摘要:
为了更好地解决传统梯度下降算法中收敛点难以确定的难题,根据数字图像信号有界的特点,提出一种改进的梯度自适应在线独立分量分析(ICA)算法. 该算法将传统梯度在线算法中的收敛点强加于学习过程,使其由传统的梯度下降过程变为上升过程,保证接收端在最后一组信号到达时,分离矩阵可保持在最优分离点上. 理论分析和仿真结果表明,本算法具有较好的稳态性能和数值稳定性,是一种有效的ICA算法.
摘要:
为了更好地解决传统梯度下降算法中收敛点难以确定的难题,根据数字图像信号有界的特点,提出一种改进的梯度自适应在线独立分量分析(ICA)算法. 该算法将传统梯度在线算法中的收敛点强加于学习过程,使其由传统的梯度下降过程变为上升过程,保证接收端在最后一组信号到达时,分离矩阵可保持在最优分离点上. 理论分析和仿真结果表明,本算法具有较好的稳态性能和数值稳定性,是一种有效的ICA算法.