基于EASI的分阶段变步长盲源分离算法

摘要

固定步长和自适应步长是EASI在线盲源分离算法的两个应用方式.固定步长的最大缺点在于收敛速度与稳态误差间存在着矛盾,即大步长收敛速度快,但稳定性随之降低;反之,小步长稳定性较好,但收敛速度将会大幅下降.为了解决这一矛盾,提出了一种分阶段学习的盲源分离算法,即将整个信号的分离迭代过程根据迭代次数和信号分离度划分为初级阶段、伪初级阶段、捕捉阶段和跟踪阶段四个阶段,根据每个阶段信号的分离特点采取不同的学习速率.仿真实验证实,提出的自适应EASI算法可以有效提高盲源分离算法的稳态性能和收敛速度,该算法不仅在平稳环境中具有良好的性能,而且在非平稳环境中也具有更快的调整能力和更优的算法性能.