李若冰
关键词：盲源分离；
算法；
自适应步长；
收敛；
稳态失调
盲源分离（Blind Source Separation， BSS）是上世纪90 年代发展起来的信号处理技术。“盲”有两层含义，即源信号不能被观测和如何混合未知。盲源分离算法是指在源信号未知和传输信道未知的情况下，分离多个独立的盲源信号的数学方法[1]。
盲源分离概念的提出源于“鸡尾酒会”问题。在一个多人交谈的酒会，放置在不同位置的麦克风录制到多人交谈的声音及所处环境的噪声，那么如何利用录制的语音信息还原每个人谈话的内容？人类可以用听觉分辨，但计算机如何自主地辨识，将每个人的语音分离出来？ 盲源分离概念自提出以来，产生很多性能优异的算法，使得盲信号处理技术在医学信号处理、语音分析、图像处理... 等领域得到成功的运用[1]。
1 自适应盲源分离算法
按照信号处理方式的不同，盲源分离的算法分为两种，即批处理 （Batch Processing） 算法和自适应处理（Adaptive Processing） 算法。批处理算法对已获得的数据进行统计处理，不随着输入数据产生变化，分离精度较高，但需要较大的存储空间，不能适应实时变化的数据更新；
自适应算法是在一组观察数据的基础上，随着数据的输入做递归迭代计算，具有计算量小、时间短的优点，适用于实时性较强的非平稳信号环境[2]。
自适应步长的作用是控制分离矩阵迭代更新的幅度，步长的大小是影响算法收敛性能、跟踪性能和稳态性能的关键因素。固定步长的自适应算法，若学习速率大，收敛快，但稳态性能差；
若学习速率小，稳态性能好，但收敛慢[2]，存在收敛速度与与稳态性能之间的矛盾。自适应算法种类繁多，广泛运用的有EASI 算法、自然梯度算法、迭代求逆算法... 等。
判定规则为：
① E{ΔW （t ）} 增大，表明步长过大，减小步长；
② E{ΔW （t ）} 减小，表明步长过小，加大步长。
综上所述，选择准确反映分离状态的参数作为调整步长的因子，能更好地管控分离状态。反映分离状态的参数很多，应根据算法的原理和管控的需要，选择与分离状态紧密相关的参数作为调整步长的因子，同时优化步长调整的算法。
3）步长取值范围界定
盲源分离过程中，步长μt 过大，稳态失调会变大，甚至震荡，需要设立适当的上限μmax 和下限ε ，将μ （t ）的取值范围限定在[δ，μmax] 之间，避免因μt偏大，稳态失调过大、或因μt 过小，无法收敛。
3.2 算法优化
1）适用性评估
自适应分离算法主要有Infomax 算法、自然梯度法、等变化自适应方法（EASI）、快速独立元分析算法（FastICA）... 等，其他算法是由这些算法发展和改进而来。这些算法依据不同的原理，在收敛性能、跟踪性能、稳态失调等方面各有优劣。Infomax 算法、自然梯度算法和EASI 算法属于梯度上升或下降算法，收敛速度是线性的，具有实时在线处理能力；
变步长模糊算法能有效地对间断性信号和噪声加以识别，适用于不连续信号或噪声的盲源信号分离... 等。因此，设计盲源分离算法时，应根据盲源分离的要求，分析各种适用算法的性能，确定最优适用算法，并根据分离的需要，发展和改进算法。
2）白化处理选择
白化处理的作用是去除各分量间的二阶相关性，降低混合矩阵估计的自由度和源信号的估计难度，减少搜索分离矩阵的范围，提高算法的收敛性和稳定性，降低算法的复杂度和计算量。因此，设计盲源分离算法时，应评估是否采用白化处理。
3）收敛条件界定
盲源分离收敛于稳态邻域，并非某一固定值，应对算法的收敛条件做出适当的界定，避免无效收敛。
4）采用识别矩阵
盲源信号未知，可能含有各种类型的信号，需要选用适用的算法，才能有效地分离。对不同类型的信号采用同一算法分离，势必出现某些信号不适应所用算法的情况。解决的方法一是采用适当的算法，二是采用盲源识别矩阵。识别矩阵通过对盲源的统计特征和频谱特征的分析，判断信号的类型，选择最优的适用算法，改单一算法的盲源分离为多种算法可供选择的盲源分离，识别矩阵的原理如图1 所示。
图1 中，vt（t=1，2，…，m ）为算法选择指令，用于选定适用的分离矩阵。采用识别矩阵，不但可以识别信号的类型，选择最优的适用算法，还能为构建拥有多种算法的复合分离矩阵提供支持，是值得进一步研究的方向。
当前，人工智能迅猛发展，神经网络智能技术已达到实际应用的阶段，为盲源类型识别技术的发展奠定坚实的基础。将人工智能应用于盲源分离，通过深度学习，分析盲源信号的统计特征和波谱特征，可以輔助选用最优分离算法，实现高效、准确的盲源分离。
4结束语
盲源分离概念自提出以来，迅速成为研究的热点，但基本上仍处于理论研究阶段，主要原因是分离算法存在收敛性能、追踪能力和稳态失调的矛盾及计算量大、时间长的问题。高效变步长自适应盲源分离算法的设计思路有助于解决盲源分离算法存在的问题，形成准确、高效、实用的盲源分离算法。
猜你喜欢收敛算法基于MapReduce的改进Eclat算法成都信息工程大学学报(2019年4期)2019-11-04Travellng thg World Full—time for Rree阅读与作文（英语初中版）(2019年8期)2019-08-27进位加法的两种算法小学生学习指导(低年级)(2018年11期)2018-12-03算法初步两点追踪中学生数理化·高一版(2017年9期)2017-12-19中国流通经济增长的空间收敛性研究商业经济研究(2017年2期)2017-02-28高中数学课堂恰当均衡思维的“收敛”与“发散”，提高课堂效率中学课程辅导·教师教育（中）(2016年12期)2017-02-22基于能值的中国农业绿色经济增长与空间收敛中国人口·资源与环境(2016年11期)2017-02-17基于增强随机搜索的OECI-ELM算法西安工程大学学报(2016年6期)2017-01-15空间及非空间效应下中国经济增长收敛性比较研究商业经济研究(2016年24期)2017-01-10一种改进的整周模糊度去相关算法现代防御技术(2016年1期)2016-06-01
