FastICA和RobustICA算法在盲源分离中的性能分析-论文.pdf

《FastICA和RobustICA算法在盲源分离中的性能分析-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第3l卷第1期计算机应用研究Vol

2、31No．12014年1月ApplicationResearchofComputerSJan．2014FastlCA和RobustlCA算法在盲源分离中的性能分析吴微，彭华，张帆(解放军信息工程大学a．信息系统工程学院；b．训练部，郑州450002)摘要：首先简单介绍了FastICA和RobustICA这两种目前最为常用的盲源分离算法，并对这算法的目标函数以及优化算法进行了分析研究，进一步对这两种算法的稳健性及算法复杂度等方面的性能进行分析比较。总的来看，RobustICA算法的综合性能要优于Fa

3、stICA算法。关键词：独立分量分析；盲源分离；FastICA；RobustlCA；峭度；负熵中图分类号：TP301文献标志码：A文章编号：1001—3695(2014)ol一0095—04doi：10．3969／j．issn．1001—3695．2014．01．022PerformanceanalysisofFastICAandRobustICAonblindsourcesseparationWUWei，PENGHua，ZHANGFan(a．InstituteofInformationSystemEngineering，b．Tra

4、iningDept．，InformationEngineeringUniversityofJP，Zhengzhou450002，China)Abstract：ThispaperfirstlyintroducedFastICAandRobustICAalgorithms，andthenresearchedtheobjectivefunctionsandoptimizationalgorithmsofthesetwoalgorithms．Furthermore，itanalyzedandcomparedtheperformanceoft

5、hesetwoalgorithmsaboutrobustnessandcomputationcomplexity．Asaresuh，thegeneralperformanceofRobustICAisbetterthanFastICA．Keywords：independentcomponentanalysis(ICA)；blindsourcesseparation；FastICA；RobustICA；kurtosis；negentropy独立分量分析(ICA)是将观测到的随机向量分解成若干另外n个随机变量s。，：，⋯，s线性组合得到

6、的：个相互统计独立成分的方法⋯。ICA的应用十分广泛，较新的x￡aIl5l+ai22+⋯+ninSn(1)应用有因果关系分析、独立分量检测、多数据集分析等。盲式中：o是实系数。假设s在统计上彼此独立。这就是基本的源分离(blindsourcesseparation，BSS)是指在不知源信号和传ICA模型。由于该模型描述了观测变量是如何由独立分量s输通道参数的情况下，仅由观测信号恢复出源信号各个分量的的混合过程得到的，因此ICA是一种生成模型。用向量一矩过程。ICA的发展是与BSS紧密联系的，只是后者的研究范畴阵符号方式表示通常比式(

7、1)的求和表达式更为方便。此时，更宽，处理手段也更多j。然而，在源信号相互统计独立的假混合模型可以写为设前提下，ICA与BSS的提法可以认为是完全一致的。=As(2)FastICA_4~61是芬兰学者Hyvarinen等人于1997年以及之在盲源分离问题中，上式可理解为：S为源信号，A为}昆合后提出的著名的一类ICA算法，该类算法的主要优点在于收矩阵，为观测信号。由于无噪声模型的估计问题其本身已相敛速度快，且由于无须引入调节步长等人为设置参数而更简单当困难，因此为了简单起见，该模型中忽略了噪声项。方便。然而，Chevalier等人于

8、2004年首先在文献[7]中提出，ICA模型的估计通常是通过先选择一个合适的目标函数，FastICA在弱的或是空间相关性高的源信号的情况下会失败，然后对其进行最小化或是最大化。其中目标函数的选择决定并在之后提出了RobustICA算法，该算法被证明不仅简了ICA算法的统计性质，如一致性、渐变性、稳健性等，最优化单，且性能超过了FastICA。然而，RobustICA使用的目标函数算法则决定了ICA算法运行的性能，如收敛速度、计算复杂度正是FastICA中认为不够稳健的峭度，因此本文主要针对这个以及稳定性等。关于ICA的详细内容可参阅

9、文献[12]。问题进行研究，并进一步对这两种算法的稳健性、算法复杂度1．2ICA的约束等方面的性能进行分析比较，为以后更好地使用及进一步改进为确保ICA模型能够被估计，必须对其进行一定的约束。这些算法打好基础。首先，独立分量也就是源信