基于alpha稳定分布的盲信号分离-论文.pdf

《基于alpha稳定分布的盲信号分离-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用2014，50(18)215基于alpha稳定分布的盲信号分离任静，李维勤，惠镱RENJing，LIWeiqin，HUIHui1．西安航空学院计算机工程系，西安7100772．西安理工大学自动化与信息工程学院，西安7100481．DepartmentofComputerEngineer。ing，Xi’anAeronauticalUniversity，Xi’an710077，China2．SchoolofAutomationandInformationEngin

2、eering，Xi’anUniversityofTechnology,Xi’an710048，ChinaRENJing，LIWeiqin，HUIHui．Blindsourceseparationbasedonalphastabledistributions．ComputerEngineeringandApplications，2014，50(18)：215-219．Abstract：TheconventionBlindSourceSeparation(BSS)algorithmshaveapoorseparatingefectforthehe

3、avy—tailedsignals．AnonlineBSSalgorithmforheavy—tailedsignalsisproposedbasedonthealphastabledistributiontheory．ThealgorithmestimatestheProbabilityDensityFunctions(PDFs)ofthestandardalphastabledistribution．andestablishesthestandardfunctionlibrarylook-uptable．Itestimateson-lin

4、ethesignalcharacteristicparameter,symmetricalparameterandscaleparameter，andthereforethePDFisobtainedfast．Thescorefunctionisobtainedaccuratelybyusingthemultilayerneuralnetworks．Thesimulatedresultsshowthat，theproposedalgorithmhasawellconvergencepropertyandalowercomputationalc

5、omplexity．Keywords：alphastabledistribution；independentcomponentanalysis；blindsourceseparation；heavy-tailedsignals；mul—tilayerneuralnetworks摘要：针对当前重拖尾信号盲分离的存在问题，提出一种基于alpha稳定分布的重拖尾信号在线盲信号分离算法。离线计算标准alpha稳定分布的概率密度函数，建立标准函数库查找表；在线估计信号的alpha稳定分布的特征参数、对称参数和尺度参数，从而可以快速获得信号的概率密度函数

6、；采用多层神经网络准确估计评价函数。仿真结果表明，该算法具有较好的分离性能和较低的计算复杂度。关键词：alpha稳定分布；独立分量分析；盲信号分离；重拖尾信号；多层神经网络文献标志码：A中图分类号：TN911．6doi：10．3778／j．issn．1002—8331．13l1．01311引言号，也称亚高斯信号；当峭度为正值时，则该信号为重拖盲信号分离是目前信号处理领域的研究热点问题，尾信号，也称超高斯信号。重拖尾信号的概率密度函数获得了迅速发展和广泛应用[1-5]0盲信号分离是指在未的拖尾较重。知源信号和传输通道参数的情况下，依据某种准则，

7、仅传统的盲分离算法对于轻拖尾和重拖尾信号混合仅由观测信号恢复出源信号，其算法的性能依赖于信号时的分离效果一般。为此，相关学者提出一些改进算的概率分布特性。信号的峭度(峰度)对信号概率分布法，其核心是自适应动态切换，对重拖尾信号和轻拖尾特性的影响较大。一个信号Y的归一化峭度定义为：信号分别取不同的非线性函数。但是由于评价函数采一r4，用固定非线性函数，因而分离准确度一般。近年来，针尼f1：一3(1)。E[y‘]对此问题逐渐发展了一些参数化和无参化学习算法，当归一化峭度为负值时，则称该信号为轻拖尾信这类算法采用准确的概率分布估计方法，准确估计信号

8、基金项目：国家自然科学基金(No．61102061)；陕西省科学技术研究发展计划项目(No．2013JC2．17)；陕西省教育厅科学研究计划项目(No．2013JK