基于自组织神经网络的非平稳信号盲分离

针对具有二阶非平稳特性的源信号盲分离问题, 提出一种基于自组织神经网络的在线盲源分离新算法. 利 用自组织神经网络构建一种多层盲分离网络模型, 以网络输出层信号的相关性为代价函数, 采用自然梯度原理对网 络参数进行学习, 最小化该代价函数从而实现信号分离. 将多层自组织神经网络和自然梯度原理相结合, 提高了分离 算法的灵活性和性能. 最后将该算法与其他算法进行了仿真对比, 仿真结果表明该算法具有较好的收敛精度及稳定 性.