ICA的共轭下降法

被引：3

作者：

邹琪

罗四维

机构：

[1] 北京交通大学计算机与信息技术学院

来源：

北方交通大学学报 | 2003年 / 05期

关键词：

信号处理; 独立分量分析; 共轭梯度算法; 对比函数; 全局收敛性;

D O I：

暂无

中图分类号：

TN911.7 [信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

摘要：

独立分量分析(ICA)作为有效的盲源分离技术(BSS)是信号处理领域的热点.本文在分析现有的ICA算法的基础上提出了以最小互信息为准则函数的ICA的共轭下降算法,并将该算法与传统的算法在计算效率和收敛性方面进行了比较,该算法的迭代次数由传统算法的约2000次减少至不超过300次.适当地选取对比函数可实现全局收敛,并简要分析了对比函数的选取准则.模拟实验证明该算法收敛速度快,而且对初始点不敏感,在健壮性方面具有较好的性能.

引用

页码：30 / 33

页数：4

共 7 条

[1]

A New Learnig Algorithm for Blind Source Separation. Amari S L,Cichocki A,Yang H. Advances in Neural Information Processing Systems . 1996

[2]

Survey on Independent Component Analysis. Hyvarinen A. Neural Computing and Applications . 2001

[3]

Conjugate Gradient Eigenstructure Tracking for Adaptive Spectral Estimation. Fu Z,Dowling E M. IEEE Transactions on Signal Processing . 1995

[4]

Independent Component Analysis_a New Concept?. Comon P. Signal Processing . 1994

[5]

An Information_Maximisation Approach to Blind Separation and Blind Deconvolution. Bell A J,Sejnowski T J. Neural Computation . 1995

[6]

A Fast Fixed_Point Algorithm for Independent Component Analysis. Hyvarinen A,Oja E. Neural Computation . 1997

[7]

Convergence Properties of Conjugate Gradient Methods with Strong Wolfe Line Search. HAN Jiye,L IU Guanghui,YIN Hongxia. Systems Science and Mathematical Sciences . 2000

← 1 →