基于PID神经网络的后非线性盲源分离算法

P ID神经网络是一种新型的前向神经元网络,它的隐层单元包含比例(P)、积分(I)、微分(D)元,各层神经元个数、连接方式、连接权初值均按P ID控制规律的基本原则确定。本文研究了一种新的后非线性盲源分离算法,用最大熵值方法推导了P ID神经网络算法的后非线性分离学习公式,该算法可用于线性或后非线性的混叠信号。对输入2个混叠信号时,用单个P I神经网络分离;对输入3个混叠信号时,用单个P ID神经网络分离;对输入更多的混叠信号时,可采用多个独立的P ID神经网络来分离。仿真结果验证了单个P ID神经网络算法,能分离线性或后非线性混叠信号。