APP下载

改进的快速复值FastICA算法研究

2012-03-12赵立权于轼群

东北电力大学学报 2012年2期
关键词:信号

赵立权,于轼群

(1.东北电力大学信息工程学院,吉林吉林132012;2.中国联通哈尔滨分公司,哈尔滨150001)

独立分量分析(Independent Component Analysis,ICA)是解决盲源分离问题的主要方法之一,它仅利用信源信号非高斯相互统计独立的假设条件,从接收到的混合信号中估计出信源信号。复值ICA算法是针对复值域信号的一种新的信号处理方法,目前主要应用于盲解卷积、无线通信、功能性核磁图像处理、阵列信号处理等方面[1-4]。随着ICA算法理论的逐渐发展和成熟,近些年来,复值ICA算法受到了越来越多学者的广泛关注,涌现出许多优秀的算法[3-11]。复值快速独立分量分析(Fast Independent Component Analysis,FastICA)一种典型的批处理固定点复值ICA算法[5],后来的许多复值ICA算法都是在它的基础之上发展起来的,典型的改进算法就是基于Huber M估计函数的复值ICA算法[7],该算法相对原算法性能更好,为了进一步提高算法的性能,本文从复值ICA代价函数所采用的非线性函数角度出发,对稳健性更好Tukey双权函数进行修正后作为代价函数的非线性函数,推导出运算速度更快的改进的复值ICA算法。

1 复值ICA数学模型

复值ICA的基本数学模型如下:

ICA的基本假设条件只是为了保证ICA算法有解,但是毕竟信源信号S和混合矩阵A都未知,因此通过ICA算法得到的信源信号的估计Y相对信源信号S存在一定的不确定性。例如式(1)可以写成如下形式:

式中:Λ=diag(a1ejθ1,a1ejθ2,…,anejθn),an和θn为任意不为零的值;Λ-1是Λ的逆矩阵;P是任意可逆的单位置换矩阵;P-1是P的逆矩阵。矩阵Λ和P是任意的,那么得到A'=AΛ-1P-1和S'=PΛS也是任意的,但是A'S'得到的混合信号X是固定的,所以复值ICA对接收到的信号X进行分离,得到的对信源信号的估计信号可能是S'或者S,S'和S的幅度、相位和顺序不一样,因此产生了复值ICA对信源信号估计的不确定性。……

登录APP查看全文

猜你喜欢

信号
信号
完形填空二则
7个信号,警惕宝宝要感冒
孩子停止长个的信号
《铁道通信信号》订阅单
基于FPGA的多功能信号发生器的设计
基于Arduino的联锁信号控制接口研究
《铁道通信信号》订阅单
基于LabVIEW的力加载信号采集与PID控制
Kisspeptin/GPR54信号通路促使性早熟形成的作用观察