西安电子科技大学学报（自然科学版）
西安電子科技大學學報（自然科學版）
서안전자과기대학학보（자연과학판）
JOURNAL OF XIDIAN UNIVERSITY(NATURAL SCIENCE)
2008年
4期
764-768
,共5页
王法松%LI Hong-wei%李睿
王法鬆%LI Hong-wei%李睿
왕법송%LI Hong-wei%리예
盲源分离%独立成分分析%非参数估计%广义k-最近邻估计
盲源分離%獨立成分分析%非參數估計%廣義k-最近鄰估計
맹원분리%독립성분분석%비삼수고계%엄의k-최근린고계
基于概率密度非参数估计的广义k-最近邻估计(GKNN)和线性独立成分分析(ICA)神经网络,提出了一种新的ICA非参数算法,实现了对源信号分布的全"盲"要求.传统的ICA算法不能分离一般的包括超高斯、亚高斯和非对称分布的杂系混合信号,因此它们需知道源信号的一些信息.基于GKNN的非参数密度估计直接由观测信号样本出发,实现了对分离信号评价函数的直接估计,从而在一定程度上解决了ICA算法中如何选取估计信号评价函数的难题.所提算法可以只用一种灵活的评价函数分离任意的杂系混合信号,该算法为ICA的更广泛应用铺平了道路.模拟实验从统计性质和计算时间说明了所提算法性能的优越性.
基于概率密度非參數估計的廣義k-最近鄰估計(GKNN)和線性獨立成分分析(ICA)神經網絡,提齣瞭一種新的ICA非參數算法,實現瞭對源信號分佈的全"盲"要求.傳統的ICA算法不能分離一般的包括超高斯、亞高斯和非對稱分佈的雜繫混閤信號,因此它們需知道源信號的一些信息.基于GKNN的非參數密度估計直接由觀測信號樣本齣髮,實現瞭對分離信號評價函數的直接估計,從而在一定程度上解決瞭ICA算法中如何選取估計信號評價函數的難題.所提算法可以隻用一種靈活的評價函數分離任意的雜繫混閤信號,該算法為ICA的更廣汎應用鋪平瞭道路.模擬實驗從統計性質和計算時間說明瞭所提算法性能的優越性.
기우개솔밀도비삼수고계적엄의k-최근린고계(GKNN)화선성독립성분분석(ICA)신경망락,제출료일충신적ICA비삼수산법,실현료대원신호분포적전"맹"요구.전통적ICA산법불능분리일반적포괄초고사、아고사화비대칭분포적잡계혼합신호,인차타문수지도원신호적일사신식.기우GKNN적비삼수밀도고계직접유관측신호양본출발,실현료대분리신호평개함수적직접고계,종이재일정정도상해결료ICA산법중여하선취고계신호평개함수적난제.소제산법가이지용일충령활적평개함수분리임의적잡계혼합신호,해산법위ICA적경엄범응용포평료도로.모의실험종통계성질화계산시간설명료소제산법성능적우월성.
