基于独立分量分析的盲源分离研究

下载PDF

导出

摘要通过对独立分量分析发展的研究,分析了现有的经典算法,包括负熵法、ESAI法、最大似然估计法等。通过仿真试验和比较,多角度指出了各算法的优缺点,并给出了进一步的研究方向。

作者陶磊张昀

机构地区中国电子科技集团公司第南京邮电大学

出处《广东通信技术》 2007年第7期7-11,共5页 Guangdong Communication Technology

关键词独立分量分析盲源分离白化快速ICA

参考文献9

1Jutten C, Herault J. Independent component analysis versus PCA[C]. European Signal Processing Conf. 1988, 287-341
2Comon P.Independent component analysis, a new concept [J]. Signal Processing, 1994,36(3):287-314
3Bell A J, Sejnoeski T J. An information maximization approach to blind separation and blind deconvolution[J]. Neural computation,1995,7(6): 1004-1034
4Cardoso J F, Laheld B H.Equivariant adaptive sources separation[J]. IEEE Trans Signal Processing, 1996;44(10):3017-3030
5Amari S I, Cichocki A, Yang H H. A New Learning Algorithm for Blind Source Separation [M].ln: Advances in Neural Information Processing Systems 8. Massachussett: MIT Press.1996:757-763
6Amari S I. Neural Learning in Structured Parameter Spaces-Natural Riemannian Gradient [M].In: Advances in Neural Information Processing Systems 9. Massachussett: MIT Press.1997.127-133
7Hyvairinen A. Fast and robust fixed-point algorithm for independent componet analysis [J]. IEEE Transactions on Neural Networks,1999, 10(3): 626-634
8Cardoso J F, Laheld B. Equivariant adaptive source separation[J]. IEEE Transactions on Signal Processing, 1996, 44(12): 3017-3030
9Hyvairinen A, Karhunen J. Independent Component Analysis. 2001,P:212

广东通信技术

2007年第7期

内容加载中请稍等...