基于数据分块的自适应变步长盲源分离算法

本文基于经典的自然梯度盲源分离算法提出了一种新型数据分块处理的自适应变步长改进思路，在平稳和非平稳环境中进行正定盲信号分离。其中数据分块处理结合了批处理和自适应在线处理的优点，文中给出了其更新公式的详细的推导过程；变步长则在原有自适应算法的基础上，通过引入性能指数来构造目标函数，反馈到更新公式上，通过选取合适的经验参数自适应的调节步长，在一定程度上寻求稳态误差和收敛速度这对固有矛盾的平衡点，弥补固定步长存在的缺陷。仿真结果表明，所提方法具有在线算法实时跟踪快变非平稳环境的优点，并且对步长有较强的自适应调节能力，收敛速度快，稳态误差小，能以更小的运算量，更短的数据处理时间有效分离混合信号。