卷积混叠信号的最小互信息量盲分离算法

本文提出了一种卷积混叠信号的盲分离算法。该算法利用当信号相互独立时互信息量最小的特性作为分离准则，应用随机梯度算法确定分离滤波器的系数，文中给出了详细的理论推导。理论分析及实验仿真证明了算法的有效性。

基于旋转变换的最小互信息量盲分离算法

一种新的实时线性混叠信号盲分离算法在本文提出 .该算法先采取白化混叠信号将混叠矩阵转换为正交矩阵 ,然后基于QR分解理论 ,将混叠信号进行一系列初等旋转变换 ,并结合源信号相互独立时互信息量最小的特点 ,导出了一种新的自适应盲分离算法 .该方法回避了目前基于信息理论方法中 (如Torkkola 1996 ;Pham 1999;Lee 2 0 0 0以及谭 2 0 0 0等 )对“ln|detw|”的复杂计算 .我们不仅给出了详细的理论证明 ,而且也进行了仿真试验 ,理论分析与仿真结果表明该算法减少了分离时间 ,并具有很好的分离效果 .

最小互信息量用于单输入单输出的盲解卷问题

本文利用最小互信息量标准处理盲解卷问题．首先，分别通过Edgeworth拓展和Gram—Charlier拓展方法近似输出的概率密度函数．继而估计互信息量．最后利用最小化互信息量原理求得优化的解卷滤波器系数，仿真实验证明了本文算法的有效性．

非线性盲源分离的多目标进化算法

针对在非线性混叠盲源分离中代价函数往往具有许多局部最优解,求解其全局最优解非常困难的问题。设计了多目标进化算法来求解代价函数的全局最优解,提出了非线性盲源分离的多目标进化算法。该多目标进化算法根据带权极小极大策略构造了一个同进化代数有关的变适应值函数,使种群中的容许解逐渐增多和保持个体的多样性,避免算法陷于局部最优。数值仿真表明算法是有效的。