融合動量項技術(shù)的盲源分離算法研究.pdf

1、學(xué)號：分類號：TN911.7碩士學(xué)位論文融合動量項技術(shù)的盲源分離算法研究研究生姓名：張艷芹指導(dǎo)教師：高穎學(xué)科門類：工學(xué)專業(yè)名稱：電子與通信工程論文提交日期：201446摘要摘要源信號經(jīng)過混合系統(tǒng)后得到混合信號，在源信號和混合系統(tǒng)都未知的情況下，僅僅根據(jù)已知的混合信號分離求解出源信號，這一技術(shù)稱為盲源分離。其中求解信號即是對原始的源信號的估計，盡管二者在幅度和次序上有差異，但并不影響對源信號主要特征的準(zhǔn)確判定。盲源分離技術(shù)應(yīng)用廣泛，其應(yīng)用

2、領(lǐng)域涉及腦功能成像領(lǐng)域、經(jīng)濟計量學(xué)領(lǐng)域、圖像特征提取領(lǐng)域和神經(jīng)網(wǎng)絡(luò)領(lǐng)域。本文在簡單介紹了盲源分離技術(shù)的意義、歷史發(fā)展以及國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，主要研究了線性瞬時混合模型下的自適應(yīng)盲源分離問題。尤其對基于最小均方算法和遞歸最小二乘算法的盲源分離算法進行了討論研究，并針對最小均方算法的不足之處進行了改進，給出了更有效的新型算法。具體內(nèi)容如下：首先，介紹了盲源分離算法的基本理論，包括盲源分離的線性瞬時混合模型、混合信號的可分離性和盲源分離中

3、存在的不確定性問題，補充了算法中用到的基礎(chǔ)知識，主要包括隨機向量和獨立性、梯度優(yōu)化方法、估計理論、負熵和預(yù)處理中的中心化和白化及盲源分離的評價指標(biāo)。其次，簡單介紹了非線性主分量分析算法中的主分量的定義、推導(dǎo)和性質(zhì)。描述了基于非線性主分量分析法的盲源分離問題，并給出了非線性主分量分析算法中的兩種算法：最小均方算法和最小二乘算法，并對兩種算法進行了仿真實驗和性能分析比較。然后，針對現(xiàn)有最小均方算法的不足，依據(jù)存在于神經(jīng)網(wǎng)絡(luò)領(lǐng)域中的動量項技術(shù)

4、，給出固定動量因子的最小均方算法，但由于固定動量因子使算法存在很大的缺陷，即動量因子過大時會導(dǎo)致算法發(fā)散，動量因子過小時可能導(dǎo)致算法收斂速度慢。針對這一問題，提出優(yōu)化動量因子的最小均方算法，對算法迭代式中的動量因子進行優(yōu)化處理，從而使算法的整體性能得到改進。動量因子進行優(yōu)化處理后，緩解了收斂速度和穩(wěn)態(tài)性之間的沖突，仿真實驗驗證了新算法的整體優(yōu)化性能。最后，對本文的工作進行了大致的概括總結(jié)，并對盲源分離這一技術(shù)進行了不同層次的展望。關(guān)鍵詞