基于神經(jīng)網(wǎng)絡(luò)盲源分離算法的研究.pdf

1、盲源分離是神經(jīng)網(wǎng)絡(luò)領(lǐng)域與信號處理領(lǐng)域相結(jié)合的產(chǎn)物，它是最近十年發(fā)展起來的一個新的研究領(lǐng)域。盲源分離要解決的問題是當(dāng)源信號和混合信道的特征均未知的情況下，分離出原始信號的算法。它具有非常重要的理論意義和實用價值，被廣泛應(yīng)用于無線通信領(lǐng)域、生物醫(yī)學(xué)信號分析與處理、圖像識別、數(shù)據(jù)挖掘、語音增強以及地球物理數(shù)據(jù)處理方面，有著非常廣闊的發(fā)展前景。 本文所做的主要工作： (1)介紹了盲源分離算法的研究目的和意義，闡述了盲源分離問題的

2、起源及發(fā)展動態(tài)。分析了盲源分離的基礎(chǔ)理論，總結(jié)并證明了高階累積量、負熵、熵、互信息、似然函數(shù)等常用的目標(biāo)函數(shù)，以及各種優(yōu)化算法。給出了評判盲源分離算法性能的標(biāo)準。 (2)分析了基于神經(jīng)網(wǎng)絡(luò)盲源分離算法的原理和結(jié)構(gòu)。針對基于最小互信息前饋神經(jīng)網(wǎng)絡(luò)盲源分離算法，提出了加入動量項的改進前饋神經(jīng)網(wǎng)絡(luò)盲源分離算法。該算法把前一時刻權(quán)值的調(diào)節(jié)量用于當(dāng)前權(quán)值的調(diào)節(jié)過程中，可以有效地抑制網(wǎng)絡(luò)陷入局部極小，防止了振蕩，加快了權(quán)值的收斂速度。通過計

3、算機仿真實驗驗證了該算法的優(yōu)良性能。 (3)分析了基于最大熵遞歸神經(jīng)網(wǎng)絡(luò)的盲源分離算法原理及結(jié)構(gòu)，針對Matsuoka等人提出的遞歸神經(jīng)網(wǎng)絡(luò)盲源分離算法基礎(chǔ)上，提出了一種基于全遞歸神經(jīng)網(wǎng)絡(luò)的盲源分離算法，該算法在分離網(wǎng)絡(luò)結(jié)構(gòu)和優(yōu)化算法上對原算法進行改進，特別是當(dāng)信號被嚴重伸縮，即混合矩陣A近似奇異的時候，分離效果良好。計算機仿真實驗證明了該算法的良好分離性能。 (4)對盲源分離算法在各領(lǐng)域的應(yīng)用作了介紹，尤其是對在圖像處