基于四阶牛顿迭代法的Fast-ICA改进算法

发布时间：2024-03-31 20:39

　　为了提高快速独立分量分析算法的收敛速度和分离性能,改进了算法中的二阶牛顿迭代法,使其满足四阶牛顿收敛特性。通过Matlab软件对改进算法进行了仿真实验。结果表明,相比原有二阶收敛算法,改进后算法的误差更小,算法的收敛速度平均提高了23%,分离性能有较大提升。

【文章页数】：5 页

【部分图文】：

图1盲源分离原理

典型的盲源分离(BSS)原理[2]如图1所示。n个相互独立的源信号S(t)=[s1(t),s2(t),…,sn(t)]在经过一个未知的混合系统后,得到观测信号X(t)=[x1(t),x2(t),…,xm(t)],可以近似的表示为

图2改进算法流程

改进Fast-ICA算法分由预处理(中心化处理和白化处理)与基于负熵的盲分离算法两部分组成,流程如图2所示。2.1收敛性证明

图3源信号

源信号为三路不同的语音信号,利用Matlab将源信号通过随机混合矩阵混合,得到混合信号。三路原始语音信号如图3所示,混合后语音信号如图4所示。图4混合信号

图4混合信号

图3源信号由图4可见,得到混合信号后,分别利用传统的Fast-ICA算法和改进后的Fast-ICA算法分离混合信号。从图5、6可以看出,改进后的算法使语音信号成功分离。

本文编号：3944462