论文部分内容阅读
本文主要介绍了独立成分分析(ICA)的基本原理，回顾了ICA问题传统算法，推导和比较了各种不同准则之间的差别和联系；针对混合信号个数多于源信号个数的ICA问题，给出了一个定理(定理3.1)，该定理在实际应用中具有重要的指导意义；针对超Gaussian分布与亚Gaussian分布的混合源信号的盲信号分离问题，给出了三种新的ICA方法：(1)基于峰度的逐步优化(C-KSBSO)方法，该方法建立在严格的理论基础之上，从而克服了传统算法不能保证算法执行结果就一定是ICA的可行解的缺点，结合实验，给出了该算法与KernelICA算法在语音信号上的比较结果；(2)自适应模板密度匹配(AMPM)算法，该算法模型简单，算法简明，模型的辅助参数是通过算法自适应学习获得的，结合实验，将此算法与Lee的开关算法、FastICA算法、Jade算法和KernelICA算法作了比较；(3)基于峰度的开关(KS)算法，该算法简单有效，速度快，结合实验，将此算法与Lee的开关算法作了比较；最后给出了本论文提出的三种新的ICA算法的总结及进一步的研究工作。