基于递归神经网络的信息理论盲源分离准则  

An Information Theory Criterion for Blind Sourse Separation Based on A Recurrent Neural Network

作　　者：刘琚[1] 聂开宝[1] 李道真[1] 何振亚[2] 

机构地区：[1]山东大学电子工程系,山东济南250100 [2]东南大学无线电工程系,江苏南京210096

出　　处：《电路与系统学报》2001年第1期40-44,共5页Journal of Circuits and Systems

基　　金：国家自然科学基金!(30000041);山东省自然科学基金!(y000G12);山东大学青年科学基金

摘　　要：本文基于一个全连接递归网络结构，给出一种新的信息理论的盲源信号分离准则。该准则在保证最大化信息传输的同时最小化输出互信息，从而使网络输出相互独立。由此准则推导的算法对传输中的信息损失引入了Hebb项。该算法既可以分离超高斯源的混迭，又可以分离亚高斯源的混迭信号。计算机仿真结果表明了该算法的良好分离性能。A new information theory criterion for blind source separation based on a recurrent neural network is proposed. The criterrion can ensure the maximization of information transfer for the network. At the same time，the mutual information of the output is minimized so as to make the outputs mutual statistics independent. An associated algorithm based on the criterrion is developed. A Hebb term is introduced to complement the information loss while in the transfer. Mixtures of both sub-Gaussioan and super-Gaussian sources can be separated using this algorithm. Computer simulations show the validity of the proposed algorithm in blind source separation.

关 键 词：计算机仿真 递归神经网络 信号处理 盲源分离准则 信息理论 

分 类 号：TN911.7[电子电信—通信与信息系统]