独立分量分析可调速率相对梯度算法
DOI:
作者:
作者单位:

作者简介:

通讯作者:

基金项目:

伦理声明:



Adjustable rate algorithm with relative gradient of ICA
Author:
Ethical statement:

Affiliation:

Funding:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
    摘要:

    在独立分量分析的相对梯度算法中,要取得较好的效果,选取合适的学习速率是至关重要的。对于这个问题,文章提出了一种可调速率的相对梯度算法,随着迭代次数的变化,使相对梯度算法的学习速率作相应变化,从而较好地解决了收敛速度与稳定性的矛盾。在此基础上,将这个方法应用于盲信号分离并进行仿真,得到了满意的结果。可调速率相对梯度算法在独立分量分析中具有较好的前景。

    Abstract:

    In relative gradient algorithms of Independent Component Analysis(ICA), careful selection of step size is important to obtain good performance. In this study, an adjustable rate of relative gradient algorithm was proposed. With the changes of iteration number, the learning rate of relative gradient algorithm changed correspondingly,which solved the problem about the contradiction between the convergence rate and stability well. On this basis,this method was adopted in Blind Signal Separation(BSS) problems,and its effectiveness was validated by simulation. Adjustable rate algorithm with relative gradient has good prospects in independent component analysis.

    参考文献
    相似文献
    引证文献
引用本文

程 娇,王晓凯,李 锋.独立分量分析可调速率相对梯度算法[J].太赫兹科学与电子信息学报,2010,8(2):207~210

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
历史
  • 收稿日期:2009-07-10
  • 最后修改日期:2009-08-31
  • 录用日期:
  • 在线发布日期:
  • 出版日期: