王曉宇

摘 要：本文首先介紹了盲源分離的背景和基本理論，針對自然梯度盲源分離算法中存在的缺陷，在算法的當(dāng)前自適應(yīng)迭代規(guī)則中，部分的加入前一時刻的抽頭系數(shù)的更新量，這樣就起到了提高系統(tǒng)收斂速度和跟蹤速度的目的，同時也改善了算法的分離性能。本文還在可變動量因子的算法中加入了自適應(yīng)的步長，這樣既可以加快算法的收斂速度，同時又可以減小算法的穩(wěn)態(tài)誤差，起到了優(yōu)化算法的作用。

關(guān)鍵詞：盲源分離；自然梯度；動量項(xiàng)

中圖分類號： D920.4 文獻(xiàn)標(biāo)識碼： A 文章編號： 1673-1069（2016）19-156-3

0 引言

盲源分離（Blind Source Separation， BSS）是一種新的信號處理方法，在20 世紀(jì) 80 年代發(fā)展起來。它是指在源信號和混合系統(tǒng)均在未知的情況下，僅利用傳感器測得的實(shí)際觀測信號來估計源信號的方法。由于盲源分離在信號分離方面具有其他方法所無法實(shí)現(xiàn)的性能，因此，已被廣泛應(yīng)用到許多科學(xué)研究領(lǐng)域中。從混合模型來看，盲源分離問題主要分為瞬時混合、卷積混合和非線性混合三種，其中以線性瞬時混合模型的盲源分離研究最為常見。