导读:本文包含了自然梯度算法论文开题报告文献综述及选题提纲参考文献,主要关键词:盲源分离,自然梯度算法,步长,小波去噪
自然梯度算法论文文献综述
徐林涛[1](2019)在《基于改进自然梯度算法的盲源分离研究》一文中研究指出盲源分离是信号处理领域中一种新发展起来的对未知混合信号分离的方法。经过几十年来不断地研究和发展,盲源分离已经成为众多学科领域研究的热门课题,具有很多潜在的应用价值,已经被广泛地应用于很多领域。二十一世纪以来,盲源分离的研究方向主要分为两个方面,一面是解决卷积混合问题和欠定问题等,另一方面是优化分离算法和提高算法的分离性能等。本文对盲源分离理论进行了深入的研究,着重研究了自然梯度算法,针对算法存在的缺陷,提出了改进的盲源分离算法。对于含噪盲源分离,通过引入动量因子对算法作进一步的改进,并结合小波去噪原理,构造了基于小波去噪和改进自然梯度的盲源分离算法。自然梯度算法是盲源分离中常用且重要的方法,具有较快的收敛速度和良好的分离性能。由于标准自然梯度算法采用的是固定步长,所以存在着收敛速度和稳态误差之间的固有矛盾,并且其码间干扰的收敛速度很慢。当步长较大时,虽然收敛速度快,但其稳态误差较大;当步长较小时,虽然稳态误差较小,但其收敛速度比较慢,不能迅速跟踪系统变化。针对上述问题,提出一种改进的自然梯度算法。首先,构造一个步长迭代更新函数,实现算法中步长的自适应选取。然后对改进算法进行Frobenius范数约束,从而加快码间干扰的收敛速度。最后通过实验仿真验证了算法的有效性,实验结果表明所提算法的收敛速度较快同时稳态误差较小,具有更好的分离性能。在实际的应用环境中,所获取到的混合信号中通常都含有噪声信号。经过研究表明,许多的盲源分离算法,如FastICA、EASI和近似联合对角化等算法,在含有噪声的情况下,算法的分离效果会严重下降,甚至不能有效地分离出源信号。对于含噪盲源分离,为了提高算法的分离效果和稳定性,需要对混合信号进行去噪处理。由于小波去噪方法具有非常好的去噪效果,而且其数学模型较为简单,对源信号的先验信息要求较低,所以本文选择小波半软阈值对含噪信号进行去噪处理。为了提高分离性能,通过引入动量因子对自然梯度算法进一步的改进,通过性能指标的反馈自适应的调整步长因子和动量因子。在含噪声信号的情况下,构造了一种基于小波去噪和改进自然梯度相结合的盲源分离方法。通过仿真实验,由各项性能评价指标的数据表明,本文所改进的自然梯度算法比其他几种算法的分离性能更好,并且算法的抗噪性和稳定性更好。(本文来源于《湘潭大学》期刊2019-06-01)
杨海涛[2](2018)在《盲信源分离自然梯度算法的仿真》一文中研究指出采用典型的自然梯度算法对盲信源分离进行仿真,通过仿真结果对自适应步长的大小对串音误差曲线的收敛速度以及稳定性的影响进行分析.并根据结果通过文献调研对峭度自适应学习率算法以及EASI算法进行了仿真和讨论,并与传统的自然梯度算法进行了比较和分析.(本文来源于《内蒙古民族大学学报(自然科学版)》期刊2018年02期)
丁文春,张杭[3](2017)在《优化搜索方向的自然梯度盲分离算法》一文中研究指出针对经典自然梯度算法收敛速度慢的问题,文章提出了一种梯度搜索方向优化的自然梯度盲分离算法。首先设计了非线性函数,采用非线性函数对梯度矩阵的各个元素进行加权处理,优化算法迭代的搜索方向,使其更加贴近目标函数实际的变化方向。与分级迭代变步长的自然梯度算法和梯度优化的EASI算法相比,该算法进一步提高了收敛速度和分离精度。(本文来源于《军事通信技术》期刊2017年02期)
师晨旭[4](2017)在《自然梯度盲信号分离算法的研究》一文中研究指出盲信号分离技术起源于20世纪90年代,解决的是在源信号与传输信道均未知的条件下,只能利用观测信号估计出相互统计独立的源信号的问题。盲信号分离模型具有通用性,在雷达、无线通信、图像处理、语音信号处理和医学领域有着广泛的应用。对比函数优化是解决线性瞬时混合盲信号分离问题的一种主要思路。该方法通过找到一个能够测度分离系统输出的随机向量的统计独立性的对比函数,接着用优化算法找到该函数的最大/小值,得到分离矩阵从而恢复源信号。自然梯度盲信号分离算法是一种经典的对比函数优化方法,它通过自适应更新得到分离矩阵,迭代公式形式简单、计算量小且可以跟踪环境的变化。自然梯度盲分离算法作为在线自适应算法的一种,其性能指标存在步长和激励函数两种影响因素。为了有效提高算法性能,本文对步长的选择和激励函数的估计进行了改进。自适应变步长能够有效缓解收敛速度与稳态误差存在的矛盾,基于此,本文提出了一种基于分级迭代变步长算法。仿真实验结果表明,该算法具有高速收敛的同时稳态误差也较小。在自然梯度盲信号分离中,估计的激励函数的精确度直接影响算法的收敛。针对此问题,采用一种函数逼近激励函数的方法加快算法收敛速度。通过一组正交基线性组合逼近激励函数,均方误差作为逼近程度的测度,正交基的组合系数可以由自适应学习均方误差最小获得。仿真实验证明无论是对于同系混合信号还是杂系混合信号该方法都具有较快的收敛速度。(本文来源于《河南理工大学》期刊2017-06-16)
朱斐,朱海军,刘全,陈冬火,伏玉琛[5](2018)在《一种解决连续空间问题的真实在线自然梯度AC算法》一文中研究指出策略梯度作为一种能够有效解决连续空间决策问题的方法得到了广泛研究,但由于在策略估计过程中存在较大方差,因此,基于策略梯度的方法往往受到样本利用率低、收敛速度慢等限制.针对该问题,在行动者-评论家(actor-critic,简称AC)算法框架下,提出了真实在线增量式自然梯度AC(true online incremental natural actor-critic,简称TOINAC)算法.TOINAC算法采用优于传统梯度的自然梯度,在真实在线时间差分(true online time difference,简称TOTD)算法的基础上,提出了一种新型的前向观点,改进了自然梯度行动者-评论家算法.在评论家部分,利用TOTD算法高效性的特点来估计值函数;在行动者部分,引入一种新的前向观点来估计自然梯度,再利用资格迹将自然梯度估计变为在线估计,提高了自然梯度估计的准确性和算法的效率.将TOINAC算法与核方法以及正态策略分布相结合,解决了连续空间问题.最后,在平衡杆、Mountain Car以及Acrobot等连续问题上进行了仿真实验,验证了算法的有效性.(本文来源于《软件学报》期刊2018年02期)
张延良,师晨旭,张伟涛,李兴旺[6](2017)在《基于分级迭代变步长的自然梯度盲源分离算法》一文中研究指出自然梯度算法是处理盲源分离问题的一个重要方法。自然梯度算法的分离速度与稳态性能之间存在矛盾,步长增大收敛速度加快,但是稳态误差随之增大。自适应变步长算法是解决收敛速度与稳态误差之间的矛盾的有效手段。基于原有自适应算法,提出了一种分级迭代变步长算法,更好地解决了算法存在的收敛速度与稳态误差的矛盾。仿真结果表明,该算法具有更快的分离速度和更好的稳态性能。(本文来源于《测控技术》期刊2017年01期)
刘婷,张锦,李灯熬[7](2016)在《改进的自然梯度盲源分离算法在非平稳环境中的应用》一文中研究指出对于传统的自然梯度算法,在处理非平稳信号时,在步长更新迭代过程中,非平稳信号变化幅度过快而导致分离矩阵幅度变化的不稳定,从而影响分离效果。针对此问题,结合变步长的思想,提出了基于正交约束的自然梯度盲分离算法,该算法主要对恢复信号进行约束,通过使用瞬时误差有目的地控制变步长,从而加快算法收敛速度且提高了分离精度,同时保证了非平稳环境下分离过程的稳定性。结果表明,正交约束下的盲源分离算法可以高效地分离出非平稳环境下的源信号。(本文来源于《电子器件》期刊2016年03期)
郭晓峰[8](2016)在《优化加权因子的自然梯度算法设计及研究》一文中研究指出长期以来,盲源分离问题都是信号处理领域的研究热点。盲源分离理论的实质就是利用接收器接收到的混合信号来实现对源信号的分离。由于分离过程中的诸多未知因素,因此经过盲分离处理后所得到的分离信号实际上是源信号的估计值。盲源分离技术在很多领域都有着广泛的运用,如生物医学、图像处理、雷达定位、通信传输以及地震勘探等领域。本文针对自然梯度组合型算法,提出了优化其加权因子的改进策略。加权因子可以实时地调整各子分离系统在整个系统中的比重,进而影响算法的收敛速度以及稳态误差。本文提出的该改进策略,不但使加权因子突破了传统组合算法中加权因子的取值必须介于[0,1]之间的限制,而且明显地提高了算法的收敛速度,并降低了算法收敛时的稳态误差。全文具体工作主要包括叁部分:首先,介绍盲源分离问题的基本理论,包括:研究背景、发展过程以及国内外取得的相关进展;盲源分离的数学模型、分类以及预处理;盲源分离算法,尤其是自适应算法;并给出了评价盲源分离算法分离性能的指标。其次,深入研究盲源分离算法中的自然梯度算法的基本原理,包括:自然梯度算法以及动量项自然梯度算法。针对自然梯度算法收敛速度缓慢的不足,融入动量项技术,可以有效地提高算法的收敛速度。通过MATLAB仿真实验,分析自然梯度算法和动量项自然梯度算法的分离性能,发现后者的收敛速度较前者得到有效改善,但稳态误差较前者没有减弱,甚至略有恶化。最后,针对动量项自然梯度算法中稳态误差恶化的缺陷,可采用传统的动量项自然梯度算法的组合型盲源分离系统(由两个子分离系统组成)来解决;但是由于该系统中的加权因子的取值必须介于[0,1]之间,从而导致该组合系统的算法仅仅维持了动量项自然梯度算法的稳态性能;于是本文提出一个新的组合型盲源分离系统结构,并借助动量因子的取值特点,同时提出新的优化加权因子的动量项自然梯度算法。MATLAB仿真实验最终验证,本文所提出的新算法无论是收敛速度还是稳态误差性能均优于传统的组合型动量项自然梯度算法。(本文来源于《烟台大学》期刊2016-03-30)
李双双[9](2015)在《基于不完整自然梯度算法的盲源分离问题的研究》一文中研究指出盲源分离是一项传统的信号处理方法,其研究是在源信号以及传输通道等信息未知的情况下,仅仅由观测到的混合信号分离和恢复出源信号,具有非常重要的理论意义和实用价值,在语音处理、生物医学工程、图像处理等诸多领域均有突出贡献。首先,本文介绍了盲源分离问题的提出及研究意义;分析了国内外的研究动态;阐述了盲源分离的相关理论知识,包括盲源分离的数学模型,信号分离的可行性及分离结果的不确定性,盲源分离的独立性判据及估计方法,以及盲源分离的一般求解过程;讨论并给出了自然梯度算法中存在的不足之处,进而引出了本文研究的盲源分离算法一不完整自然梯度算法。然后,针对定步长算法无法解决收敛速度与稳态误差间的矛盾的问题,本文利用分离度作为参数来控制算法中步长的选取,提出了一种基于信号分离状态的步长自适应不完整自然梯度算法。因为此算法中步长是建立在分离度的基础上,其学习速率可依据信号的分离程度而自适应地变化,因此能够达到更好的分离效果。另一方面,由于算法中只利用某种具体的估计函数很难兼顾算法的收敛速度和稳态性能,因此,本文又提出了优选函数的概念,也就是在信号分离的不同阶段采用不同的估计函数来增加函数的灵活性,并且增加了基于代价函数梯度的变步长运算。通过计算机仿真,表明本文所提出的两种新的算法相对于传统的算法而言,能够达到更好的分离效果,更具可行性及优越性。最后,对本文的工作进行了总结,并且对研究中存在的问题以及今后研究的方向做了进一步的展望。(本文来源于《东北大学》期刊2015-06-01)
李康[10](2015)在《基于自然梯度算法的自适应盲源分离研究》一文中研究指出自适应盲源分离是在20世纪90年代发展起来的一种实时盲信号处理技术,通过利用信号的数据特征自动地调整算法处理参数和约束条件,从而实现最佳的分离效果。与批处理相比,自适应盲源分离计算量小,计算时间短,不仅适用于数据的实时处理,而且适用于非平稳环境中。本文在研究现有成果的基础上,主要对影响自适应盲源分离算法的步长因子以及变步长的构造方法进行了研究,并分析了当观测信号为超高斯信号和亚高斯信号混合而成时的盲源分离。主要内容如下:(1)本文首先介绍了盲源分离的发展历史以及国内外研究动态,对盲源分离的基本理论进行了概述,包括盲源分离的数学模型、基本假设以及相关的信息论基础知识,简要介绍了几种经典的自适应盲源分离算法,并对自然梯度盲源分离算法目标函数的建立及其算法进行了推导,同时对影响算法性能的主要因素步长和激活函数进行了分析。(2)自适应盲源分离算法作为一种LMS型算法,存在着收敛速度和稳态误差之间的矛盾,为克服这一矛盾,本文在研究自然梯度算法的基础上,提出了一种引入动量项的双自适应自然梯度算法,该算法将分离度分别引入到自然梯度算法的步长因子和分离矩阵中,并根据分离效果自适应调整分离度,从而在加快算法收敛速度的同时,降低稳态误差。仿真实验证明,提出的新算法的性能明显优越于固定步长和传统变步长算法。(3)当混合信号为超高斯信号和超高斯信号混迭而成时,由于非线性函数的限制,大多数自适应盲源分离算法将无法实现有效分离。针对这一问题,人们提出了很多算法,其中具有代表性的是一种基于概率密度估计的盲源分离算法(DEBBSS),由于其采用经验固定带宽,只适用于单峰概率密度函数的估计。本文在DEBBSS算法的基础上,通过引入Sheather-Jone带宽选择法和局部带宽因子,得到了一种基于概率密度估计的改进算法,该算法能够同时实现对单峰和多峰概率密度函数的估计,使得分离信号更接近源信号。仿真实验证明,提出的算法不仅能够有效实现超高斯和亚高斯混合信号的盲源分离,而且具有较好的性能。(本文来源于《湖南师范大学》期刊2015-05-01)
自然梯度算法论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
采用典型的自然梯度算法对盲信源分离进行仿真,通过仿真结果对自适应步长的大小对串音误差曲线的收敛速度以及稳定性的影响进行分析.并根据结果通过文献调研对峭度自适应学习率算法以及EASI算法进行了仿真和讨论,并与传统的自然梯度算法进行了比较和分析.
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自然梯度算法论文参考文献
[1].徐林涛.基于改进自然梯度算法的盲源分离研究[D].湘潭大学.2019
[2].杨海涛.盲信源分离自然梯度算法的仿真[J].内蒙古民族大学学报(自然科学版).2018
[3].丁文春,张杭.优化搜索方向的自然梯度盲分离算法[J].军事通信技术.2017
[4].师晨旭.自然梯度盲信号分离算法的研究[D].河南理工大学.2017
[5].朱斐,朱海军,刘全,陈冬火,伏玉琛.一种解决连续空间问题的真实在线自然梯度AC算法[J].软件学报.2018
[6].张延良,师晨旭,张伟涛,李兴旺.基于分级迭代变步长的自然梯度盲源分离算法[J].测控技术.2017
[7].刘婷,张锦,李灯熬.改进的自然梯度盲源分离算法在非平稳环境中的应用[J].电子器件.2016
[8].郭晓峰.优化加权因子的自然梯度算法设计及研究[D].烟台大学.2016
[9].李双双.基于不完整自然梯度算法的盲源分离问题的研究[D].东北大学.2015
[10].李康.基于自然梯度算法的自适应盲源分离研究[D].湖南师范大学.2015