，从而大 大改善了分离算法的性能。AC自适应学习算法在分离过程中采用两个非线性函数: W(k+1)=W(k)+P(，一.f(Y)g(YT))W(k) (4) ! ! tanh(ly0,) K0. tanh(ly)0 K-0. - 哎 - ‘ f(y)一 l gi(y)- 1 (5) e s t yi