基于盲信号处理的声音分离-基于改进的信息最大化的ICA算法

基于信息最大化的ICA算法的主要依据是使输入端与输出端的互信息达到最大,且输出各个分量之间的相关性最小化,即输出各个分量之间互信息量最小化,其算法的系统框图如图所示。

基于信息最大化的ICA算法的主要依据是使输入端与输出端的互信息达到最大,且输出各个分量之间的相关性最小化,即输出各个分量之间互信息量最小化,其算法的系统框图如图所示。

图 3 基于改进的信息最大化的ICA算法的系统框图

上图中,U=[u1,u2,u3,...]T是经过该算法之后输出的信号向量,可以用来逼近输入信号,U=W×X。分离信号Y=G(U),G(U)是非线性函数,该函数直接影响分离性能。

信息最大化的ICA算法的判断准则是信息最大传输的原则具体的说就是以分离矩阵W为变量,在熵的表达式中不断调整W,使H(Y)最大化,此时就表明恢复的原始信号U的各个分量之间互信息量极小,非线性输出信号Y与输入X之间互信息满足

对该公式两边关于分离矩阵W进行微分,然后通过公式推导可得,使得H(Y)极大的分离矩阵W的迭代计算公式

其中非线性函数采用G U =11+e -U ,μ是该算法的学习参数取0.05。而 是对第K次迭代输出的各个分量之间的互信息进行度量,理想情况该项应该为-I。

在该算法中,非线性函数G(U)的选择将会直接影响算法性能,因此对非线性函数进行修改是基于信息最大化的ICA算法的主要改进方向之一,文献中讨论了不同的非线性函数对算法性能的影响,发现非线性函数特性越陡峭,越适合作为基于信息最大化的ICA算法的非线性转换函数,而符号函数具有最陡峭的特性,因此采用符号函数作为基于信息最大化的ICA算法的非线性转换函数。

基于信息最大化的ICA算法主要有两点优点,一是该方法拥有较快的收敛速度,二是采用不同非线性函数可以有效降低分离误差。

相关推荐
tutunotu1 天前
【信号处理基础】傅立叶级数、傅立叶变换、拉普拉斯变换与z变换
信号处理·傅立叶分析
XINVRY-FPGA2 天前
XC7A100T-2CSG324I 赛灵思 Xilinx AMD Artix-7 FPGA
arm开发·嵌入式硬件·fpga开发·硬件工程·信号处理·dsp开发·fpga
没头脑的男大3 天前
信号处理与系统设计,第二节课笔记
笔记·信号处理
文火冰糖的硅基工坊4 天前
[硬件电路-324]:芯片根据功能、信号类型、应用场景、制造工艺、集成度及设计理念等多个维度进行分类
单片机·嵌入式硬件·系统架构·信号处理
文大于25 天前
信号处理学习——随机共振与广义随机共振(上)
学习·信号处理
天一生水water5 天前
信号处理方法概述
信号处理
文火冰糖的硅基工坊6 天前
[硬件电路-271]: RS-232 电平转换芯片MAX232AESE 功能概述与管脚定义
单片机·嵌入式硬件·系统架构·信号处理·跨学科融合
文火冰糖的硅基工坊6 天前
[硬件电路-320]:模拟电路与数字电路,两者均使用晶体管(如BJT、MOSFET),但模拟电路利用其线性区,数字电路利用其开关特性。
单片机·嵌入式硬件·数学建模·fpga开发·系统架构·信号处理
北京青翼科技7 天前
【TES600G】基于JFM7K325T FPGA+FT-M6678 DSP的全国产化信号处理平台
图像处理·人工智能·fpga开发·信号处理
Aspiresky16 天前
浅析Linux进程信号处理机制:基本原理及应用
linux·运维·信号处理