【doc】盲源分离自适应算法的统一形式.docVIP

盲源分离自适应算法的统一形式 第42卷第4期 2OO2年7月 大连理工大学 JournalofDalianUniversityofTechnology Vol_42,NO.4 Ju1.2002 文章编号:1000—8608(2002)04—0498—06 盲源分离自适应算法的统一形式 林秋华,殷福亮 (大连理工大学电子与信息工程学院,辽宁大连116024) 摘要:通过合理的推导与转换,统一了几种不同的盲源分离自适应算法,指出了这些盲源分 离自适应算法之间的区别与联系,给出了该统一形式中非线性函数选取的稳定性原则.提出 了在稳定的前提下,兼顾算法多种性能的非线性函数综合择优准则.计算机模拟实验结果验 证了该准则的有效性. 关键词:自适应算法;非线性函数;算法稳定性/盲源分离;独立成分分析 中图分类号:TN911.72文献标识码:A 盲源分离(blindsourceseparation,简称 BSS)技术是信号处理领域的一个活跃分支.它 是指在既不知道源信号的分布,又不知道源信号 的混合模型的情况下,仅利用一组已知的源信号 的混合信号,来恢复或提取独立的源信号.它的 主要特点是仅仅利用非常微弱的先验信息,即可 对信号进行处理.盲源分离技术可用于语音分 离,无线通信,生物医学,地震勘探等许多领 域[1卅].例如,从一组混叠的语音信号中恢复每 个讲话人的纯净语音,便是语音盲源分离问题,又 称鸡尾酒会效应[】]. 盲源分离的研究始于1986年,由Herault和 Jutten开创,并从2O世纪9O年代迅速发展起 来[2].其中,对源信号瞬时线性混合情况的盲源 分离算法的研究进展较快,至今已形成基于信息 论,统计学,神经网络等理论的几大类盲源分离算 法[2].这些算法按学习性质又可分为批处理(离 线)学习算法,如Comon的ICA(independent componentanalysis)算法[4;自适应(在线)学习 算法,如信息最大化法¨,最小互信息法[5],负熵 最大化法引,最大似然估计法,非线性 PCA(principalcomponentanalysis)法L8j,以及 Bussgang法[9]等.其中,有些算法在提出之时或 提出之后,已由研究者说明了它与其他算法之间 的关系~a.ao3,但均限于零散,缺乏系统性.T.w. Lee首次系统地将不同的盲源分离算法用信息论 的框架统一起来,导出了几乎相同的学习算法或 信息论差异函数n1].最近,Cardoso又系统研究 了应用非高斯性,非平稳性和时间相关性进行盲 源分离的3种方法,揭示了三者之间的内在联 系[1引.这些工作对人们更加深入地理解盲源分离 机理具有重要的作用. 本文通过合理的推导与转换,从另一角度统 一 几种不同的盲源分离自适应算法,指出这些算 法之间的区别与联系,并给出该统一形式中非线 性函数选取的稳定性原则,说明兼顾算法分离性 能,鲁棒性及收敛速率等多种必要性能的非线性 函数综合择优准则,并选取3种不同的非线性函 数进行了分离两个混叠语音信号的计算机模拟实 验. 1盲源分离问题描述 若假设源信号数目与传感器数目相等且等于 Ⅳ,则瞬时线性混合情况下的简单盲源分离模型 收稿日期:2001一i0—23;修回日期:2002-04—2O. 基金项目:国家自然科学基金资助项目;教育部跨世纪优秀人才培养计划基金资助项目(2oo1);教育部青年骨干教师科 研基金资助项目(2000). 作者简介:林秋华(1969一),女,讲师;殷福~(1962-),男,教授,博士生导师. 第4期林秋华等:盲源分离自适应算法的统一形式 如图1所示.s(￡)一(1(￡)…SN(￡))表示t 时刻Ⅳ维源信号,其各分量(￡)为标量信号且互 相统计独立,即 P(s)一P1(1)XP2(2)X…×PⅣ(Ⅳ)一 N IIP()l一1 式中:P(s)为S(￡)的联合概率密度函数,P(5)为 各分量Si(￡)的边缘概率密度函数. !,JAI型,1wI!.I.......-J1.......-J 图1简单的盲源分离模型 Fig.1SimplemodelofBSS 假设A为Ⅳ×Ⅳ维混合矩阵;(): (z(￡)…z(￡))表示t时刻Ⅳ维源信号的混 合信号;W为Ⅳ×Ⅳ维分离矩阵;(￡)一 ((￡)…UN(￡))表示t时刻Ⅳ维源信号的恢 复信号.源信号的混合过程用矩阵形式可表示为 X(￡)=As(￡)(1) 则分离过程可表示为 U(￡)一Wx(￡)一WAs(￡)一PDs()(2) 式中:P是一置换阵,D是一对角阵. 若经过计算使得分离矩阵w满足WA—PD, 那么源信号S(￡)便得以恢复[4].恢复后的信号 U(￡)与源信号S(￡)相比,在幅度和顺序上可能有 所变化,这被称为盲源分离的不确定性L4].然而, 这