一种改进的FastICA信号盲分离算法

独立成分分析(ICA)是目前盲源分离的有效手段,用以实现对多路观测的非高斯混合信号的信号分离,其中FastICA是以负熵为目标函数的算法,但它对于分离矩阵的初始值很敏感,会出现不收敛的极端现象。采用下降牛顿法及M-FastICA相结合的算法,对常见的正弦、方波、AM调制、FM调制及2FSK信号进行实验,实验证明修正的算法减弱了分离矩阵初始化对算法性能的影响,并且提高了分离信号的整体

2 1年第 2 00期总第 10期 1

通

信

对

抗

No2 2 l . O 0

COM MUNI CATl 0N C0UNTERMEAS URES

S m.I 0 u 1

一

种改进的 F slA信号盲分离算法 at C李睿，旭黄(苏州大学电子信息学院，江苏苏州 2 5 0) 106

摘要：独立成分分析( A是目前盲源分离的有效手段， I ) C用以实现对多路观测的非高斯混合信号

的信号分离，中 FsC其 al A是以负熵为目标函数的算法， t但它对于分离矩阵的初始值很敏感，出现不会收敛的极端现象。采用下降牛顿法及 M- a lA相结合的算法， FsC t对常见的正弦、方波、 M调制、 M调 A F制及 2 S FK信号进行实验，实验证明修正的算法减弱了分离矩阵初始化对算法性能的影响，并且提高了分离信号的整体信噪比。

关键词：a lA; FsC下降牛顿法； t w k定理 t Oso sy r

A df d F s l Alo i m o id Sin l p r t n Mo ie a t i CA g r h f r n g a t Bl Se a a i oL i,HUANG IRu Xu

(colfEet n n fr a o, uhuU i r t Szo,agu2 5 0,hn ) Sho o l r i adI o t n Szo n e i . uh u J ns 1 06C i co c n m i v sy i aAb ta t Id p n e t o o e t nls ( )s ne et e yi e f dSg a S prt n b— s c: n e e d n mp n n a i I r c a y s CA ia f c v t i in l e a i, e i wa n h B n ao

iga l t eaaen n gus x ds nl On f h as s at s gn gnrp r t ojc v n be osp rt o— a s mie i a . eo emen sl ui e eto yf s bet e g s t i F CA n o i if ci n b tb ig sn iv o tei i aia o ftesp rt n m ar n o tmeb c mi g n n o v r un t, u en e s iet h nt l t n o e aa o ti a d s me o t i zi h i x i e o n o c n e—

gn .nti pp ra g rh jit s

gNe o n Fs C i po oe dep r n ns e e tI s ae, na oi m nl ui wtna dM— at A rp sda x e me t o n, h l t o y n l s n i s isur, q ae AM,F d 2 S sg a r o e M a F K i l ae d n .Th dfe l lo tm mp o e h o v re c n n n s e mo i d od ag r h i r v d t e c n eg n e a d t i i hes e . c r n O t e e pe i e twe c n e i e t e t a h o e p ro m a c n e NR mp f d pe d Ac o d g t h x r i m n a v d n y s h t e wh l e f r n e i d x S l e t ia f e . s i i Ke wo d:F sl y r s atCA; e c nd n e o d s e e tN wt n;O sr ws y t e r m to k h o e

1引言独立成分分析( A…的含义是将观察到的随机数 I ) C

矩阵初始值敏感。 本文引入下降牛顿法及 M— af A法， Fs C l改变原迭代方式，减弱 Fs C at A算法对初始的分离矩阵的敏感 l度，并且加快了收敛速度。

据表示为相互之间统计独立的一些成分的线性变换。 C u e[等学者在 2 .Jt n 1 t 0世纪 8 0年代早期就已经引入了 IA技术。IA包括极大似然估计方法、 C C最大熵方

2 F sl at CA原理Fs C a lA算法通过最大化各分量的非高斯性来进行 t盲分离。一

法、最小互信息方法、高阶累积量方法【等等， 1这些算法都是通过利用分离后的信号各个分量之间的最大独立性来建立对比函数，并通过最大或最小化对比函数得到分离矩阵。Fs C[收敛速度快的优点， at As l唷但是对分离

种非高斯性度量的标准是负熵，其定义为：J )Hx. H x (= (一 () x () 1

收稿日期： 1— 4 2 2 00—8 0