论文研究-一种改进的自适应混合神经网络盲分离算法.pdf

所需积分/C币:10 2019-07-22 21:31:49 1.55MB .PDF
收藏 收藏 1
举报

传统的前馈神经网络盲源分离算法由于步长固定存在许多缺点, 而基于Sigmoid函数的自适应步长算法虽然能够克服固定步长算法的缺陷, 但其稳态性能较差。针对这个问题, 提出一种改进的自适应步长算法, 该算法可灵活地控制步长因子函数的形状, 在近零点处变化较Sigmoid函数更加缓慢, 性能更加优越; 同时针对前馈神经网络的不足, 在前馈神经网络结构中引入递归结构, 利用改进的自适应步长算法控制学习速率。仿真分析表明该算法具有更快的分离速度和更加优越的分离效果 。
第4期 吕淑平,等:一种改进的自适应混合神经网络盲分离算法 1057 图4为Jutn和 herault提出的递归网络结构示意图。即分离效看,混合网络分离效果最佳,自适应步长前馈网络 易得出y(t)=x(n)-W(1),即yt)=[/+Vx(t) 次之,固定步长前馈网络分离效果最差,其原因是固定步长前 X(t)+ 馈网络达到局部的极小点后滞留在该点或该平台上,而自适应 混合网络则通过递归网络及自适应学习步长的调节,寻找到最 递归网络V 伏解,改善了前馈网络存在的收敛缺陷。本文提出的白适应混 匚学习步长调查 合神经网络算法显示出了相当优越的性能。 图4递归神经网络盲信号分离原理图 根据自然梯度算法及矩阵求导性质∽1)= yy5减时解解的 010002000300040005000 0002000300040005000 [/+Ⅵ 1J([+Ⅵ]) a[1+v 1+.得出△V=-k(1)+MwWw v(1)][-f(y)y],囚此该混合网络中前馈结构权值矩阵更 002000300040005000 10002000300040005000 新式为 图7定步长前馈网络 图8自适应步长前馈 分离信号波形 网络分离信号波形 v(t+1)=V(t)+△V(t) v(t)-u(t)[/+V(n)][1-f(y) 其中式(12)(13)中学习步长因子(1)由式(9)确定。且易得 010002000300040005000 固定步长前馈网终 出新结构的全局矩阵变为 自适应步长前馈网络 C=(/+WV) WA (14) 0.81 00040005000 自這应混合 P值计算方法不变。 神经网络 MANW/wn 0 0.4 3实验仿真 040005000 01000200030004000 图9自适应步长混合 网络分离信号波形 图10三种算法P值比较 本文实验数据为从网站htp://scbx.mit.edu上下载的舰 船辐射噪声,SCBX( santa barbara channel experiment)是M进4结束语 行的一项水声声源定位实验。在该实验中,接收声阵采集到了 来往集装箱货船的辐射噪声,采样频率为8kIz,共采集∫三 本文提出基于最小互信息的自适应混合神经网络盲源分 离算法,该算法通过学步长因」对前馈网络结构W反递归 艘船的辐射嗓声,信号长度为155,文件名为shp.wav、网络结构v进行自适应调整,相比传统的前馈神经网络盲源 ship2. wav, ship3. wavo 分离和单纯的基于步长自适应神经网络盲源分离,其具有更快 本文截取上述三个辐射嗓声号的前500个采样点作为的收敛速度和更好的收敛性能。通过实际数据检验,对丁实时 源信号,混合矩阵随机选定Ayx3~(-1,1),采用实时在线处线性混合信号处理具有很强的:程应用价值。由于实际水声 理方法仿真分析,激活函数选取y)=tmhy(n)-y(1),学习基阵接收信号一般为卷积混合模型,因此本文提出的方法在卷 步长因子按式(10)计算,取B=0.1,a=10,h=10,初始值积混合模型下的应用研究还有待于进一步考察,这将成为今后 (0)=0.01,分析可知该参数下自适应步长取值范围为[0 的研究课题。 0.1],曲线形状与图2(c)屮a=10情况下相同。由图可看出, 参考文献 在e(1)取值的近零点处步长因子变化平缓,可避免失调,而在 [1C40 roac source separatIon e(1)增大吋,步长因∫变化增大,从而可获得较快的收敛速率 [JJ. IEEE Trans on Signal Processing, 1996, 44(3 ): 562-571 和较高的跟踪能力,且经多次仿真分析证明,选取该参数下的[2]倪晋平,马远良,孙超,等,用独立成分分析算法实现水声信号盲 改进自适应步长算法分离本实验数据获得的效果较好。固定 分离[J].声学学报,2002,27(4):35-40. 步长算法步长因子-(x)m=0.1,即与改进算法步长因子[3章景繁,书浏,差于8型画函数的变步共LNS自适应滤波算法[ 最大值相等。源信号波形、混合信号波形,三种算法分离信号 无线电匚程,1996,26(4):44-47 [4】孙娟,王俊,刘斌.基于相对误差互相关函薮的变步长LMS算法 波形以及三种算法P值收敛曲线如图5~10所示。 [冂].系统工程与电子技术,2008,30(12):2316-2320 [5〗吕淑平,方兴杰,基于独立分量分析的自适应在线算法[J,计算 机应用研究,2010,27(11):4140-4145 10002000300040005000 1000 2000 300 5000[6 CICHOCKI A, UNBEHAUEN R Robust neural networks with on-line STwwMMAyyysr-rywyia learning for blind identification and blind separation of sources[ J] 010002000300040005000 10002000300040005000 IEEE Trans on Circuit and Systems I: Fundamental Theory and Applications,1996,43(11):894-906 WwAlrAwMNAM 1 [7] ZHANG Zhi-lin, YI Zhang. An efficient independent component analy- 010002000300040005000010002000300040005000 sis algorithm for sub-Gaussian sources[ C]//Proc of the 2nd Interna- 图5源信号波形 图6混合信号波形 tional Conference on Advances in Neural Networks. Berlin Spring 图10显示了三种算法的收敛由线走向。从收敛速度看 Verlag,2005:967972 固定步长前馈网络大约在1200步左右达到稳定值,自适应步[8]余华,吴文全,刘患,自适应步长EASI算法研究及改进[J舰船 也子工程,2009(10):118-120 长前馈网络则提高到了约400步左右收敛,而自适应混合神经[91柄福生,洪波独立分量分祈的原理和应用[M].北京:清华大学 网络则在200步左右即达到稳定,收敛速度最佳;从收敛程度 出版社,2006

...展开详情
试读 3P 论文研究-一种改进的自适应混合神经网络盲分离算法.pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    img

    关注 私信 TA的资源

    上传资源赚积分,得勋章
    最新推荐
    论文研究-一种改进的自适应混合神经网络盲分离算法.pdf 10积分/C币 立即下载
    1/3
    论文研究-一种改进的自适应混合神经网络盲分离算法.pdf第1页

    试读已结束,剩余2页未读...

    10积分/C币 立即下载 >