杨硕，刘小斌，杨建青

(1.甘肃农业大学工学院，甘肃 兰州　730070；2.兰州工业学院汽车工程学院，甘肃 兰州；730050)



自适应步长神经网络盲分离算法的研究与应用

杨硕1，刘小斌2，杨建青1

(1.甘肃农业大学工学院，甘肃 兰州730070；2.兰州工业学院汽车工程学院，甘肃 兰州；730050)

摘要：【目的】利用神经网络盲分离算法来解决含噪声音信号盲分离问题.【方法】提出了一种改进的自适应步长混合神经网络算法，该算法可以很好的掌控步长因子函数的形状，且在接近零点处步长变化缓慢，使性能更加优越；同时针对神经网络结构的不足引入了递归结构，通过与改进的自适应步长算法的结合达到更好的分离效果.【结果】通过在汽车发动机含噪声音信号中的应用，表明出该算法稳定性、收敛性好，可灵活的控制了步长因子分离出发动机噪声信号，达到较好的分离效果.

关键词：盲分离；神经网络；自适应步长

基于盲分离理论对含噪声音信号去噪方法的研究引起了人们的极大关注.Lee等[1]提出了通过神经网络进行独立分量分析(independent component analysis，ICA)方法，在这基础上其他研究者分别提出了联合对角化算法，自然梯度算法，基于固定点快速迭代算法(FastICA)[2-4].综上所述的方法在生物医学、图像处理、电路测试等领域有着广泛的应用，但针对含噪声音信号盲分离的问题上，上述算法的优势性能则会下降，不能达到预期分离效果.Hyvarinen等和Cichocki等[5-6]分别提出了联合最大似然估计法、基于累积量的方法来解决含噪声音信……