基于概率密度核估计的ICA算法.DOC

  1. 1、本文档共7页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于概率密度核估计的ICA算法

题目:一种含参数的概率密度核估计的独立分量分析算法独立分量分析;互信息;评价函数;广义高斯分布;核估计分析了盲源分离算法中互信息准则与概率密度核函数的关系,利用广义高斯模型,提出了一种基于含参数的核概率密度估计的独立分量分析算法。该算法利用观测样本求峰度,通过分段函数给出相应高斯指数值,并利用样本数据进一步修正源信号的概率密度函数,实现对分离信号评价函数的精确估计。在此评价函数基础上,采用互信息最小化准则,推导出分离矩阵的迭代更新规则。所提算法在一定程度上解决了ICA算法中信号评价函数估计的难题,且能对任意源混合信号进行有效盲分离,仿真实验验证了算法的性能。刊号(CN、ISSN) 一种含参数的概率密度核估计的独立分量分析算法 贠亚男1,郑 茂2, 郑林华2 (1.平顶山工业职业技术学院,平顶山 467001;2. 国防科学技术大学电子科学与工程学院,长沙 410073) 摘 要:分析了盲源分离算法中互信息准则与概率密度核函数的关系,利用广义高斯模型,提出了一种基于含参数的核概率密度估计的独立分量分析算法。该算法利用观测样本求峰度,通过分段函数给出相应高斯指数值,并利用样本数据进一步修正源信号的概率密度函数,实现对分离信号评价函数的精确估计。在此评价函数基础上,采用互信息最小化准则,推导出分离矩阵的迭代更新规则。所提算法在一定程度上解决了ICA算法中信号评价函数估计的难题,且能对任意源混合信号进行有效盲分离,仿真实验验证了算法的性能。 关键词:独立分量分析;互信息;评价函数;广义高斯分布;核估计 中图分类号:TP911.7 文献标识码:A 文章编号:1004-731X (2011) 11- Independent Component Analysis Algorithm Based on Parametric Kernel Probability Density Estimation YUN Ya-nan1, ZHENG Mao2, ZHENG Lin-hua2 (1. Pingdingshan Industrial College of Technology, Pingdingshan 467001, China; 2. School of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China) Abstract: The relationship between Mutual Information principle and the kernel probability density function was analyzed. A novel independent component analysis (ICA) algorithm based on parametric kernel probability density estimation using generalize gaussian distribution was proposed. The kurtosis was calculated by the original data samples and the gaussian exponent was evaluated from the kurtosis by subsection function in the algorithm which could evaluate the score function directly. Based on the score function, the proposed algorithm induced the rules to update the separation matrix by the Mutual Information minimization principle. It solved the important problem of estimating the score function of the sources in ICA to a certain extent. The proposed ICA algorithm was able to separate a wide range of source signals. Simulations show the effectiveness of the proposed algorithm. Key words: independent component analysis; mutual i

您可能关注的文档

文档评论(0)

2105194781 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档