基于线性神经网络的独立成分分析算法

• 作者: 李宏伟 李睿 王法松
• 来源期刊: 南京大学学报：自然科学版
• 学科: 工学
• 关键词: 独立成分分析 评价函数 极大似然 非参数估计 神经网络
• 年，卷（期）: 2012,（2）
• 页码范围: 198-205
• 分类号: TN911.7
• 语种: 中文

摘要

基于概率密度非参数估计的广义高斯密度（GGD）核估计和线性独立成分分析（ICA）神经网络，本文提出了一种新的非参数ICA算法，实现了对源信号分布的全盲要求．该算法直接由观测信号样本出发，对分离信号评价函数直接估计，可以只用一种灵活评价函数分离任意的杂系混合信号，并且GGD核可以根据源信号的高阶统计性质自适应的改变以适应不同的要求，从而在一定程度上解决了ICA算法中选取估计信号评价函数的问题．模拟实验说明了所提算法的性能优越性．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宏伟	中国地质大学数学与物理学院	75	473	11.0	17.0
2	李睿	河南工业大学理学院	10	10	2.0	3.0
3	王法松	西安电子科技大学雷达信号处理国家重点实验室	3	40	2.0	3.0