李炜，杨慧中

1.江南大学教育部轻工过程先进控制重点实验室，江苏无锡 214122

2.安徽工程大学安徽省电气传动与控制重点实验室，安徽芜湖 241000

基于核估计的超定混合共轭盲信号分离方法

李炜1，2，杨慧中1

1.江南大学教育部轻工过程先进控制重点实验室，江苏无锡 214122

2.安徽工程大学安徽省电气传动与控制重点实验室，安徽芜湖 241000

1 引言

作为一种功能强大的信号处理方法，盲源分离（Blind Source Separation，BSS）近年来已成为无线通信、雷达、图像和生物医学信号分析等诸多领域的研究热点[1-3]。自从盲源分离问题被提出，至今已有二十余年。这期间诞生了诸多高效实用的算法用于求解不同类型的BSS问题[4-6]。其中，最具影响力的要属由法国学者Comon[7]首先提出的独立分量分析（Independent Component Analysis，ICA）方法，甚至在某些文献中对BSS和ICA并不加以区分。Comon给出了ICA在数学上明确的定义以及求解ICA问题的理论框架，从而将BSS问题转化为代价函数的构建和优化问题。以ICA为基础，Bell等人提出了一种基于随机梯度算法（Stochastic Gradient Algorithm）的最大化输出信息熵的BSS方法[8-9]。该算法可成功地实现超高斯信号的盲分离。但在实际应用中，由于随机梯度算法自身的限制，在运行过程中容易陷入局部极大值而导致算法的失败；并且，此算法中包含逆矩阵的计算，使得算法不稳定的同时还引入了很大的计算量；另外，该算法中还含有一个非线性激活函数仅仅凭经验选取的问题，对于不同类型的信号，非线性函数的选取也有所不同。

针对这些问题，Amari[10-12]提出了更加稳定和高效的自然梯度算法（Natural Gradient Algorithm）。……