NGA实现互信息量最小化的盲源分离

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (4): 121-124.

NGA实现互信息量最小化的盲源分离

陈琛，马庆伦，李灯熬，赵菊敏

太原理工大学信息工程学院，太原 030024

出版日期:2013-02-15 发布日期:2013-02-18

NGA achieves blind source separation with mutual information minimum

CHEN Chen, MA Qinglun, LI Deng’ao, ZHAO Jumin

Institute of Electronic Information Engineering, Taiyuan University of Technology, Taiyuan 030024, China

Online:2013-02-15 Published:2013-02-18

摘要/Abstract

摘要： 提出了一种新的盲源分离算法，该算法通过自然梯度算法实现互信息量最小化，从而达到盲源分离的最佳效果。由于互信息量具有度量分离信号的循环相关矩阵和单位阵的相似程度的特性，最小互信量标志着分离矩阵最佳的状态。通过自然梯度寻优算法来实现互信息量的最小化，从而得到理想的分离矩阵。仿真结果表明算法对具有循环平稳特性的源信号分离效果显著，且收敛速度快。

关键词: 盲源分离, 循环平稳信号, 互信息量, 自然梯度算法

Abstract: A new proposed Blind Source Separation（BSS） algorithm with Natural Gradient Algorithm（NGA） achieves Minimum Mutual Information（MMI）. It is reasonable to adopt mutual information to illustrate the similarity of the autocorrelation function and the information. To achieve the ideal separation matrix with MMI, the natural gradient algorithm is applied to the separation matrix optimization process. Simulation results verify the validity of the proposed algorithm. Simulation results show that the proposed algorithm has faster convergence speed and better separation effect than traditional gradient algorithm.

Key words: blind source separation, cyclostationary signal, mutual information, natural gradient algorithm

陈琛，马庆伦，李灯熬，赵菊敏. NGA实现互信息量最小化的盲源分离[J]. 计算机工程与应用, 2013, 49(4): 121-124.

CHEN Chen, MA Qinglun, LI Deng’ao, ZHAO Jumin. NGA achieves blind source separation with mutual information minimum[J]. Computer Engineering and Applications, 2013, 49(4): 121-124.

[1]	赵青，冶继民，常芳丽. 两正定矩阵联合对角化盲分离算法[J]. 计算机工程与应用, 2019, 55(7): 214-219.
[2]	沈成业，张雪英，孙颖，畅江. 小波变换结合盲源分离的EEG情感识别[J]. 计算机工程与应用, 2018, 54(10): 164-168.
[3]	何安玲，何选森. 基于有理非线性函数的Fast-ICA算法[J]. 计算机工程与应用, 2018, 54(1): 251-255.
[4]	陈梦，何选森. 基于八阶收敛牛顿迭代的Fast-ICA改进算法[J]. 计算机工程与应用, 2017, 53(11): 178-181.
[5]	邓大鹏，李骏，丁德强，贺翥祯. 适用于时变系统的在线盲源分离算法研究[J]. 计算机工程与应用, 2016, 52(3): 74-80.
[6]	蔡伟华，何选森. 基于UWT和独立分量分析的含噪盲源分离[J]. 计算机工程与应用, 2016, 52(16): 180-185.
[7]	吴龙华1，朱嘉钢1，陆晓2. 抑制边缘效应的自适应单通道盲源分离[J]. 计算机工程与应用, 2016, 52(14): 130-135.
[8]	汪道德1，何鹏举1，龙莉莉2. FSS-kernel与FastICA融合的盲源分离算法研究[J]. 计算机工程与应用, 2015, 51(2): 209-212.
[9]	蒋照菁，辜方林，张杭. 一种基于NPCA的自适应变步长盲源分离算法[J]. 计算机工程与应用, 2013, 49(8): 206-208.
[10]	董天宝1，程雷2，杨景曙1. 基于时频单源点的欠定混合矩阵估计[J]. 计算机工程与应用, 2013, 49(21): 208-211.
[11]	刘俊良，于凤芹. 基于分离度变步长的自然梯度算法的语音分离[J]. 计算机工程与应用, 2013, 49(21): 216-219.
[12]	徐先峰，刘义艳，段晨东. 基于多步分解算法的解盲源分离新方法[J]. 计算机工程与应用, 2012, 48(30): 162-166.
[13]	谭骏，刘辉. 一种动量因子自适应自然梯度的盲分离方法[J]. 计算机工程与应用, 2012, 48(24): 127-129.
[14]	郭靖1，2，曾孝平2. 基于Hough变换的时频盲源分离算法[J]. 计算机工程与应用, 2012, 48(21): 26-30.
[15]	董天宝，杨景曙. 一种欠定盲源分离新算法[J]. 计算机工程与应用, 2012, 48(12): 112-115.