论文部分内容阅读
常用的盲分离算法假定源是独立同分布的随机信号,这种假定在实际应用中受到限制.文中把盲分离算法扩展到具有时间相关特性的源信号,给出了盲分离的模型.以最大似然估计为基础,用MA模型来消除源的时间相关特性,推导了MA模型参数和混合参数的自适应梯度学习算法.为了提高该算法的适用性,采用高斯混合模型(GMM)来拟合源的概率密度函数,并给出了GMM模型参数的自适应算法.计算机仿真结果表明:算法的性能良好,收敛速度快.