基于bootstrap方法的独立分量分析可靠性研究.doc

基于Bootstrap方法的独立分量分析可靠性研究第30卷第9期电子测量技术研究设计ELECTRONICMEASUREMENTTECHNOLOGY2007年9月3基于Bootstrap方法的独立分量分析可靠性研究邓智恒罗伟栋()上海大学通信与信息工程学院上海200072摘要:语音信号盲分离受到随机采样的数据所影响,产生统计可靠性问题,从而影响分离的效果。Bootstrap方法是以原始数据为基础的抽样统计推断法,可方便的应用于实际的数据处理之中,分析ICA的统计可靠性,但传统Bootstrap方法本身的计算特性限制了自助样本的生成范围,从而使得自助概率分布产生了一定的偏离,使之无法渐近于真实情形。本文通过对Bootstrap样本生成范围的拓展,改进了独立分量分析在语音信号应用的可靠性算法,获得了更加精确的可靠性参数。关键词:Bootstrap方法;独立分量分析;可靠性分析中图分类号::AResearchonthereliabilityofICAestimatesbasedonbootstrapDengZhihengLuoWeidong()municationandInformationEngineering,ShanghaiUniversity,Shanghai200072()Abstract:,whichcausedsomedistortiononself2helpprobabilitydistribution,,:Bootstrapmethod;ICA;reliabilityanalysis初值选取分别研究ICA的统计可靠性和算法可靠性。言0引Bootstrap方法的使用一定程度上解决了统计可靠性()多次利用独立分量分析算法ICA对混合语音信号进的问题。该方法只依赖于给定的观测信息,不需要其他假行盲分离产生的分离结果往往都有着某种程度上的差设和增加新的观测信息,具有较广的适应性。但是[122]Bootstrap方法也有不足之处:一是由于自助样本只能由原别,这些差别往往是随机的,单次被分离的ICA结果并样本生成,自助样本极有可能非常相似于原样本,当样本不是很可靠。因此需要寻找一种指标可以评价对期望的容量较小时更容易导致计算结果极大偏离真实分布;二是独立分量的可靠性来衡量的盲分离结果。赫尔辛基大学的JHimberg和AHyvr,inen在2003当真实分布为连续分布时,无法获得在非样本观测点处的()年发表了对独立分量分析算法ICA算法可靠性的论,从而无法获得更加接近真实分布的分布估计。分布特性[3]文,开创了该领域的研究。研究指出,大多数ICA算法因而基于传统的Bootstrap方法的ICA可靠性指标不合都是对于目标函数的最优化,基本原理是选取某个初值,理。本文针对上述不足,对自助样本的生成过程提出了改并沿着目标函数下降的方向迭代,直到找到目标函数的局进ICA算法可靠性的指标,并用语音信号盲分离的可靠性部极点。但算法初值选取的随机性令目标函数陷入不同进行验证,与原方法相比该指标取得了更合理和更准确的的局部最小点而难以找到全局最优值。此外,有限的采样会使得统计估计量变的不准确,会引起统计量的误差。针结果。对以上误差产生的原因,他们提出了利用Bootstrap法和()()3基金项目:国家自然科学基金重点资助项目60472103;上海市重点学科项目T01023333,再从F中抽取简单子样X=[X,X,,X],然后使n12nICA算法可靠性分析133()()用RX,F的分布特性来迫近RX,F的分布特性。n