盲信源分离可变步长自然梯度算法

用可变步长的自然梯度算法解决盲信源分离问题。

function second（MU N K）
% mu - 步长
% N - 总体样本个数
% K - 独立仿真次数

m = 5;			% 信号维数
Fs = 1000;		% 采样频率
A = rand（m）;	% 随机混合矩阵A m*m
Nd = 0.000001;
N0 = N/2.0;
while det（A）==0
	A = rand（m）;
end
% W矩阵初始化
W（::1） = eye（m）;
% [-11] 均匀分布噪声
v = 1-2*rand（[1N]）;
% 产生原始信号
for i=1:N
	s（:i） = [sign（cos（2*pi*155*i/Fs））;sin（2*pi*800*i/Fs）;sin（2*pi*300*i/Fs+6*cos（2*pi*60*i/Fs））;sin（2*pi*90*i/Fs）;v（i）];
end
% 进行K次独立仿真
for k=1:K
    mu = MU;
	% 迭代N次求W
	for i=1:N
		if i>N0 
			mu = mu * exp（-Nd*（i-N0））;
		end
		E（ki） = 0;
		x = A * s（:i）;
		y = W（::i） * x;
		W（::i+1） = W（::i） + mu.*（eye（m） - （y.^3）*y‘）*W（::i）;
		% 串音误差的计算
		P = W（::i+1）*A;
		for j=1:m
			E（ki） = E（ki） + （sum（abs（P（:j）））/max（abs（P（:j）））-1 + sum（abs（P（j:）））/max（abs（P（j:）））-1）;
		end
	end
end
% 求平均值
for i=1:N
	EA（i） = sum（E（:i））/K;
end
axis = [1:N];
plot（axisEA）;
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        960  2010-11-12 02:26  second.m

----------- ---------  ---------- -----  ----

                  960                    1