×
史振伟；张洪娟；姜志国

用于盲源分离的混合线性和非线性复杂性追求。 （英语） Zbl 1239.62004号

J.计算。申请。数学。 236，第14号，3434-3444（2012）.
摘要：盲源分离（BSS）是一种越来越流行的数据分析技术，具有许多应用。提出了几种利用原始信源统计特性进行盲源分离的方法；对于一个著名的例子，非高斯性，这导致了独立成分分析（ICA）。我们提出了一种基于线性和非线性复杂度追踪的混合盲源分离方法，该方法结合了源信号的三个统计特性：非高斯性、线性可预测性和非线性可预测性。通过最小化损失函数，提出了一种梯度学习算法。仿真验证了该方法的有效实现。

引用于三文件

MSC公司：

62-07 数据分析（统计）（MSC2010）
65立方厘米60 统计中的计算问题（MSC2010）
62小时99 多元分析

关键词：

基站；独立成分分析；线性可预测性；非线性可预测性

软件：

固定点算法；黛西；ICALAB公司
PDF格式BibTeX公司 XML格式引用
\textit{Z.Shi}等人，J.Compute。申请。数学。236，编号14334-3444（2012年；兹bl 1239.62004）
全文： 内政部

参考文献：

[1] Cichocki，A。；Amari，S.-I.，《自适应盲信号和图像处理：学习算法和应用》（2002年），威利出版社，威利纽约
[2] Hyvärinen，A。；Karhunen，J。；Oja，E.，独立成分分析（2001），威利：威利纽约
[3] 阿玛里，S.I。；Cichocki，A。；Yang，H.，一种新的盲源分离学习算法，（神经信息处理系统进展，第8卷（1996）），757-763
[4] 贝尔，A。；Sejnowski，T.，盲分离和盲反褶积的信息最大化方法，神经计算，7，6，1129-1159（1995）
[5] 卡多佐，J.-F。；Laheld，B.H.，等变自适应源分离，IEEE信号处理汇刊，44，12，3017-3030（1996）
[6] Comon，P.，独立成分分析——一个新概念？，信号处理，36287-314（1994）·Zbl 0791.62004号
[7] Hyvärinen，A.，独立元件分析的快速稳健定点算法，IEEE神经网络汇刊，10，3，626-634（1999）
[8] Jutten，C。；Herault，J.，信源盲分离，第一部分：基于神经模拟架构的自适应算法，信号处理，24，1-10（1991）·Zbl 0729.73650号
[9] Lee，T.-W。；Girolma，M。；Sejnowski，T.，《使用扩展infomax算法对亚高斯和超高斯混合源进行独立分量分析》，神经计算，11，2，417-441（1999）
[10] 张，H。；郭，C。；施，Z。；Feng，E.，一种新的独立组件排序的约束定点算法，计算与应用数学杂志，220，1-2548-558（2008）·Zbl 1416.62172号
[11] Barros，A.K。；Cichocki，A.，用时间结构提取特定信号，神经计算，13,92995-2003（2001）·Zbl 1003.94505号
[12] Belouchrani，A。；Meraim，K.A。；卡多佐，J.-F。；Moulines，E.，基于二阶统计的盲源分离技术，IEEE信号处理学报，45，2，434-444（1997）
[13] Molgedey，L.公司。；Schuster，H.G.，使用延时相关性分离独立信号混合物，《物理评论快报》，72，23，3634-3637（1994）
[14] Tong，L。；刘瑞伟。；很快，V。；黄玉凤，盲辨识的不确定性和可辨识性，IEEE电路与系统汇刊，38，5，499-509（1991）·Zbl 0737.93016号
[15] Hyvärinen，A.，《复杂性追求：从时间序列中分离有趣的成分》，神经计算，13，4，883-898（2001）·Zbl 1044.62093号
[16] 施，Z。；Tang，H。；Tang，Y.，复杂度追踪的快速定点算法，神经计算，64，529-536（2005）
[17] 施，Z。；Zhang，C.，噪声复杂度追踪的高斯矩，神经计算，69，7-9，917-921（2006）
[18] 施，Z。；Zhang，C.，结合非高斯性和时间相关性提取胎儿心电图的半盲源提取，神经计算，701574-1581（2007）
[19] 张，H。；施，Z。；郭，C。；Feng，E.，基于广义自相关和参考信号的胎儿心电图半盲源提取算法，计算与应用数学杂志，223，1，409-420（2009）·Zbl 1148.92027号
[20] Stone，J.V.，使用时间可预测性的盲源分离，神经计算，131559-1574（2001）·Zbl 1009.62003号
[21] Hyvärinen，A.，《通过方差的非平稳性进行盲源分离：基于累积量的方法》，IEEE神经网络汇刊，12，6，1471-1474（2001）
[22] 松冈，K。；Ohya，M。；Kawamoto，M.，用于非平稳信号盲分离的神经网络，神经网络，8，3411-419（1995）
[23] Pham，D.-T。；Cardoso，J.-F.，非平稳源瞬时混合物的盲分离，IEEE信号处理汇刊，49，9，1837-1848（2001）·Zbl 1369.94262号
[24] 施，Z。；Zhang，C.，盲源分离的能量可预测性，《电子快报》，42，17，1006-1008（2006）
[25] 施，Z。；Zhang，C.，非线性创新与盲源分离，神经计算，71，406-410（2007）
[26] 施，Z。；江，Z。；周凤，一种非线性自相关盲源分离的定点算法，计算与应用数学杂志，223，2，908-915（2009）·兹比尔1159.65014
[27] 施，Z。；江，Z。；周，F。；Yin，J.，非线性自相关和非高斯盲源分离，计算与应用数学杂志，229，1，240-247（2009）·Zbl 1168.94003号
[28] 施，Z。；Zhang，C.，源分离的快速非线性自相关算法，模式识别，42，9，1732-1741（2009）·Zbl 1175.68392号
[29] D.De Moor（编辑）Daisy：系统识别数据库。在线获取地址：http://www.esat.kuleuven.ac.be/sista/daisy（英语）; D.De Moor（编辑）Daisy：系统识别数据库。在线获取地址：http://www.esat.kuleuven.ac.be/sista/daisy（英语）
[30] Hyvärinen，A.，独立信源盲分离的统一模型，信号处理，85，7，1419-1427（2005）·Zbl 1148.94400号
[31] 卡多佐，J.-F。；Souloumiac，A.，非高斯信号的盲波束形成，IEE Proceedings F（Communications，Radar and Signal Processing），140362-370（1993）
[32] Learnd-Miller，E.G。；Fisher，J.W.，使用熵的空间估计的ICA，机器学习研究杂志，412711-1295（2003）·Zbl 1061.62007年
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。