基于鄰域風險最小化概率密度估計的自適應盲分離算法

摘要：為實現由不同統計特性和概率分布平滑特性信號得到混合信號的盲分離，對基于支持向量機的鄰域風險最小化概率密度估計算法進行研究，提出一種鄰域函數的構造方法，將其與自然梯度批處理算法相結合，形成一種新的自適應盲分離算法；利用廣義高斯模型分析了分離算法的精確度。通過仿真實驗，驗證了該算法能分離統計特性不同的混合信號，相比于基于經驗風險最小化的方法，該方法在收斂速度和精度方面的性能有很大提高。

關鍵詞：鄰域風險；概率密度估計；支持向量機；激活函數；自然梯度算法；盲分離

中圖分類號：TN911 文獻標志碼：A 文章編號：1001－3695(2010)08－3096－04