【摘要】：通過引入不完整約束使不完整自然梯度算法有效克服傳統(tǒng)自然梯度算法的缺點和不足,即當(dāng)源信號幅度隨時間快速變化或在某段時間為零時,不完整算法仍能較好地工作.同時,從一般動態(tài)分離模型中推導(dǎo)出的符號算子可改善算法的收斂性.結(jié)合上述兩種思想提出一種基于符號算子的不完整自然梯度算法,增加基于代價函數(shù)梯度的變步長運算以平衡算法中收斂速度和穩(wěn)態(tài)誤差之間的矛盾.仿真結(jié)果表明,改進(jìn)算法的性能明顯優(yōu)于傳統(tǒng)算法,在保持良好穩(wěn)態(tài)誤差的基礎(chǔ)上大大加快收斂速度.
[Abstract]:By introducing incomplete constraints, the incomplete natural gradient algorithm can effectively overcome the shortcomings and shortcomings of the traditional natural gradient algorithm, that is, when the source signal amplitude changes rapidly with time or 00:00 in a certain period of time, the incomplete algorithm can still work well. At the same time, the symbol operator derived from the general dynamic separation model can improve the convergence of the algorithm. An incomplete natural gradient algorithm based on symbol operator is proposed to balance the contradiction between convergence speed and steady-state error by increasing the variable step size operation based on the gradient of cost function. The simulation results show that the performance of the improved algorithm is obviously better than that of the traditional algorithm, and the convergence speed is greatly accelerated on the basis of maintaining a good steady-state error.
【作者單位】： 東北大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金項目(No.11273001,61273164,61074073) 教育部新世紀(jì)優(yōu)秀人才支持計劃項目(No.NCET-10-0306)資助
【分類號】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 牛奕龍;王英民;王毅;;一種改進(jìn)的自適應(yīng)不完整自然梯度盲源分離算法[J];模式識別與人工智能;2006年05期

2 張延良;樓順天;張偉濤;常華;;基于分值函數(shù)估計的自然梯度盲分離算法[J];數(shù)據(jù)采集與處理;2011年02期

3 李廣彪;張劍云;;基于分離度的步長自適應(yīng)自然梯度算法[J];信號處理;2007年03期

【共引文獻(xiàn)】

相關(guān)期刊論文 前7條

1 王瑩;張守成;劉永凱;劉圓圓;;基于變學(xué)習(xí)速率的自適應(yīng)ICA算法[J];工程地球物理學(xué)報;2008年04期

2 高麗;張?zhí)祢U;周圣;何丹娜;;基于小波變換的混合圖像EASI盲分離算法[J];電視技術(shù);2014年01期

3 楊文波;朱明;劉志明;陳東成;;基于3線陣探測器的亞像元成像超分辨率重構(gòu)[J];光學(xué)精密工程;2014年08期

4 歐世峰;趙曉暉;高穎;;雙系統(tǒng)自適應(yīng)耦合盲源分離算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年05期

5 王靈偉;舒勤;陳飛龍;;峭度自然梯度盲分離改進(jìn)算法[J];計算機工程與應(yīng)用;2011年11期

6 廖滔;劉輝;;改進(jìn)的步長自適應(yīng)小波ICA圖像盲分離方法[J];計算機工程與應(yīng)用;2011年32期

7 呂淑平;方興杰;;基于獨立分量分析的自適應(yīng)在線算法[J];計算機應(yīng)用研究;2010年11期

相關(guān)博士學(xué)位論文 前1條

1 楊文波;航空圖像超分辨率重構(gòu)技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2014年

相關(guān)碩士學(xué)位論文 前6條

1 侯瑞玲;自適應(yīng)盲源分離與盲多用戶檢測算法研究[D];重慶郵電大學(xué);2011年

2 方興杰;基于ICA的盲信號分離技術(shù)研究及其應(yīng)用[D];哈爾濱工程大學(xué);2011年

3 李雪松;數(shù)字圖像的盲源分離[D];重慶郵電大學(xué);2009年

4 陳琛;基于自然梯度算法的變步長盲源分離[D];太原理工大學(xué);2012年

5 廖滔;基于獨立分量分析的盲分離算法研究[D];湖南師范大學(xué);2012年

6 于鵬;盲源分離算法的研究[D];東北大學(xué);2010年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 徐先峰;馮大政;;一種充分利用變量結(jié)構(gòu)的解卷積混合盲源分離新方法[J];電子學(xué)報;2009年01期

2 朱孝龍,保錚,張賢達(dá);基于分階段學(xué)習(xí)的盲信號分離[J];中國科學(xué)E輯:技術(shù)科學(xué);2002年05期

3 朱孝龍,張賢達(dá);基于選優(yōu)估計函數(shù)的盲信號分離[J];西安電子科技大學(xué)學(xué)報;2003年03期

4 王法松;李宏偉;李睿;;非參數(shù)GKNN估計的高效獨立成分分析算法[J];西安電子科技大學(xué)學(xué)報;2008年04期

5 張偉濤;樓順天;張延良;;具有等變化性的最小二乘盲信源分離方法[J];西安電子科技大學(xué)學(xué)報;2008年06期

相關(guān)博士學(xué)位論文 前1條

1 冶繼民;信源數(shù)目未知與變化時的盲信號分離方法研究[D];西安電子科技大學(xué);2005年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周威,金以慧;利用模糊次梯度算法求解拉格朗日松弛對偶問題[J];控制與決策;2004年11期

2 鄧慧;楊穎;;改進(jìn)的新型隨機雙梯度算法[J];蘭州理工大學(xué)學(xué)報;2014年02期

3 黃菊新,王德雋;改進(jìn)的自適應(yīng)格型梯度算法及其應(yīng)用[J];電子學(xué)報;1987年06期

4 李留青;陳中良;;基于定步長自然梯度算法盲混合信號分離技術(shù)研究[J];電子設(shè)計工程;2014年15期

5 秦廷楷;;一種新的近似目標(biāo)函數(shù)優(yōu)化方法[J];南京郵電學(xué)院學(xué)報;1990年03期

6 鄭立功;閆力松;王孝坤;薛棟林;胡海翔;張學(xué)軍;;基于迭代梯度算法的子孔徑拼接檢測技術(shù)研究[J];激光與光電子學(xué)進(jìn)展;2014年01期

7 馬軍;殷保群;;基于POMDP模型的機器人行動的仿真優(yōu)化[J];系統(tǒng)仿真學(xué)報;2008年21期

8 葉東毅;實對稱矩陣最大特征值極小化問題的一個BT型ε－次梯度算法[J];數(shù)值計算與計算機應(yīng)用;1996年04期

9 李國麗;盛大寧;王俊椋;景佳;王超;閆冰;;IMRT逆向計劃中的混合多目標(biāo)梯度算法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2010年01期

10 陳云浩,郭達(dá)志,周廷剛,陶康華;熱圖像的梯度噪聲剔除法及其溫度場的標(biāo)定[J];遙感信息;1999年02期

相關(guān)會議論文 前1條

1 蔡文瀾;王俊生;陶軍;徐惠斌;馬宏緒;;一種PEGASUS策略梯度算法的理論及應(yīng)用[A];中國儀器儀表學(xué)會第九屆青年學(xué)術(shù)會議論文集[C];2007年

相關(guān)碩士學(xué)位論文 前8條

1 劉莉紅;求解矩陣l_(2,1)范數(shù)極小化問題的譜梯度算法[D];河南大學(xué);2013年

2 晏萍;變分不等式的超梯度算法及其改進(jìn)算法[D];四川師范大學(xué);2010年

3 牛善洲;大規(guī)模優(yōu)化與非線性方程組問題的多元譜梯度算法及其應(yīng)用[D];贛南師范學(xué)院;2012年

4 趙新斌;一類帶有核范數(shù)的優(yōu)化問題的梯度算法[D];北京工業(yè)大學(xué);2012年

5 嚴(yán)見磊;壓縮感知問題的自適應(yīng)梯度算法研究[D];贛南師范學(xué)院;2014年

6 王秋雨;譜梯度算法在圖像壓縮傳感中的應(yīng)用[D];河南大學(xué);2012年

7 盛大寧;IMRT逆向計劃中的混合多目標(biāo)梯度算法研究[D];合肥工業(yè)大學(xué);2010年

8 譚駿;改進(jìn)的自然梯度算法及在語音和圖像處理中的應(yīng)用[D];湖南師范大學(xué);2012年

，

本文編號：2318413