基于神經(jīng)網(wǎng)絡(luò)的盲分離技術(shù)研究及其應(yīng)用.pdf

1、作為人工神經(jīng)網(wǎng)絡(luò)、信息論以及統(tǒng)計(jì)信號(hào)處理結(jié)合的產(chǎn)物，基于神經(jīng)網(wǎng)絡(luò)的盲分離技術(shù)是20世紀(jì)90年代新興的研究熱點(diǎn)，二十多年中取得了長(zhǎng)足的進(jìn)展。本文討論在線性瞬時(shí)混合模型的基礎(chǔ)上，研究基于ICA的神經(jīng)網(wǎng)絡(luò)盲分離算法，并從優(yōu)化分離網(wǎng)絡(luò)學(xué)習(xí)步長(zhǎng)和改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)兩方面，提出了改進(jìn)算法。具體工作如下：
　　 1.在詳細(xì)研究了基于ICA的自然梯度學(xué)習(xí)算法的基礎(chǔ)上，給出了神經(jīng)網(wǎng)絡(luò)盲分離算法的一般步驟，引入一種包括白化網(wǎng)絡(luò)和分離網(wǎng)絡(luò)兩個(gè)部分的前饋網(wǎng)絡(luò)

2、模型，根據(jù)工程實(shí)際確定兩部分網(wǎng)絡(luò)的結(jié)構(gòu)和在線自適應(yīng)學(xué)習(xí)規(guī)則。針對(duì)分離網(wǎng)絡(luò)自適應(yīng)學(xué)習(xí)算法的關(guān)鍵問題，研究了幾種常用的非線性激活函數(shù)，以及適應(yīng)復(fù)雜混合信號(hào)分離算法的自適應(yīng)激活函數(shù)調(diào)整算法，在要求實(shí)時(shí)高精度分離源信號(hào)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(chǔ)上，并分析了幾種比較主流的自適應(yīng)學(xué)習(xí)步長(zhǎng)算法及其優(yōu)缺點(diǎn)，針對(duì)LMS自適應(yīng)算法的缺點(diǎn)，給出了一種改進(jìn)的自適應(yīng)算法，該算法能夠利用參數(shù)控制學(xué)習(xí)步長(zhǎng)波形，

3、可同時(shí)兼顧加速收斂和防止穩(wěn)態(tài)失調(diào)，但由于缺乏先驗(yàn)信息，引入工程上的替代函數(shù)并給出計(jì)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(luò)實(shí)時(shí)狀態(tài)控制學(xué)習(xí)步長(zhǎng)，在固定步長(zhǎng)分離算法效果不理想的情況下高速、穩(wěn)定的分離和恢復(fù)源信號(hào)，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(shí)，在信道發(fā)生突變的情況下仍保持良好的性能。
　　 3.針對(duì)BP網(wǎng)絡(luò)盲分離算法容易陷入局部極小值的缺點(diǎn)，在前饋結(jié)構(gòu)的基礎(chǔ)上引入了遞歸結(jié)構(gòu)，同時(shí)給出改進(jìn)的自適應(yīng)混合網(wǎng)絡(luò)盲分