刘　婷，张　锦，李灯熬

（太原理工大学信息学院，太原030024）

改进的自然梯度盲源分离算法在非平稳环境中的应用*

刘婷，张锦*，李灯熬

（太原理工大学信息学院，太原030024）

对于传统的自然梯度算法，在处理非平稳信号时，在步长更新迭代过程中，非平稳信号变化幅度过快而导致分离矩阵幅度变化的不稳定，从而影响分离效果。针对此问题，结合变步长的思想，提出了基于正交约束的自然梯度盲分离算法，该算法主要对恢复信号进行约束，通过使用瞬时误差有目的地控制变步长，从而加快算法收敛速度且提高了分离精度，同时保证了非平稳环境下分离过程的稳定性。结果表明，正交约束下的盲源分离算法可以高效地分离出非平稳环境下的源信号。

盲源分离；自然梯度；非平稳；正交约束

目前基于独立分量分析ICA（Independent Component Analysis）的盲信号分离算法在生物医学工程［1］、语音增强、通信系统和机械故障诊断等信号处理领域应用广泛。盲分离算法按具体解决途径分为自适应和批处理［2］。批处理算法数值稳定性较好，但需要预先已知大量的观测数据，不宜进行实时的在线信号分离。自适应算法计算量小，计算时间短，且适于非平稳环境，因而被广泛应用，该类算法主要有EASI算法［3］，Fast-ICA算法［4］，随机梯度，迭代求逆和自然梯度算法［5］，算法最关键的部分是平衡收敛速度和稳态误差之间的矛盾。自适应变步长具有良好的全局收敛性，然而自然梯度控制步长依赖于输出的估计信……