基于梯度的变参数自适应白化算法.doc

基于梯度的变参数自适应白化算法 高颖1；赵晓晖2；(1. 烟台大学 光电信息科学技术学院 烟台 264005；2. 吉林大学 通信工程学院，) 摘要：收敛速度和稳态误差的矛盾遏，提出了一种盲分离算法。该算法基于的自适应更新规则。仿真实验表明算法平稳和非平稳环境下具有的性能TN911 文献标识码：A Gradient Based Adaptive Weighting Algorithm with Variable Parameters OU Shi-feng1; ZHAO Xiao-hui2; GAO Ying1 (1. Institute of Science and Technology for Opto-electronic Information, Yantai University, Yantai 264005, China; 2. College of Communication Engineering, Jilin University, Changchun 130012 China) Abstract: The conflict of convergence rate and misadjustment in steady state is always a big problem for sequential blind source separation (BSS). In this paper, a fire-new framework by adaptively combining two separation systems was proposed for BSS in an attempt to put together the best properties of them. A smoothing factor was used to adjust the proportion of the two components, and its adaptive updating rule was obtained based on the stochastic gradient schemes of the cost function. The resulting algorithm is shown to outperform its two components in both stationary and non-stationary environments. Keywords: blind source separation; convergence; misadjustment in steady state; adaptive; step size 0 前言* 盲源分离技术是近年来信号处理领域新涌现出来的热点问题之一，它是指在对信号源和传输信道都没有任何先验知识的情况下，仅根据信号的统计特性从观测信号中对源信号进行恢复的过程。由于这一技术对信号源与传输信道的要求很少甚至不做要求，它在语音信号、生物医学工程、无线通信、数字图象处理等方面都有着重要的应用[1-2]。 目前，人们对于混合信号的在线盲分离问题已研究出许多成熟有效的自适应学习方法，它们包括：信息最大化算法、自然梯度算法、迭代求逆算法及递归最小二乘算法等[3-6]，这些算法具有牢固的理论基础和可靠的分离性能，但其都存在一个步长因子的选取问题，也就是算法的收敛速度与其稳态性能之间矛盾的优化问题。在分离的初始阶段或混合系统参数发生变化时，人们期望选取较大的步长因子，以便算法具有较快的收敛速度和对时变系统的跟踪能力；在分离的后期收敛阶段，则希望算法保持较小的步长以便系统获得较小的稳态误差。上述几种分离算法多采用固定数值的步长因子，因此不能兼顾系统对于时变系统跟踪能力、算法收敛速度和稳态误差的要求。为解决这一问题，人们相继提出了一些变步长盲源分离算法：文献[7]根据信号分离状态的相依性测度，提出一种分阶段学习算法，它在每个阶段的步长因子由信号的分离程度自适应选取。文献[8]则从系统输出信号的互信息出发，推导出了一种峭度自适应学习率盲源分离算法，其自适应学习率仅依赖于系统输出峭度平方和的负指数。文献[9]根据粒子群优化[10]和文献[11]则根据EASI算法和符号自然梯度算法，利用不同的代价函数分别提出了一种梯度自适应变步长算法。文献[12]与[13]则基于分离度和目标函数最小化的理念，设计了有效的步长自适应自然梯度算法。以上基于各种理论的变步长算法不同程度地缓解了分离系统收敛速度与稳态性能之间的矛盾，且对于时变混合系统具有一定的实时跟踪能力。但由于盲源分离是一种典型的无监督学习，其在收敛过程中没有确定的参量来描述系统所