第 卷第 期 纺 织 高 校 基 础 科 学 学 报
年 月 BASIC SCIENCES JOURNAL OF TEXTILE UNIVERSITIES
文章编号
收稿日期
基金项目 榆林学院青年科技基金项目
作者简介 艾朝霞 女 陕西省榆林市人 榆林学院讲师 硕士 研究方向为信号与信息处理
基 于 高 斯牛 顿 迭 代 的 非 正 交 联 合 对 角 化 算 法
艾朝霞
榆林学院 能源工程学院 陕西 榆林
摘要 针对传统的分离算法因迭代次数过多而不能满足通信信号分离时对信号实时处理的要求
将最佳权矩阵引入到联合对角化准则中 提出了一种改进的基于高斯牛顿迭代法的非正交联
合对角化算法 提高了算法的分离性能和收敛速度 仿真结果验证了算法的有效性
关键词 盲源分离 二阶统计量 联合对角化 高斯牛顿迭代 最佳权矩阵
中图分类号 文献标识码
引 言
基于正交联合对角化的盲源分离算法通常需要对接收信号进行预白化处理 这个过程会降低算法的
分离精度 因此 人们提出了非正交联合对角化 非正交联合对角化方法中不需要变换矩阵为正交矩阵 并
且不需要对观测信号进行预白化处理 因此具有更好的分离性能 目前已经有很多基于非正交联合对角化
的盲源分离算法 比如 算法
算法
算法
和 算法
等 虽然非正交联
合对角化盲源分离算法在抗噪声性能上取得了比较好的效果 但是大部分现有的算法在收敛速度上仍不
理想 特别是在对通信信号进行实时分离时 由于所要处理的数据量比较大 大部分现有算法的处理效率
比较低 不能满足实时分离的要求
基于此 本文研究一种改进的基于高斯迭代的快速非正交联合对角化算法 算法
该算法
有超线性和二阶的收敛速度 收敛快 处理效率高 分离性能也较传统的非正交联合对角化方法好 因此适
合于对通信信号进行实时处理
通信信号实时盲分离方案
由于传统的自适应算法对信号的平稳性和概率密度的要求不能用于通信信号的盲分离中 且其迭代
收敛速度不符合通信信号实时分离的要求 因此不能用于通信信号的实时盲分离 然而 基于二阶统计量
非正交联合对角化的方法却不对信号的概率分布做任何要求 仅利用源信号的时间结构各源信号具有不
同的功率谱或不同的相关函数等统计意义更弱的条件对信号进行分离 与传统的基于信息论或高阶统计
量的盲源分离方法相比 基于二阶统计量的盲源分离方法无需知道源信号的概率密度函数或非线性激活
函数 仅利用二阶统计量就可以实现混合矩阵的盲辨识 从而进一步得到分离信号 这种方法原理简单 且
计算量比传统的基于信息论和高阶统计量的方法小