基于鄰域風險最小化概率密度估計的自適應盲分離算法

摘要：為實現(xiàn)由不同統(tǒng)計特性和概率分布平滑特性信號得到混合信號的盲分離，對基于支持向量機的鄰域風險最小化概率密度估計算法進行研究，提出一種鄰域函數(shù)的構(gòu)造方法，將其與自然梯度批處理算法相結(jié)合，形成一種新的自適應盲分離算法；利用廣義高斯模型分析了分離算法的精確度。通過仿真實驗，驗證了該算法能分離統(tǒng)計特性不同的混合信號，相比于基于經(jīng)驗風險最小化的方法，該方法在收斂速度和精度方面的性能有很大提高。

關鍵詞：鄰域風險；概率密度估計；支持向量機；激活函數(shù)；自然梯度算法；盲分離

中圖分類號：TN911 文獻標志碼：A 文章編號：1001－3695(2010)08－3096－04