基于神經(jīng)網(wǎng)絡的盲分離技術研究及其應用.pdf

1、作為人工神經(jīng)網(wǎng)絡、信息論以及統(tǒng)計信號處理結合的產(chǎn)物，基于神經(jīng)網(wǎng)絡的盲分離技術是20世紀90年代新興的研究熱點，二十多年中取得了長足的進展。本文討論在線性瞬時混合模型的基礎上，研究基于ICA的神經(jīng)網(wǎng)絡盲分離算法，并從優(yōu)化分離網(wǎng)絡學習步長和改進網(wǎng)絡結構兩方面，提出了改進算法。具體工作如下：
　　 1.在詳細研究了基于ICA的自然梯度學習算法的基礎上，給出了神經(jīng)網(wǎng)絡盲分離算法的一般步驟，引入一種包括白化網(wǎng)絡和分離網(wǎng)絡兩個部分的前饋網(wǎng)絡

2、模型，根據(jù)工程實際確定兩部分網(wǎng)絡的結構和在線自適應學習規(guī)則。針對分離網(wǎng)絡自適應學習算法的關鍵問題，研究了幾種常用的非線性激活函數(shù)，以及適應復雜混合信號分離算法的自適應激活函數(shù)調整算法，在要求實時高精度分離源信號的條件下，該算法存在一定局限性。
　　 2.在研究ICA算法的穩(wěn)態(tài)解的基礎上，并分析了幾種比較主流的自適應學習步長算法及其優(yōu)缺點，針對LMS自適應算法的缺點，給出了一種改進的自適應算法，該算法能夠利用參數(shù)控制學習步長波形，

3、可同時兼顧加速收斂和防止穩(wěn)態(tài)失調，但由于缺乏先驗信息，引入工程上的替代函數(shù)并給出計算方法和參數(shù)選取收斂條件。該算法可根據(jù)分離網(wǎng)絡實時狀態(tài)控制學習步長，在固定步長分離算法效果不理想的情況下高速、穩(wěn)定的分離和恢復源信號，并且能在保證穩(wěn)態(tài)穩(wěn)定性的情況下提高收斂速度；同時，在信道發(fā)生突變的情況下仍保持良好的性能。
　　 3.針對BP網(wǎng)絡盲分離算法容易陷入局部極小值的缺點，在前饋結構的基礎上引入了遞歸結構，同時給出改進的自適應混合網(wǎng)絡盲分