含噪独立分量分析的期望最大化算法

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

含噪独立分量分析的期望最大化算法

张和发, 李立萍

文章导航 > 电子科技大学学报 > 2012 > 41(4): 527-531

张和发, 李立萍. 含噪独立分量分析的期望最大化算法[J]. 电子科技大学学报, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

引用本文:

张和发, 李立萍. 含噪独立分量分析的期望最大化算法[J]. 电子科技大学学报, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

ZHANG He-fa, LI Li-ping. Expectation-Maximization Algorithm for Noisy Independent Component Analysis[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

Citation:

ZHANG He-fa, LI Li-ping. Expectation-Maximization Algorithm for Noisy Independent Component Analysis[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

含噪独立分量分析的期望最大化算法

doi: 10.3969/j.issn.1001-0548.2012.04.009

1.
电子科技大学电子工程学院成都 611731

作者简介:
张和发(1983-),男,博士生,主要从事盲信号处理和阵列信号处理方面的研究.

中图分类号: TN912

Expectation-Maximization Algorithm for Noisy Independent Component Analysis

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

摘要: 把期望最大化(EM)算法应用到含噪ICA模型中,即假定源信号具有统计独立性,并将其放在贝叶斯估计框架中,提出一种解决含噪独立分量分析(ICA)的期望最大化(EM)算法。在含噪ICA模型中,假设源信号的均值和方差服从更为一般的均匀分布,提出的EM算法将混合矩阵和超参数交替进行处理,可以有效地估计混合矩阵和超参数在一定模型下的模型参数,从而能够估计出源信号。仿真结果说明,该方法能够很好地解决含有噪声ICA模型下的盲源分离问题。
- 贝叶斯方法 /
- 盲源分离 /
- 期望最大化算法 /
- 独立分量分析
Abstract: Expectation-maximization (EM) algorithm is applied in the noisy independent component analysis (ICA) model, i.e., the source signals are assumed statistical independent and formulated in a Bayesian estimation framework. A Bayesian approach with EM algorithm for noisy ICA is proposed. In the noisy ICA model, supposing the means and variances of source signals are uniform, the proposed EM algorithm can efficiently estimate the model parameters of the mixing matrix and hyperparameters under a certain model, and then estimate the sources by processing the mixing matrix and hyperparameters alternatively. Simulation results show that the proposed method can perform blind source separation (BSS) with the noisy ICA model.
- Bayesian approach /
- blind source separation /
- expectation-maximum algorithm /
- independent component analysis

[1]	侯敏, 张仕斌, 黄曦. 量子模糊朴素贝叶斯分类算法 . 电子科技大学学报, 2024, 53(1): 149-154. doi: 10.12178/1001-0548.2022344
[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]	李享, 黄洪钟, 黄鹏, 李彦锋. 基于动态贝叶斯网络的电源系统可靠性分析与故障诊断 . 电子科技大学学报, 2021, 50(4): 603-608. doi: 10.12178/1001-0548.2020416
[4]	夏欣, 马闯, 张海峰. 基于改进的度折扣方法研究社交网络影响力最大化问题 . 电子科技大学学报, 2021, 50(3): 450-458. doi: 10.12178/1001-0548.2020338
[5]	阮宗利, 魏平, 钱国兵, 袁晓垒. 基于MNC-FastICA算法的稳健自适应波束形成 . 电子科技大学学报, 2017, 46(3): 505-510. doi: 10.3969/j.issn.1001-0548.2017.03.005
[6]	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
[7]	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
[8]	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
[9]	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
[10]	成昊, 唐斌. 基于相关熵的盲源分离算法 . 电子科技大学学报, 2013, 42(2): 214-218,224. doi: 10.3969/j.issn.1001-0548.2013.02.007
[11]	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
[12]	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
[13]	陈洪波, 陈真诚, 汤井田. 同场景多幅图像中的强噪声抑制 . 电子科技大学学报, 2010, 39(2): 209-213,226. doi: 10.3969/j.issn.1001-0548.2010.02.012
[14]	辛勤, 粘永健, 万建伟, 何密. 基于FastICA的高光谱图像压缩技术 . 电子科技大学学报, 2010, 39(5): 711-715,730. doi: 10.3969/j.issn.1001-0548.2010.05.014
[15]	唐艳, 柳建新, 龚安栋. ICA+CSSD的脑-机接口分类 . 电子科技大学学报, 2008, 37(3): 466-469.
[16]	洪英, 韩周安. 偏亚高斯语音信号有效分离ICA方法研究 . 电子科技大学学报, 2008, 37(5): 693-697.
[17]	刘震, 周明天. 基于核方法的贝叶斯邮件分类网络研究 . 电子科技大学学报, 2007, 36(3): 587-589,593.
[18]	陈红艳, 李磊民. 基于ICA的极化SAR图像相干斑抑制 . 电子科技大学学报, 2006, 35(4): 484-487.
[19]	姚远程, 马上. 一种视频图像中运动目标检测方法研究 . 电子科技大学学报, 2006, 35(4): 458-460,477.
[20]	张智林, 皮亦鸣, 孙志坚. 基于独立分量分析的降噪技术 . 电子科技大学学报, 2005, 34(3): 296-299.

WeChat

点击查看大图

计量

文章访问数: 3439
HTML全文浏览量: 98
PDF下载量: 62
被引次数: 0

含噪独立分量分析的期望最大化算法

doi: 10.3969/j.issn.1001-0548.2012.04.009

1. 电子科技大学电子工程学院成都 611731

作者简介:
张和发(1983-),男,博士生,主要从事盲信号处理和阵列信号处理方面的研究.

收稿日期: 2010-10-11
修回日期: 2011-05-17
刊出日期: 2012-08-15

中图分类号: TN912

关键词:

摘要: 把期望最大化(EM)算法应用到含噪ICA模型中,即假定源信号具有统计独立性,并将其放在贝叶斯估计框架中,提出一种解决含噪独立分量分析(ICA)的期望最大化(EM)算法。在含噪ICA模型中,假设源信号的均值和方差服从更为一般的均匀分布,提出的EM算法将混合矩阵和超参数交替进行处理,可以有效地估计混合矩阵和超参数在一定模型下的模型参数,从而能够估计出源信号。仿真结果说明,该方法能够很好地解决含有噪声ICA模型下的盲源分离问题。

English Abstract

张和发, 李立萍. 含噪独立分量分析的期望最大化算法[J]. 电子科技大学学报, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

引用本文:

张和发, 李立萍. 含噪独立分量分析的期望最大化算法[J]. 电子科技大学学报, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

ZHANG He-fa, LI Li-ping. Expectation-Maximization Algorithm for Noisy Independent Component Analysis[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

Citation:

ZHANG He-fa, LI Li-ping. Expectation-Maximization Algorithm for Noisy Independent Component Analysis[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(4): 527-531. doi: 10.3969/j.issn.1001-0548.2012.04.009

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