一种优化动量因子的盲分离算法----论文.doc
《一种优化动量因子的盲分离算法----论文.doc》由会员分享,可在线阅读,更多相关《一种优化动量因子的盲分离算法----论文.doc(17页珍藏版)》请在咨信网上搜索。
1、一种优化动量因子的盲分离算法-论文一种优化动量因子的非线性主分量分析算法摘 要 盲源分离算法收敛速度和稳态误差存在冲突,针对这一问题提出了通过引入动量项并且对动量因子进行优化的方法来使收敛速度和稳态误差之间冲突达到最小。该算法通过优化的动量项使非线性主成分分析的代价函数最速下降,从而使算法收敛速度加快。仿真实验证明了本文算法在平稳及非平稳环境下具有比LMS 和RLS更好的分离性能。关键词 动量项 , 非线性主成分分析 , 自适应 , 盲源分离A new NPCA algorithm for blind source separationAbstract This paper addresses
2、 the problem of blind source separation (BSS) and presents an optimum momentum factor which makes the nonlinear principal component analysis (NPCA) cost function descend in the fastest way. By using the momentum item in self-stabilized NPCA algorithm, the new algorithm minimums the contradiction bet
3、ween convergence speed and steady-state error. Simulations show that the new algorithm has faster convergence than the existing least-mean-square(LMS)algorithms and recursive least-squares (RLS) algorithm for BSS in stationary and non-stationary environments.Key words momentum factor , NPCA , adapti
4、ve , blind source separation盲源分离是指从未知观测信号的线性混合信号中恢复出相互独立的源信号,线性混合系数是未知的。由于这是实际应用中经常遇到的问题,近年来盲源分离在信号处理和通信方面引起广泛关注。现有的盲源分离算法分为批处理算法和自适应算法两大类。批处理算法复杂度高,需要对大量数据进行统计处理,自适应算法复杂度低,对数据边输入边处理,具有可以实现混合信号在线处理的实时性特点,故自适应在线算法得到广泛研究和应用。盲源分离算法中非线性主分量分析法采用自适应算法,同大多数算法一样存在收敛速度和稳态误差冲突的问题。为缓和这一冲突,通过改变步长参数使两者平衡, 但变步长算法
5、通常需要引入多个调节参数, 调节参数具有不确定性且部分算法易陷入局部极小点, 不能实现对于突变环境的快速跟踪,因此本文提出通过引入动量项来加快收敛速度。但是固定动量因子过大时可能导致发散,过小时可能算法收敛太慢。针对这一问题,本文提出通过对动量因子进行优化,基于传统最小均方算法(LMS)和动量项LMS算法推导出使算法的收敛速度和稳态误差之间矛盾最小化的最优化动量因子迭代公式。仿真实验证明了本文算法在平稳及非平稳环境下具有比LMS 和RLS更好的分离性能。1 基于NPCA的盲源分离的描述噪声通常符合高斯分布,可忽略。盲源分离问题可用如下方程式表示: (1)其中,是未知的满秩()的混合矩阵,是无法
6、观察的独立源信号的向量,源信号至多一个是高斯信号。是观测信号组成的向量。盲源分离的目的是通过线性变换处理每个观测信号得到输出向量: (2)由上述可知,当完全实现盲源分离时,合成矩阵是一个广义置换矩阵(即矩阵每行每列只有一个非零元素)。分离矩阵可以由一层或者两层分离系统确定,第一种方法是直接最小化目标函数更新,第二种方法称为非线性主分量分析法,是首先用白化矩阵对观测数据进行白化处理使白化信号满足,然后用正交矩阵实现信号分离。因此,总分离矩阵。本文主要讨论NPCA算法。考虑分离矩阵的正交约束性,可以得到两种NPCA算法。一种是基于自然梯度NPCA算法: (3)另一种是自适应NPCA算法: (4)上
7、述(3)和(4)算法可以统一改写为形如: 其中,是与寻找方向相关的矩阵,由1,9理论分析和仿真结果显示了(4)优于算法(3),从而最好选择。算法(3)和(4)都属于LMS算法。2 传统融合动量项LMS算法在LMS算法基础上,引入动量项可加快算法的收敛速度,提高系统性能。神经网络领域中,动量项技术通过在当前时刻算法的自适应迭代规则中加入前一时刻抽头系数的更新量,目的是提高系统收敛效率和跟踪速度、改善算法输出性能。动量项技术具有计算量小、动量因子上下边界极值确定、且能有效加速系统收敛速度和避免算法陷入局部极小值等优点,近年来在信号处理领域也正逐渐得到学者们的重点关注。为了进一步提高算法的收敛速度,
8、从而改善盲源分离算法分离性能,借鉴动量项技术的思想,在LMS算法中引入动量项,提出融合动量项LMS算法。算法结构图如下:图 1 传统融合动量项LMS算法结构图Fig. 1 Illustration of the traditional LMS algorithm 其核心数学表达式: (5)其中,动量项,为动量项因子,取值范围。动量项能够记忆分离矩阵的前一时刻变化方向,即时刻分离矩阵由时刻和时刻分离矩阵的变化方向共同决定,当上两次分离矩阵的变化方向相同时,说明算法处于收敛过程中,通过式(5)则会增大时刻分离矩阵的变化量,从而可以使算法快速收敛;而当两次分离矩阵的变化方向不同时,说明算法处于稳态阶
9、段,则通过式(5)可以减少分离矩阵的变化量,从而起到避免分离矩阵陷入局部极小值的作用。3 优化动量因子LMS算法 在融合动量项LMS算法基础上,对动量因子进行优化获得最优动量因子,使算法收敛速度和稳态误差之间矛盾最小化,这就构成了本文提出的新算法。NPCA的代价函数: (6)其中,为非线性函数,信号符合亚高斯时选择,信号符合超高斯时选择。利用“投影近似”,上式中,为非线性变换的向量,从而得到更新代价函数: (7)将(5)代入(7)有如下关于的方程: (8)其中,上式明显是关于动量因子的二次函数,因此有唯一的极值,令上式对求导的结果为零,得到最优化动量因子: (9)考虑最优动量因子的在线可实现性
10、,引入两个辅助变量来代替数学期望,这时(9)改为: (10) 其中,将变动量因子(10)应用于(5),得到本文优化动量因子LMS算法,算法过程为: (11)另外,若分离矩阵无任何先验信息,则初始化为阶 单位方阵,考虑算法计算量,自适应NPCA非线性操作量是相同的,(4) 每次迭代需要次乘法计算,(5) 每次迭代需要次乘法计算,1需要次乘法计算,新算法(11)每次迭代需要,该算法计算量比传统LMS算法要大,但是在容忍范围内。该算法结构图如图2所示: 图 2 本文算法结构图Fig. 2 Design of the New LMS algorithm4 仿真结果下面通过计算机仿真验证本文算法的整体性
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 优化 动量 因子 分离 算法 论文
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【精****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【精****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。