基于相关熵的盲源分离算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于相关熵的盲源分离算法

文章导航 > 电子科技大学学报 > 2013 > 42(2): 214-218,224

成昊, 唐斌. 基于相关熵的盲源分离算法[J]. 电子科技大学学报, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

引用本文:

成昊, 唐斌. 基于相关熵的盲源分离算法[J]. 电子科技大学学报, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

CHENG Hao, TANG Bin. Blind Source Separation Algorithm Based on Correntropy[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

Citation:

CHENG Hao, TANG Bin. Blind Source Separation Algorithm Based on Correntropy[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

基于相关熵的盲源分离算法

doi: 10.3969/j.issn.1001-0548.2013.02.007

成昊,
唐斌

1.
电子科技大学电子工程学院成都 611731

作者简介:
成昊(1982-),男,博士生,主要从事统计信号处理、贝叶斯学习和盲源分离方面的研究.

中图分类号: TN912

Blind Source Separation Algorithm Based on Correntropy

CHENG Hao,
TANG Bin

1.
School of Electronic Engineering,University of Electronic Science and Technology of China Chengdu 611731

摘要: 提出了基于相关熵的盲源分离算法。与传统独立成分分析(ICA)方法利用四阶统计量或时间结构的盲源分离不同,该算法从信息理论学习中的相关熵概念出发,利用相关熵中蕴涵的各偶数阶统计信息,通过参数化中心相关熵与独立性测度的关系,建立代价函数,并通过优化算法对其进行寻优,从而得到解混矩阵并分离出源信号。仿真结果表明,在分离超高斯混合源和次高斯混合源时,分离性能优于传统的ICA方法。
- 盲源分离 /
- 相关熵 /
- 独立性测度 /
- 信息理论学习 /
- 参数化中心相关熵
Abstract: A blind source separation algorithm based on correntropy is presented. Unlike the traditional independent component analysis (ICA) method which utilizes the forth-order statistics or temporal structure to achieve the blind source separation. This algorithm is motivated from the notion of correntropy in the information theoretic learning, utilizing the even statistics implied in correntropy. The cost function is established according to the relationship between the parametric centered correntropy and the independence measure, and then minimized by using the optimization algorithm to acquire the demixing matrix and separate the signal. Simulations show that the performance is better than the traditional ICA method when separating the mixture of the super-Gaussian source and sub-Gaussian source.
- blind source separation /
- correntropy /
- independence measure /
- information theoretic learning /
- parametric centered correntropy

[1]	龚志豪, 蒋沅, 代冀阳, 杨智翔. 基于交叉熵的节点重要性排序算法 . 电子科技大学学报, 2023, 52(6): 944-953. doi: 10.12178/1001-0548.2023058
[2]	余显祥, 严正欣, 潘步年, 汪兵, 崔国龙. 主瓣伴随干扰下数字子阵雷达和差波束测角方法 . 电子科技大学学报, 2023, 52(4): 498-505. doi: 10.12178/1001-0548.2022283
[3]	冯琴荣, 温玮华. 区间值信息系统的熵度量 . 电子科技大学学报, 2021, 50(1): 101-105. doi: 10.12178/1001-0548.2019243
[4]	郝晓丽, 高永. CUDA框架下的视频关键帧互信息熵多级提取算法 . 电子科技大学学报, 2018, 47(5): 726-732. doi: 10.3969/j.issn.1001-0548.2018.05.014
[5]	何兴高, 李蝉娟, 王瑞锦, 邓伏虎, 刘行. 基于信息熵的高维稀疏大数据降维算法研究 . 电子科技大学学报, 2018, 47(2): 235-241. doi: 10.3969/j.issn.1001-0548.2018.02.012
[6]	伍度志, 杨帆, 赵静. 基于信息熵的加权基因关联网络融合方法 . 电子科技大学学报, 2018, 47(2): 286-291. doi: 10.3969/j.issn.1001-0548.2018.02.020
[7]	罗春海, 刘红丽, 胡海波. 微博网络中用户主题兴趣相关性及主题信息扩散研究 . 电子科技大学学报, 2017, 46(2): 458-468. doi: 10.3969/j.issn.1001-0548.2017.02.022
[8]	叶娅兰, 何文文, 程云飞, 侯孟书, 李云霞. 面向压缩感知的基于相关性字典学习算法 . 电子科技大学学报, 2017, 46(5): 703-708. doi: 10.3969/j.issn.1001-0548.2017.05.011
[9]	赵敏, 赵春临. 基于事件相关电位近似熵识别心理意识真实性的研究 . 电子科技大学学报, 2016, 45(5): 860-864. doi: 10.3969/j.issn.1001-0548.2016.05.025
[10]	骆忠强, 朱立东. 基于广义协方差张量分解的欠定盲辨识算法 . 电子科技大学学报, 2016, 45(6): 893-897. doi: 10.3969/j.issn.1001-0548.2016.06.003
[11]	王莉君, 何政伟, 冯平兴. 基于ICA的异常数据挖掘算法研究 . 电子科技大学学报, 2015, 44(2): 211-214. doi: 10.3969/j.issn.1001-0548.2015.02.009
[12]	付卫红, 李爱丽, 黄坤, 马丽芬, 严新, 杨博. 欠定盲分离时变混合矩阵的估计 . 电子科技大学学报, 2015, 44(4): 508-512. doi: 10.3969/j.issn.1001-0548.2015.04.006
[13]	程光辉, 王磊杰. 直接正交联合对角化盲分离算法 . 电子科技大学学报, 2014, 43(3): 359-362. doi: 10.3969/j.issn.1001-0548.2014.03.007
[14]	张和发, 李立萍. 含噪独立分量分析的期望最大化算法 . 电子科技大学学报, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009
[15]	付卫红, 史凡, 刘乃安. 适用于时变信道环境的盲源分离算法 . 电子科技大学学报, 2012, 41(4): 512-515. doi: 10.3969/j.issn.1001-0548.2012.04.006
[16]	白琳, 陈豪. 欠定模型下源信号及混合矩阵动态变化时的盲分离 . 电子科技大学学报, 2012, 41(3): 348-354. doi: 10.3969/j.issn.1001-0548.2012.03.004
[17]	童玲, 陈光. 测量数据处理中的Bayes理论与最大熵方法 . 电子科技大学学报, 2007, 36(1): 77-78,85.
[18]	熊波, 李国林, 尚雅玲, 高云剑. 信号相关性与DOA估计 . 电子科技大学学报, 2007, 36(5): 907-910.
[19]	童玲, 陈光礻禹, 吕文. 测量数据的信息熵与测量误差熵研究 . 电子科技大学学报, 2007, 36(5): 935-937.
[20]	傅彦, 周俊临. 基于无监督学习的盲信号源分离技术研究 . 电子科技大学学报, 2004, 33(1): 63-66.

WeChat

点击查看大图

计量

文章访问数: 4485
HTML全文浏览量: 138
PDF下载量: 77
被引次数: 0

基于相关熵的盲源分离算法

doi: 10.3969/j.issn.1001-0548.2013.02.007

成昊,
唐斌

1. 电子科技大学电子工程学院成都 611731

作者简介:
成昊(1982-),男,博士生,主要从事统计信号处理、贝叶斯学习和盲源分离方面的研究.

收稿日期: 2011-03-30
修回日期: 2011-06-24
刊出日期: 2013-04-15

中图分类号: TN912

关键词:

摘要: 提出了基于相关熵的盲源分离算法。与传统独立成分分析(ICA)方法利用四阶统计量或时间结构的盲源分离不同,该算法从信息理论学习中的相关熵概念出发,利用相关熵中蕴涵的各偶数阶统计信息,通过参数化中心相关熵与独立性测度的关系,建立代价函数,并通过优化算法对其进行寻优,从而得到解混矩阵并分离出源信号。仿真结果表明,在分离超高斯混合源和次高斯混合源时,分离性能优于传统的ICA方法。

English Abstract

成昊, 唐斌. 基于相关熵的盲源分离算法[J]. 电子科技大学学报, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

引用本文:

成昊, 唐斌. 基于相关熵的盲源分离算法[J]. 电子科技大学学报, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

CHENG Hao, TANG Bin. Blind Source Separation Algorithm Based on Correntropy[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

Citation:

CHENG Hao, TANG Bin. Blind Source Separation Algorithm Based on Correntropy[J]. Journal of University of Electronic Science and Technology of China, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发