基于自然梯度算法的盲信号分离程序仿真

clear;
Fs=1e4;     %采用频率
miu=120e-4; %学习步长
M=200;      %独立实验次数
N=4000;     %样本个数

NTD=1000;   %大于该数值时开始变步长

A=rand（55）;

for m=1:1:M
    n=1:1:N;
    S=[sign（cos（2*pi*155*n/Fs））;
    sin（2*pi*800*n/Fs）;
    sin（2*pi*300*n/Fs+6*cos（2*pi*60*n/Fs））; 
    sin（2*pi*90*n/Fs）;
    unifrnd（-1114000）;];

    X=A*S;
    W=eye（5）;
    for n=1:1:N
        y=W*X（:n）;
        g=y.^3;
        W=W+miu*（eye（5）-g*y‘）*W;
        
        if n>NTD
            miu=（120e-4）*exp（-0.001*（n-NTD））;
        end
        
        PW=abs（W*A）;
        a（n）=max（PW（1:））;
        sum_r1=（sum（PW（1:））/max（PW（1:）））-1;
        sum_r2=（sum（PW（2:））/max（PW（2:）））-1;
        sum_r3=（sum（PW（3:））/max（PW（3:）））-1;
        sum_r4=（sum（PW（4:））/max（PW（4:）））-1;
        sum_r5=（sum（PW（5:））/max（PW（5:）））-1;

        E1=sum_r1+sum_r2+sum_r3+sum_r4+sum_r5;

        sum_c1=（sum（PW（