基于指數(shù)冪族和高斯混合密度模型的ICA算法.pdf

1、獨(dú)立成分分析（Independent Component Analysis，ICA）是近年來(lái)發(fā)展起來(lái)的一種非常有效的盲信號(hào)處理技術(shù)。它在很多研究領(lǐng)域發(fā)揮著重要作用，例如，信號(hào)處理、神經(jīng)網(wǎng)絡(luò)等領(lǐng)域，目前已成為這些領(lǐng)域的研究熱點(diǎn)，受到越來(lái)越廣泛的關(guān)注。在過(guò)去十幾年里，有關(guān)理論和算法研究得到了較快的發(fā)展。本文簡(jiǎn)要介紹了ICA的發(fā)展歷程，詳細(xì)地論述了ICA最優(yōu)化模型求解時(shí)的目標(biāo)函數(shù)與算法以及性能分析等。然后在極大似然估計(jì)的框架下，基于兩類參數(shù)模

2、型—指數(shù)冪族模型和高斯（Gaussian）混合密度模型提出了一種自適應(yīng)選取評(píng)分函數(shù)的算法，主要工作如下： 1.介紹了標(biāo)準(zhǔn)ICA模型，并且從模型的可辨識(shí)性、可分離性和唯一性幾個(gè)方面對(duì)ICA的可解性進(jìn)行了系統(tǒng)地整理與分析。然后從信息論和統(tǒng)計(jì)學(xué)的角度出發(fā)，介紹了估計(jì)原理和估計(jì)方法，主要包括：極大似然估計(jì)、極小化互信息和極大化非高斯性。最后討論了ICA的自然梯度算法及不動(dòng)點(diǎn)算法的穩(wěn)定性。 2.提出了一種新的自適應(yīng)選取評(píng)分函數(shù)的獨(dú)