兰州交通大学电子与信息工程学院,甘肃 兰州 730500
针对快速独立分量分析(FastICA)算法提取多个同频混叠信号时的初值选择敏感性和收敛性能差的问题,提出了一种双松弛因子改进的FastICA(DLM-FastICA)算法。先在牛顿迭代法中引入双松弛因子,通过自适应调节分离矩阵的组合系数得到最优权值分离矩阵,从而改善FastICA算法的初值敏感性;再利用改进的FastICA(M-FastICA)算法的快速收敛特性提取信号,提高算法的分离精度和收敛速度。仿真结果表明,该算法使得提取信号与源信号的相似系数达到0.9,同时迭代次数较原算法减少近40%,具有更加快速、稳定的提取性能。
傅里叶光学与信息处理 同频混叠信号 盲源分离模型 快速独立分量分析算法 双松弛因子 改进的快速独立分量分析 激光与光电子学进展
2022, 59(11): 1107003
电子信息系统复杂电磁环境效应国家重点实验室, 河南 洛阳 471003
针对装备电磁环境效应研究中存在的干扰源信号混叠的问题, 探讨了盲源分离算法在混叠干扰源信号分离中的应用。通常应用盲源算法需以估计得到源信号数目为前提, 本文提出直接根据观测信号个数设置初始化分离矩阵维数, 然后分离得到与观测信号数目相同的分离信号, 再通过分离信号的相关性检测, 即实现了源信号的分离, 避免了事先估计源信号个数的工作。通过仿真实验验证了方法的可行性。
混叠信号 盲源分离 元素估计 分离矩阵 mixed signals blind source separation source number estimation separation matrix