基于奇异值分解的超定盲信号分离  

Overdetermined Blind Source Separation Based on Singular Value Decomposition

作　　者：朱孝龙[1] 张贤达[1] 

机构地区：[1]西安电子科技大学雷达信号处理重点实验室,西安710071 [2]清华大学自动化系智能技术与系统国家重点实验室,北京100084

出　　处：《电子与信息学报》2004年第3期337-343,共7页Journal of Electronics & Information Technology

基　　金：国家自然科学基金资助项目(60072043)

摘　　要：该文研究超定盲信号分离,即观测信号个数不少于源信号个数情况下的盲信号分离问题。作者 从分离矩阵的奇异值分解出发,首先提出一种基于独立分量分析的超定盲信号分离代价函数,接着推导了一 般梯度学习算法。此后,借助于相对梯度的概念,证明超定盲信号分离与通常的完备盲信号分离具有相同形 式的自然梯度算法。仿真试验验证了算法的有效性。The problem of overdetermined Blind Source Separation (BSS) where there are more mixtures than sources is considered. Beginning with the Singular Value Decomposition (SVD) of the separation matrix, a cost function is presented based on Independent Component Analysis (ICA), and then the ordinary gradient learning algorithm is developed. Secondly, resorting to the relative gradient, it is shown that the natural gradient learning algorithm for overdetermined BSS has the same form as that for usual complete BSS, which is verified by simulation results.

关 键 词：超定盲信号分离 奇异值分解 独立分量分析 相对梯度 自然梯度 

分 类 号：TN911.23[电子电信—通信与信息系统]