新型自适应广义特征向量估计算法及其特性分析.docx

1.?? 引言 作为一门重要分析工具，广义特征值分解(Generalized Eigen-Decomposition, GED)已经广泛应用于盲源分离[1]、脑电波分析[2]、影像分割[3]、阵列天线[4]、数据分类[5]等诸多领域。给定一个矩阵束(Ry,Rx)(Ry,Rx)，则GED问题就是求解满足式(1)的关系向量ww和标量λλ Ryw=λRxwRyw=λRxw (1) 其中，RyRy和RxRx是两个n×nn×n维正定的Hermitian矩阵。满足方程式(1)的向量ww和标量λλ分别记为矩阵束(Ry,Rx)(Ry,Rx)的广义特征向量和广义特征值。虽然传统的奇异值分解等代数方法可以解决GE