基于多层神经网络和PReLU函数的后非线性BSS算法

摘要：

本文提出了一种以多层神经网络来估计概率密度函数的后非线性盲源分离算法.该算法将PReLU函数作为激活函数,并对概率密度函数进行自适应逼近,以最小互信息作为基本准则来构建目标函数测试独立性.最后用改进后的自然梯度算法推导出分离矩阵和迭代公式,以此来更新目标函数.仿真实验证明所提算法可以有效分离非线性混合信号.

关键词：盲源分离、后非线性、多层神经网络、最小互信息、自然梯度

所属期刊栏目：39

分类号：TN911.7

资助基金：安徽省高校自然科学研究项目重点项目KJ2016A795;安徽工程大学检测技术与节能装置安徽省重点实验室开放研究基金资助项目2017070503B026-A04;安徽工程大学国家自然科学基金预研项目2017yyzr01;安徽工程大学大学生科研项目2017DZ15

在线出版日期：2020-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：25-30,46