CAJ | 학술논문

在基于人工神经网络的信号源盲分离算法中,普遍需要使用通过源信号的概率密度函数定义的评价函数(score function)作为网络的激活函数(Activation function).由于信号源未知,因此无法获得有关评价函数的信息,传统的方法是利用某些特定的非线性函数来替代源信号的评价函数.这种利用非线性函数替代源信号评价函数的方法能够成功地实现同系混合(homogeneous mixture)信号的盲分离,但都不能分离杂系混合(hybrid mixture)信号.文献[1]利用非参数法概率密度函数估计的核函数方法,通过对源信号评价函数的直接估计,提出了一种基于概率密度函数估计的DEBBBS算法,成功地解决了非线性函数替代方法存在的不能分离杂系混合信号的问题.笔者通过数值仿真,比较了DEBBBS算法与著名的EASI算法,证明新算法分离杂系混合信号的有效性.同时,也进一步将DEBBSS算法与同样能够分离杂系混合信号的EXTICA算法进行了比较,计算机仿真过程证明,即使与同样能够分离杂系混合信号的EXTICA算法相比,DEBBSS算法在算法的有效性和稳定性方面也表现出优异的性能.
재기우인공신경망락적신호원맹분리산법중,보편수요사용통과원신호적개솔밀도함수정의적평개함수(score function)작위망락적격활함수(Activation function).유우신호원미지,인차무법획득유관평개함수적신식,전통적방법시이용모사특정적비선성함수래체대원신호적평개함수.저충이용비선성함수체대원신호평개함수적방법능구성공지실현동계혼합(homogeneous mixture)신호적맹분리,단도불능분리잡계혼합(hybrid mixture)신호.문헌[1]이용비삼수법개솔밀도함수고계적핵함수방법,통과대원신호평개함수적직접고계,제출료일충기우개솔밀도함수고계적DEBBBS산법,성공지해결료비선성함수체대방법존재적불능분리잡계혼합신호적문제.필자통과수치방진,비교료DEBBBS산법여저명적EASI산법,증명신산법분리잡계혼합신호적유효성.동시,야진일보장DEBBSS산법여동양능구분리잡계혼합신호적EXTICA산법진행료비교,계산궤방진과정증명,즉사여동양능구분리잡계혼합신호적EXTICA산법상비,DEBBSS산법재산법적유효성화은정성방면야표현출우이적성능.