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
