一种独立成分分析改进算法制造技术

本发明专利技术公开了一种独立成分分析改进算法，包括独立成分分析负熵的引用方法、改进的基于负熵的快速独立成分分析算法和改进的自然梯度算法，所述改进的基于负熵的快速独立成分分析算法包括基于负熵的快速独立成分分析算法、五阶收敛的牛顿迭代法和改进的基于负熵的独立成分分析算法。本发明专利技术通过改进该算法中所使用的优化方法来提高算法的效率，仿真实验结果表明在分离效果大致相同的条件下，改进的算法与原来算法相比较，其收敛速度有了明显提高，其次对自然梯度法进行改进，通过对算法中的评分函数进行研究，并作一定的改进，由仿真实验可以看出改进的算法分离效果与自然梯度法相比较有所提高。

【技术实现步骤摘要】
一种独立成分分析改进算法
本专利技术属于通信
，涉及数据及信号分析处理方法
，尤其是一种独立成分分析改进算法。
技术介绍
独立成分分析是信号处理领域在20世纪90年代后期发展起来的一项新的数据及信号分析处理方法，用于揭示随机变量、测量数据或信号中的隐藏成分，即寻找一个多元数据的非奇异变换，使得变换后的各分量之间尽可能的相互独立，也就是把信号分解成若干个互相独立的成分。独立成分分析可以看成是主成分分析(PCA)的拓展，与主成分分析不同，它不是仅仅通过信号的二阶统计量来研究信号之间的相关关系，而是基于信号的高阶统计量来讨论信号之间的独立关系。传统的独立成分分析在非平稳，非线性，各信号之间延迟等问题方面做的较差，不仅如此许多年来很多研究者提出的许多方法的一个共同缺点是收敛速度慢，特别是在处理大量数据时，其效率低，计算时间长，那么如何解决上述的问题，在这里我们提出一种独立成分分析改进算法。
技术实现思路
本专利技术的目的在于提供一种独立成分分析改进算法，解决了现有的分析方法非平稳，非线性，各信号之间延迟等问题方面做的较差且收敛速度慢，特别是在处理大量数据时，其效率低，计算时间长的问题本文档来自技高网...

【技术保护点】
1.一种独立成分分析改进算法，其特征在于：包括独立成分分析负熵的引用方法、改进的基于负熵的快速独立成分分析算法和改进的自然梯度算法；其中，基于负熵的快速独立成分分析算法包括基于负熵的快速独立成分分析算法、五阶收敛的牛顿迭代法和改进的基于负熵的独立成分分析算法。

【技术特征摘要】
1.一种独立成分分析改进算法，其特征在于：包括独立成分分析负熵的引用方法、改进的基于负熵的快速独立成分分析算法和改进的自然梯度算法；其中，基于负熵的快速独立成分分析算法包括基于负熵的快速独立成分分析算法、五阶收敛的牛顿迭代法和改进的基于负熵的独立成分分析算法。2.按照权利要求1所述一种独立成分分析改进算法，其特征在于：所述独立成分分析负熵的引用方法中，设y是随机向量，多元概率密度函数为p(y)，则随机向量y的负熵定义为J(y)＝H(ygauss)-H(y)其中ygauss是和y具有相同协方差矩阵的高斯随机向量,H(·)为随机向量的微分熵,一个密度为py(ε)的随机向量的微分熵的定义为：H(y)＝-∫py(ε)logpy(ε)dε当y服从高斯分布时，其负熵为零；当y服从非高斯分布时，其负熵大于零；设y是标准化的随机变量，v是标准化的高斯随机变量，则随机变量y的负熵近似表达为：J(y)≈[E{G(y)}-E{G(v)}]2其中E(·)为均值运算，G(·)是某种形式的非线性、非二次函数。3.按照权利要求1所述一种独立成分分析改进算法，其特征在于：所述基于负熵的快速独立成分分析算法如下：由观测信号X来估计未知源信号S或估计混合矩阵A，即求解一个解混矩阵W，使得Y＝WX的各分量尽可能相互独立，假设Z是观测信号X经预处理后得到的n维数据向量，w是W的一个行向量，则利用J(y)≈[E{G(y)}-E{G(v)}]2，算法通过最大化下面的目标函数来求解Y＝WX的一个投影方向：J(w)＝[E{G(wTZ)}-E{G(v)}]2(1)J(w)的极大值通常在E{G(wTZ)}的极值点处取得，按照Kuhn-Tucker条件，E{G(wTZ)}的优化问题在条件E{(wTZ)2}＝||w||2＝1下通过求解下式得到：E{Zg(wTZ)}+βw＝0(2)式中β为常量，由w的初始值w0得到：β＝E{w0TZg(w0TZ)}；函数g(·)为G(·)的导数，取为：g(x)＝tanh(a1x),g(x)＝xexp(-x2/2),g(x)＝x3(3)其中的常数a1在1≤a1≤2范围内；为了求解(2)式中的w，基于负熵的FastICA采用了牛顿迭代法，记非线性函数为f(w)＝E{Zg(wTZ)}+βw(4)采用牛顿法来求解此方程，求其梯度为：为了简化矩阵求逆，对上式...

【专利技术属性】
技术研发人员：赵峰，徐豪，徐龙山，荆长强，
申请(专利权)人：临沂大学，
类型：发明
国别省市：山东,37