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
通信小呆呆8 小时前
以矩阵视角统一理解:外积、Kronecker 积与 Khatri–Rao 积(含MATLAB可视化)
线性代数·算法·matlab·矩阵·信号处理
DuHz2 天前
用于汽车雷达应用的步进频率PMCW波形——论文阅读
论文阅读·算法·汽车·信息与通信·信号处理·毫米波雷达
DuHz3 天前
利用汽车雷达测试系统模拟多径效应——论文阅读
论文阅读·汽车·信息与通信·信号处理
通信小呆呆3 天前
收发分离多基地雷达椭圆联合定位:原理、算法与误差分析
算法·目标检测·信息与通信·信号处理
XINVRY-FPGA5 天前
XC7A100T-2FGG484I Xilinx Artix-7 FPGA
arm开发·嵌入式硬件·fpga开发·硬件工程·信息与通信·信号处理·fpga
FPGA_ADDA6 天前
RFSOC27DR+VU13P 6U VPX板卡
fpga开发·信号处理·adda射频采集·rfsoc27dr·vu13p
渡我白衣6 天前
网络层IP协议详解:互联网的灵魂所在
网络协议·tcp/ip·信号处理
【杨(_> <_)】7 天前
SAR信号处理重要工具-傅里叶变换(二)
算法·信号处理·傅里叶分析·菲涅尔函数
【建模先锋】7 天前
多源信息融合+经典卷积网络故障诊断模型合集
深度学习·信号处理·故障诊断·多源信息融合
贝塔实验室8 天前
频偏估计方法--快速傅里叶变换(FFT)估计法
网络协议·算法·数学建模·动态规划·信息与通信·信号处理·傅立叶分析