基于改进自然梯度算法的盲源分离研究

• 作 者: 徐林涛
• 出 处: 湘潭大学
• 发表日期: 2020年02期
• 关键词: 盲源分离 自然梯度算法 步长 小波去噪

盲源分离是信号处理领域中一种新发展起来的对未知混合信号分离的方法。经过几十年来不断地研究和发展,盲源分离已经成为众多学科领域研究的热门课题,具有很多潜在的应用价值,已经被广泛地应用于很多领域。二十一世纪以来,盲源分离的研究方向主要分为两个方面,一面是解决卷积混合问题和欠定问题等,另一方面是优化分离算法和提高算法的分离性能等。本文对盲源分离理论进行了深入的研究,着重研究了自然梯度算法,针对算法存在的缺陷,提出了改进的盲源分离算法。对于含噪盲源分离,通过引入动量因子对算法作进一步的改进,并结合小波去噪原理,构造了基于小波去噪和改进自然梯度的盲源分离算法。自然梯度算法是盲源分离中常用且重要的方法,具有较快的收敛速度和良好的分离性能。由于标准自然梯度算法采用的是固定步长,所以存在着收敛速度和稳态误差之间的固有矛盾,并且其码间干扰的收敛速度很慢。当步长较大时,虽然收敛速度快,但其稳态误差较大;当步长较小时,虽然稳态误差较小,但其收敛速度比较慢,不能迅速跟踪系统变化。针对上述问题,提出一种改进的自然梯度算法。首先,构造一个步长迭代更新函数,实现算法中步长的自适应选取。然后对改进算法进行Frobenius范数约束,从而加快码间干扰的收敛速度。最后通过实验仿真验证了算法的有效性,实验结果表明所提算法的收敛速度较快同时稳态误差较小,具有更好的分离性能。在实际的应用环境中,所获取到的混合信号中通常都含有噪声信号。经过研究表明,许多的盲源分离算法,如FastICA、EASI和近似联合对角化等算法,在含有噪声的情况下,算法的分离效果会严重下降,甚至不能有效地分离出源信号。对于含噪盲源分离,为了提高算法的分离效果和稳定性,需要对混合信号进行去噪处理。由于小波去噪方法具有非常好的去噪效果,而且其数学模型较为简单,对源信号的先验信息要求较低,所以本文选择小波半软阈值对含噪信号进行去噪处理。为了提高分离性能,通过引入动量因子对自然梯度算法进一步的改进,通过性能指标的反馈自适应的调整步长因子和动量因子。在含噪声信号的情况下,构造了一种基于小波去噪和改进自然梯度相结合的盲源分离方法。通过仿真实验,由各项性能评价指标的数据表明,本文所改进的自然梯度算法比其他几种算法的分离性能更好,并且算法的抗噪性和稳定性更好。