| 引入松弛因子的高阶收敛FastICA算法 |
| |
| 引用本文： | 季策,王艳茹,沙明博,杨正义.引入松弛因子的高阶收敛FastICA算法[J].东北大学学报(自然科学版),2014(2). |
| |
| 作者姓名： | 季策 王艳茹 沙明博 杨正义 |
| |
| 作者单位： | 东北大学信息科学与工程学院;奥维通信股份有限公司;中国人民解放军94816部队; |
| |
| 基金项目： | 国家自然科学基金资助项目(11273001,61074073,61273164);教育部新世纪优秀人才支持计划项目(NCET-10-0306) |
| |
| 摘 要： | 高阶收敛的FastICA算法对初始值的选择较为敏感,如果初始值选择不当不仅会影响算法的收敛效果,甚至可能导致不收敛的结果.针对这一问题,将松弛因子引入高阶收敛的牛顿迭代法中,通过适当的修正,获得了既能保证一定收敛速度,又能有效克服初值敏感性的改进三阶、五阶FastICA算法.仿真工具采用Matlab软件,应用3种算法对语音信号进行分离;结果表明,对比基本FastICA算法,改进后的算法有效地分离了混合信号,并且降低了算法对初始权值的依赖性.
|
| 关 键 词： | 独立分量分析 FastICA 松弛因子 初值敏感性 |
| 本文献已被 CNKI 等数据库收录！ |
|
