论文部分内容阅读
本文首次提出了一种小样本情况下的盲源分离算法，这种方法是在常用的自然梯度串行更新算法基础上，通过均匀递减步长并经重复迭代实现。这种算法充分利用了已有的数据，不断变换初始矩阵，达到小样本收敛的结果。这种算法不同于其他白适应步长调整算法的是不需要计算每一步迭代后信号的分离度，不需要在线调整参数，不需要经验参数。仿真结果表明：在采样点较少的情况下，该算法对于已有算法能够更快速的收敛而且算法精度较高。