一类基于多变量密度估计的盲源分离方法  

A CLASS OF APPROACHES FOR BLIND SOURCE SEPARATION BASED ON MULTIVARIATE DENSITY ESTIMATION

作　　者：何振亚[1] 杨绿溪[1] 刘琚[1] 鲁子奕[1] 何晨[2] 

机构地区：[1]东南大学无线电工程系,南京210096 [2]上海交通大学电子工程系,上海200030

出　　处：《电子与信息学报》2001年第4期345-353,共9页Journal of Electronics & Information Technology

基　　金：国家自然科学基金

摘　　要：该文给出了一类独立源信号盲分离的训练算法。该类算法都以测度概率密度函数的Kullback-Leibler距离作为目标函数,用来衡量源信号各分量的独立性。该文利用多变量概率密度估计技术和自然梯度优化算法,使目标函数最小化,得出了两种分离算法。计算机仿真结果表明了算法的有效性。并与Infomax算法比较,性能较优。A class of learning algorithms is drived for blind separation of independent source signals in this paper. These algorithms are based on minimizing a contrast function defined in terms of the Kullback-Leibler distance. By utilizing the technique of multivariate density esti-mation, two types of separating algorithms are obtained. Simulations illustrate the effectiveness of the algorithms.

关 键 词：盲源分离 多变量密度估计 信号分析 

分 类 号：TN911.6[电子电信—通信与信息系统]