基于峰度自然对数最大化与奇异值分解的超定盲信号分离  

Over-determined Blind Source Separation Based on Singular Value Decomposition and Logarithm-Kurtosis Maximization

作　　者：谭艳春[1] 刘目磊[2] 

机构地区：[1]广东海洋大学信息学院 [2]92854部队

出　　处：《光电技术应用》2008年第1期82-85,共4页Electro-Optic Technology Application

摘　　要：提出了一种多个信号源的超定盲信号分离算法,该方法利用奇异值分解来确定信号源的个数,并把天线阵的接收数据影射到正交的信号子空间中进行降维处理,再通过峰度自然对数最大化准则,对多个信号源按峰度减少的顺序依次进行分离.学习速率用非线性函数进行调节,避免了人为选取不当而导致的算法发散.该算法收敛速度快,且有较强的稳健性.计算机仿真验证了算法的有效性.A new blind source separation （BSS） method for several over-determined sources is presented. The number of desired signals is detected by using singular value decomposition （SVD）. And the array input is transformed into the signal subspace to decrease the dimensions. Then these sources can be separated one by one though Logarithm-Kurtosis maximization. A nonlinear function is used in learning in order to avoid algorithm divergence. It has high convergence rate and great robust. Computer simulations verify the proposed method.

关 键 词：盲信号分离 高阶累积量 奇异值分解 

分 类 号：TN957.52[电子电信—信号与信息处理]