%0 Journal Article
%T 引入松弛因子的高阶收敛FastICA算法
%A 季策
%A 王艳茹
%A 沙明博
%A 杨正义
%J 东北大学学报:自然科学版
%P 204-207
%D 2014
%R 10.3969/j.issn.1005-3026.2014.02.012
%X 高阶收敛的FastICA算法对初始值的选择较为敏感，如果初始值选择不当不仅会影响算法的收敛效果，甚至可能导致不收敛的结果.针对这一问题，将松弛因子引入高阶收敛的牛顿迭代法中，通过适当的修正，获得了既能保证一定收敛速度，又能有效克服初值敏感性的改进三阶、五阶FastICA算法.仿真工具采用Matlab软件，应用3种算法对语音信号进行分离；结果表明，对比基本FastICA算法，改进后的算法有效地分离了混合信号，并且降低了算法对初始权值的依赖性.
%K 独立分量分析
%K FastICA
%K 松弛因子
%K 初值敏感性
%U http://xuebao.neu.edu.cn/natural/CN/abstract/abstract5310.shtml