检索结果-内蒙古大学图书馆

东南大学学报（自然科学版） 2011年第B9期41卷 152-155页

作者：李伟令魏海坤张侃健东南大学自动化学院南京210096

在激活函数选为误差函数的条件下,给出了求Fisher信息矩阵逆的算法,并进行仿真验证.首先将自然梯度法应用于多层感知器学习中,并与BP(back-propagation)算法进行了比较,说明了自然梯度法能够加快学习速度,并且可能避免学习中出现平坦区... 详细信息

在激活函数选为误差函数的条件下,给出了求Fisher信息矩阵逆的算法,并进行仿真验证.首先将自然梯度法应用于多层感知器学习中,并与BP(back-propagation)算法进行了比较,说明了自然梯度法能够加快学习速度,并且可能避免学习中出现平坦区现象,即使出现平坦区,也不会很严重.仿真验证了自然梯度法上述良好的学习性能,并且它渐近的逼近Cramer-Rao下界,从而验证了自然梯度学习是Fisher优效的,而通常的梯度法则不是Fisher优效的.另外,仿真也证实了自然梯度对训练样本中存在的噪声具有很好的鲁棒性.

关键词：自然梯度法多层感知器 Fisher信息矩阵 Fisher优效 Cramer.Rao不等式

来源：评论

学校读者我要写书评

暂无评论

改进的在线自然语音卷积混合信号时域盲分离方法

引用

数据采集与处理 2007年第2期22卷 138-143页

作者：鲁晓丹张立明复旦大学电子工程系上海200433

针对语音信号所具有的非平稳性和时域相关性,提出了一种新的卷积混合语音信号盲分离的在线时域算法。该算法通过利用分块处理方法和带遗忘因子更新的非完备约束条件及其推广,对于许多已有在线算法中存在的由于目标源数目随时间不断变化... 详细信息

针对语音信号所具有的非平稳性和时域相关性,提出了一种新的卷积混合语音信号盲分离的在线时域算法。该算法通过利用分块处理方法和带遗忘因子更新的非完备约束条件及其推广,对于许多已有在线算法中存在的由于目标源数目随时间不断变化而产生的不稳定性问题,以及语音信号时域相关性而导致的恢复信号失真问题进行了改进,最后通过仿真,结果表明,本文方法可以有效地处理语音卷积信号的在线盲分离问题,同时在源数目变化时算法的鲁棒性较好。

关键词：信号盲分离非平稳特性时域相关性自然梯度法

来源：评论

学校读者我要写书评

暂无评论

具有约束学习速率的频域盲均衡算法

引用

电子学报 2005年第4期33卷 762-765页

作者：沈希忠许海翔史习智上海交通大学振动冲击噪声国家重点实验室

多通道的盲均衡在语音分离、去混响、通信、信号处理和控制等领域具有广泛的应用,本文基于二阶统计量在频域重新构造评价函数,为避免得到平凡解在评价函数中额外引入了一项不可简约多项式的描述.然后,应用自然梯度法导出盲均衡算法,为... 详细信息

多通道的盲均衡在语音分离、去混响、通信、信号处理和控制等领域具有广泛的应用,本文基于二阶统计量在频域重新构造评价函数,为避免得到平凡解在评价函数中额外引入了一项不可简约多项式的描述.然后,应用自然梯度法导出盲均衡算法,为了确保算法收敛,同时给出迭代收敛条件,并将它用来约束学习速率.仿真实验表明,该算法能够分离可均衡的有限冲激响应系统,从而证实了该算法的有效性.

关键词：盲均衡评价函数自然梯度法学习速率

来源：评论

学校读者我要写书评

暂无评论

一种水声多途信号的快速盲解卷积算法

引用

数据采集与处理 2009年第2期24卷 134-139页

作者：张之猛刘晨晨刘伯胜田宝晶哈尔滨工程大学水声技术国防科技重点实验室哈尔滨150001 石家庄铁道学院计算机与信息工程分院石家庄050043

为解决时域和频域盲解卷积算法在时延长的情况下计算量大、不适于水声信道的实时计算问题,本文研究了一种基于二阶统计量的时域与频域相结合的快速盲解卷积算法。该算法首先对接收数据进行分段,段内数据进行分块处理,并给出一个新的在... 详细信息

为解决时域和频域盲解卷积算法在时延长的情况下计算量大、不适于水声信道的实时计算问题,本文研究了一种基于二阶统计量的时域与频域相结合的快速盲解卷积算法。该算法首先对接收数据进行分段,段内数据进行分块处理,并给出一个新的在宽带情况下的代价函数表达范式;然后采用自然梯度法调整自适应权矩阵,进行块内数据离线、段间数据在线更新的自适应滤波,以获得源信号的估计。仿真结果表明,该方法结合了宽带和窄带算法的优点,对于线性卷积混合的接收数据取得了很好的分离效果,且计算量小,更适于在实时信号处理中应用。

关键词：多途信道盲解卷积自适应滤波自然梯度法

来源：评论

学校读者我要写书评

暂无评论

盲信号处理的二阶和高阶分离算法研究

盲信号处理的二阶和高阶分离算法研究

引用

作者：沈希忠上海交通大学

学位级别：博士

盲信号处理在无线通讯、图像处理、地震信号处理、阵列信号处理和生物医学信号处理等领域具有广泛而诱人的应用前景，在过去的十年时间里，有关盲信号处理的算法与理论的研究得到了快速的发展，在分离能力、内存需求、计算量等方面得出... 详细信息

盲信号处理在无线通讯、图像处理、地震信号处理、阵列信号处理和生物医学信号处理等领域具有广泛而诱人的应用前景，在过去的十年时间里，有关盲信号处理的算法与理论的研究得到了快速的发展，在分离能力、内存需求、计算量等方面得出了一些性能各异的、行之有效的盲信号处理算法。目前，盲信号处理的研究已经成为信号处理与人工神经网络等学科领域的一个研究热点。\n 盲信号处理问题是由JHerault和CJutten在1985年左右第一次提出，这也是最早的盲处理研究。他们的方法常被称为H-J算法，1994年，PComon在H-J算法的基础上提出了独立成分分析的新概念，以后这一个术语就延续至今。\n 对盲信号处理的研究主要集中在基于人工神经网络的算法研究方面，即利用人工神经网络的权值矩阵作为盲处理矩阵，通过网络的无监督自适应学习，在输出端恢复未知的源信号波形。盲处理算法一般假设源信号统计独立，因此需要使用根据信号源统计独立性要求定义的评价函数作为网络的激活函数。由于在盲处理问题中，信号源是未知的，因此无法获得真实的独立性评价，盲处理的难点也就在于难以构造满足独立性要求的评价函数。随着盲信号处理研究的深入，已经有学者减弱这种对源信号统计独立性的假设，以适用于一些特定的场合，如语音信号的分离等，从而使盲信号处理更加困难。\n 本文首先对盲信号处理问题的研究历史以及研究现状进行简要的回顾和论述，然后总结了盲信号处理常用的数学模型及相关的数学知识，讨论了盲处理的可解性条件，发展了现有的主要算法，并在更一般意义下即在非平稳源信号的情况下对盲处理算法进行研究。\n 在算法研究的过程中，我们对现有的各种算法按照算法中所使用统计量的阶数进行分类，分为两类：基于高阶统计量(HOS)的算法和基于二阶统计量(SOS)的算法。对于前者，我们在现有的盲信号处理算法的基础上，提出了PDEA算法；对于后者，提出一系列适用于非平稳信号盲处理的时域和频域算法。在所有的算法发展过程中，都以声学信号盲处理为目标，主要内容是语音分离和去混响。\n 基于HOS的PDEA和PDEA-Conj算法的研究是针对现有算法中存在的问题进行改造而发展起来的。基于高阶统计量的算法是利用高级统计量构造评价函数，利用数学优化思想推导算法，这样推导的算法中含有一项得分函数。本文对得分函数进行理论推导，提出算法PDEA，其基本思想就是直接对得分函数进行估计，目的在于提出一种能够分离杂系混合信号的在线盲源分离算法。在算法的形成过程中，我们证明了PDEA算法的强稳定性。仿真实例证实了该算法的有效性，通过算法比较，PDEA算法具有稳定性好、收敛精度高、计算简单、运行速度快等优点。\n 然后，我们将传统的共轭梯度法应用到PDEA中，并发展了算法PDEA-Coni，该算法中的学习速率由线搜索沿着测地线最优化获取，克服了传统盲处理算法中学习速率选择的困难。算法PDEA-Conj与其它的算法相比，在保持精度相近的情况下收敛速度更快。\n 针对高阶统计量计算复杂，同时自然界中存在信号之间不独立而又不相关的情况，因此需要研究计算简单、收敛快的基于二阶统计量的算法。\n 目前存在的大部分算法都是对平稳信号进行盲处理，而工程上有很多非平稳源信号的盲处理。为此，我们研究了非平稳信号的特性，并根据该特性，分别在时域和频域基于二阶统计量构建非负定矩阵，然后由该非负定矩阵根据Hadamard不等式建立评价函数，该评价函数被说明能够均衡非最小相位系统，最后分别运用常规梯度法和自然梯度法推导在线算法。这样推导的算法适用于更一般的源信号即非平稳的源信号的盲处理问题，且算法计算简单，收敛快，能够以在线方式运行。\n 另外，为了确保基于二阶统计量的算法收敛，我们在频域算法中提出约束因子的概念，目的是对算法给出迭代收敛条件，用来约束学习速率。这样给出的约束因子减少了噪声干扰对算法的影响。\n 在推导基于SOS的时域算法时，我们在非平稳源信号的情况下针对FIRMIMO系统建立评价函数，基于常规梯度推导了算法TDBESOSGG，基于自然梯度推导了算法TDBESOSNG。为了避免计算矩阵逆，进一步对评价函数推导提出简化算法TDBESOSNG-Sim，最后还讨论了算法的发展，提出基于SOS算法的变型TDBESOSNG-Ex。仿真和比较试验表明算法TDBESOSNG-Ex具有良好的收敛性、收敛精度高、收敛速度快的优点，所有推导的算法都能够以在线方式运行。\n 在时域算法的基础上，我们研究了基于SOS的频域算法。我们首先在频域重新构造评价函数，然后应用常规梯度法和自然梯度法分别导出盲均衡算法FDBESOSGG和FDBESOSNG，这两个算法与时域算法一样也都能够用于非平稳源信号。同时，为了确保算法收敛，我

关键词：盲信号处理二阶统计量高阶统计量自然梯度法盲处理在线算法人工神经网络

来源：评论

学校读者我要写书评

暂无评论

源数估计对于独立分量分析算法的影响分析

引用

电光与控制 2017年第8期24卷 96-100页

作者：王川川许佳奇王福志曾勇虎电子信息系统复杂电磁环境效应国家重点实验室河南洛阳471003

研究了源数估计对于独立分量分析算法的影响。对于正定模型,当估计源数少于真实源数时,模型变为超定模型,采用自然梯度法开展仿真实验;当估计源数多于真实源数时,模型变为欠定模型,采用基于时频单源点检测的混合矩阵估计算法和子空间表... 详细信息

研究了源数估计对于独立分量分析算法的影响。对于正定模型,当估计源数少于真实源数时,模型变为超定模型,采用自然梯度法开展仿真实验;当估计源数多于真实源数时,模型变为欠定模型,采用基于时频单源点检测的混合矩阵估计算法和子空间表示信号恢复算法开展仿真实验。实验结果表明,在满足一定信噪比的条件下,对于正定模型超定化问题,通常有数目等于估计源数的源信号能够成功分离;对于正定模型欠定化问题,通常所有源信号都能正确分离,只是分离信号中出现了1个或多个源信号的拷贝,可以通过检测分离信号的相关性,对拷贝信号进行剔除或合并,对分离效果无影响。研究结论对于独立分量分析算法的应用具有一定参考价值。

关键词：信号处理独立分量分析源数估计自然梯度法单源点检测法子空间表示法

来源：评论

学校读者我要写书评

暂无评论

基于小波降噪和盲源分离算法的信号分离方法研究

引用

电光与控制 2017年第7期24卷 7-11页

作者：王川川曾勇虎赵明洋汪连栋电子信息系统复杂电磁环境效应国家重点实验室河南洛阳471003

针对含噪情况下的盲源分离问题,将小波降噪方法引入盲源分离模型之中,对两种小波降噪与盲源分离算法结合的信号分离方法,即预降噪+盲源分离,以及预降噪+盲源分离+后降噪,从理论上进行了原理与特点分析,并通过数值仿真比较了不同信噪比... 详细信息

针对含噪情况下的盲源分离问题,将小波降噪方法引入盲源分离模型之中,对两种小波降噪与盲源分离算法结合的信号分离方法,即预降噪+盲源分离,以及预降噪+盲源分离+后降噪,从理论上进行了原理与特点分析,并通过数值仿真比较了不同信噪比情况下两种方法对于混合信号的分离效果。仿真表明,采用小波降噪与盲源分离结合的信号分离方法,相比于单纯采用盲源分离算法,能够大大提高信号的分离效果;预降噪+盲源分离+后降噪的信号分离方法比采用预降噪+盲源分离的信号分离方法效果普遍提高。

关键词：小波降噪盲源分离自然梯度法等变自适应分解相似系数

来源：评论

学校读者我要写书评

暂无评论

数字通信信号的盲源分离算法研究

数字通信信号的盲源分离算法研究

引用

作者：李婷西安电子科技大学

学位级别：硕士

在无线通信领域，尤其是在军事通信领域，传感器接收到的感兴趣的信号往往夹杂着无线信道的噪声和其他的干扰信号，如果已知源信号的特征和信道模型，我们可以很容易的对接收信号进行处理，滤噪，得到有用的信号。然而在很多情况下源信... 详细信息

在无线通信领域，尤其是在军事通信领域，传感器接收到的感兴趣的信号往往夹杂着无线信道的噪声和其他的干扰信号，如果已知源信号的特征和信道模型，我们可以很容易的对接收信号进行处理，滤噪，得到有用的信号。然而在很多情况下源信号的信息和信道模型是无法获得的，传统的信号处理技术则表现出明显的不足，信号的盲源分离技术在解决该不足体现出了极大的优势。　　本文从盲源分离的基础知识入手，比较详细的介绍了几种常见的盲源分离算法，包括正定和欠定两种情况，对算法进行了推导并仿真证明了其有效性。由于实际情况无法知道源信号的个数，因此很难准确的设置接收传感器的个数使之满足正定盲分离的条件。欠定盲分离能够解决该问题，然而现阶段的欠定盲源分离算法大多都是基于源信号的稀疏特性，而通信信号通常不具备稀疏性。因此考虑用单通道盲源分离来解决通信信号的盲分离问题。从而文章又讨论单通道盲源分离的算法研究，并提出了一种改进的基于过采样的单通道盲源分离算法，通过过采样将单通道盲源分离转化成多通道盲源分离，对过采样的信号进行采样点重组，利用增加的冗余来提高算法性能，然后利用多通道盲源分离算法对重组的信号进行分离，实现了2个BPSK信号的盲分离。为了实现MPSK(M＞=4)的盲分离，本文又提出了另一种基于希尔伯特变换的单通盲源分离算法，首先对观测信号进行希尔伯特变换，然后利用上述算法，最后修改相应的判决规则，最终实现了2个MPSK信号的盲源分离。仿真证明上述两种算法能够得到很好的分离效果。

关键词：盲源分离单通道信号重组希尔伯特变换 Fast-ICA算法自然梯度法

来源：评论

学校读者我要写书评

暂无评论

奇异模型学习算法的研究与应用

奇异模型学习算法的研究与应用

引用

作者：李伟令东南大学

学位级别：硕士

由于结构对称性等原因，多层感知器、RBF网等前馈神经网络的参数空间中存在大量的奇异区域。受奇异性的影响，前馈神经网络的学习过程中普遍存在着局部最小点多、学习速度慢、学习易陷入平坦区(plateau)等异常现象。研究奇异区域附近的... 详细信息

由于结构对称性等原因，多层感知器、RBF网等前馈神经网络的参数空间中存在大量的奇异区域。受奇异性的影响，前馈神经网络的学习过程中普遍存在着局部最小点多、学习速度慢、学习易陷入平坦区(plateau)等异常现象。研究奇异区域附近的学习动态，对理解神经网络的动力学行为、改进神经网络结构设计等具有重要意义。\n 针对前馈神经网络存在的奇异性问题，我们引进了自然梯度法，它能够有效地避开神经网络学习过程中出现的奇异区域。为此，本文对自然梯度法进行了以下研究和分析：\n (1)对于多层感知器模型，在激活函数选为误差函数的条件下，推导了自然梯度学习算法。我们具体给出了Fisher信息阵及其逆矩阵的解析表达式，从而得到了自然梯度法的迭代公式，并与BP(Back-Propagation)算法进行了比较。仿真验证了自然梯度法能够加快学习速度，可以避免学习中出现的平坦区现象，并且渐近的逼近Cramer-Rao下界。\n (2)当样本输入维数很大时，实现自然梯度法的主要困难在于计算Fisher信息阵的逆矩阵。为此，我们将激活函数简化为高斯函数，从而对RBF网模型进行分析和研究。将自然梯度法应用于RBF网模型中，给出了Fisher信息阵及其逆矩阵的解析表达式。\n (3)由于计算Fisher逆矩阵是非常困难的，因此，我们针对RBF网模型中的自然梯度法进行了改进，引入自适应的方法，得到了自适应自然梯度学习算法及其解析表达式，并与通常的梯度法进行了比较。最后，仿真验证了自适应自然梯度法良好的学习性能，它比通常的梯度法有更快的收敛速度，也能更快地逃脱plateau区域。

关键词：多层感知器径向基网络 Fisher信息矩阵自然梯度法奇异模型学习算法

来源：评论

学校读者我要写书评

暂无评论

数字通信信号的盲源分离技术研究

数字通信信号的盲源分离技术研究

引用

作者：李婷西安电子科技大学

学位级别：硕士

在无线通信领域，尤其是在军事通信领域，传感器接收到的感兴趣的信号往往夹杂着无线信道的噪声和其他的干扰信号，如果已知源信号的特征和信道模型，我们可以很容易的对接收信号进行处理，滤噪，得到有用的信号。然而在很多情况下源信号的信息和信道模型是无法获得的，传统的信号处理技术则表现出明显的不足，信号的盲源分离技术在解决该不足体现出了极大的优势。本文从盲源分离的基础知识入手，比较详细的介绍了几种常见的盲源分离算法，包括正定和欠定两种情况，对算法进行了推导并仿真证明了其有效性。由于实际情况无法知道源信号的个数，因此很难准确的设置接收传感器的个数使之满足正定盲分离的条件。欠定盲分离能够解决该问题，然而现阶段的欠定盲源分离算法大多都是基于源信号的稀疏特性，而通信信号通常不具备稀疏性。因此考虑用单通道盲源分离来解决通信信号的盲分离问题。从而文章又讨论单通道盲源分离的算法研究，并提出了一种改进的基于过采样的单通道盲源分离算法，通过过采样将单通道盲源分离转化成多通道盲源分离，对过采样的信号进行采样点重组，利用增加的冗余来提高算法性能，然后利用多通道盲源分离算法对重组的信号进行分离，实现了2个BPSK信号的盲分离。为了实现MPSK(M>=4)的盲分离，本文又提出了另一种基于希尔伯特变换的单通盲源分离算法，首先对观测信号进行希尔伯特变换，然后利用上述算法，最后修改相应的判决规则，最终实现了2个MPSK信号的盲源分离。仿真证明上述两种算法能够得到很好的分离效果。

关键词：盲源分离单通道过采样信号重组希尔伯特变换 Fast-ICA算法自然梯度法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：