论文部分内容阅读
在盲信号分离算法的推导过程中，常采用最速下降法、自然梯度和牛顿法等对代价函数进行最小化，推导过程复杂．文中仿照在BP神经网络算法中加入动量项使算法得到改进这一方法，提出在互累积量迫零算法的推导中加入动量项．加入动量项的改进算法尽可能地保持了输出分量之间的独立，并在保持和原算法一样简单迭代的前提下，提高了收敛速度，且使训练避免陷入局部极小．仿真结果表明该算法的分离误差减小，能有效分离源信号．