非参数GKNN估计的高效独立成分分析算法

• 作者: LI Hong-wei 李睿 王法松
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 盲源分离 独立成分分析 非参数估计 广义k-最近邻估计
• 年，卷（期）: 2008,（4）
• 页码范围: 764-768
• 页数: 5页
• 分类号: TP391
• 字数: 3622字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2008.04.035

摘要

基于概率密度非参数估计的广义k-最近邻估计(GKNN)和线性独立成分分析(ICA)神经网络,提出了一种新的ICA非参数算法,实现了对源信号分布的全"盲"要求.传统的ICA算法不能分离一般的包括超高斯、亚高斯和非对称分布的杂系混合信号,因此它们需知道源信号的一些信息.基于GKNN的非参数密度估计直接由观测信号样本出发,实现了对分离信号评价函数的直接估计,从而在一定程度上解决了ICA算法中如何选取估计信号评价函数的难题.所提算法可以只用一种灵活的评价函数分离任意的杂系混合信号,该算法为ICA的更广泛应用铺平了道路.模拟实验从统计性质和计算时间说明了所提算法性能的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李睿	中国地质大学数学与物理学院	4	36	3.0	4.0
3	王法松	中国地质大学数学与物理学院	8	63	5.0	7.0
7	LI Hong-wei	河南工业大学理学院	1	1	1.0	1.0