一种自适应神经网络的信号盲分离及实验  

A self-adaptive neural network for blind signal separation and experiment

作　　者：胡学友[1] 高隽[1] 甘龙[1] 王安东[1] 

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009

出　　处：《合肥工业大学学报（自然科学版）》2002年第6期1135-1138,共4页Journal of Hefei University of Technology：Natural Science

基　　金：国家自然科学基金资助项目(60175011);安徽省自然科学基金资助项目(01042301);教育部优秀青年教师资助项目

摘　　要：介绍一种提高收敛速度的基于自适应在线学习的盲信号分离算法,以Kullback-Leibler散度作为代价函数,运用随机梯度下降导出算法,在估计分离矩阵的同时更新学习率。实验证明,该算法对于混合图像信号能够有效地分离,利用自适应学习参数提高了盲信号分离的收敛速度及算法性能,结果证实了算法的有效性。A novel online learning algorithm with selfadaptive learning rates for blind separation of signals is presented to improve the convergence rate. The KullbackLeibler divergence is used as cost function,and the standard stochastic gradient descent method adopted. The learning rate is adjusted during the learning process according to a set of differential equations. Computer simulation results show that the independent sources can be extracted from the hybrid mixture of image signals by using the presented algorithm.

关 键 词：自适应 实验 盲源分离 独立分量分析 图像分离 神经网络 收敛速度 信号处理 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TN9[自动化与计算机技术—计算机科学与技术]