為了提高快速獨(dú)立分量分析算法的收斂速度和分離性能,改進(jìn)了算法中的二階牛頓迭代法,使其滿(mǎn)足四階牛頓收斂特性。通過(guò)Matlab軟件對(duì)改進(jìn)算法進(jìn)行了仿真實(shí)驗(yàn)。結(jié)果表明,相比原有二階收斂算法,改進(jìn)后算法的誤差更小,算法的收斂速度平均提高了23%,分離性能有較大提升。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1盲源分離原理

典型的盲源分離(BSS)原理[2]如圖1所示。n個(gè)相互獨(dú)立的源信號(hào)S(t)=[s1(t),s2(t),…,sn(t)]在經(jīng)過(guò)一個(gè)未知的混合系統(tǒng)后,得到觀測(cè)信號(hào)X(t)=[x1(t),x2(t),…,xm(t)],可以近似的表示為

圖2改進(jìn)算法流程

改進(jìn)Fast-ICA算法分由預(yù)處理(中心化處理和白化處理)與基于負(fù)熵的盲分離算法兩部分組成,流程如圖2所示。2.1收斂性證明

圖3源信號(hào)

源信號(hào)為三路不同的語(yǔ)音信號(hào),利用Matlab將源信號(hào)通過(guò)隨機(jī)混合矩陣混合,得到混合信號(hào)。三路原始語(yǔ)音信號(hào)如圖3所示,混合后語(yǔ)音信號(hào)如圖4所示。圖4混合信號(hào)

圖4混合信號(hào)

圖3源信號(hào)由圖4可見(jiàn),得到混合信號(hào)后,分別利用傳統(tǒng)的Fast-ICA算法和改進(jìn)后的Fast-ICA算法分離混合信號(hào)。從圖5、6可以看出,改進(jìn)后的算法使語(yǔ)音信號(hào)成功分離。

本文編號(hào)：3944462