基于互信息量最小化的循环平稳信号盲源分离算法-信号与信息处理专业论文.docxVIP

太原 太原理工大学硕士研究生学位论文 太原现工大学硕士研究 太原现工大学硕士研究 生学位论文 PAGE PAGE 3 PAGE PAGE 8 离算法的研究的重大突破。同年， Tong(2 1)分析了盲源分离问题的可分离性和不确定性， 并且提出了基于高价统计量的矩阵分解方法。在此基础上， Cardoso 于 1993 年提出 了一 种基于高价统计量联合近似对角化的盲源分离算法，但其计算最大，收敛速度慢。 Comon[221等人于 1994 年系统地研究并总结了 盲源分离算法中的瞬时混合模型，并 且对主分量分析 C Principle Component Analysis ，PCA) 算法进行了扩展 ，形成了独立分 量分析 C lndependent Component Analysis，ICA) 算法， 目前，独立分量分析已成为 自源 分离的基础算法。 1995 年，BeU(23)等人以信息论为基础，以信息最大化(In formation Maximization) 为代价函数，得到信息最大 化盲源分离算法，当笋，法中的非线性 函数逼近源信号的概率 分布函数时，可以成功地实现多个超高斯信号的分离， 1同是，该算法对高斯和亚高斯信 号的分离有一定的局限性。由 于 该算法采用的是常规梯度算法，在迭代公式的推导过程 中要涉及到矩阵的求逆运算，因此，该算法的收敛速度相对较慢