引入参考信号的新峭度快速不动点算法

在盲源分离和独立成分分析中，峭度是衡量随机信号非高斯性的常用对比准则，通过不同类型的算法对其进行优化，找到非高斯性极大值点，即实现了源信号的提取或分离。例如，基于峭度的快速不动点算法，它是一种收敛速度很快的算法。最近，Marc Castella等人提出了一类基于所谓“参考信号”的对比准则，以及对应的梯度最大化优化算法，这些算法具有很好的收敛性能。受其启发，文章以一种类似的方式将“参考信号”思想应用到峭度中，得到一种新颖的对比函数，并基于该新峭度对比函数，提出了一种新的快速不动点算法。与经典的基于峭度的快速不动点算法相比，该算法极大地提高了收敛速度，尤其是随着信号样值点数的增加，该算法的优势会更加明显。文章分析和证明了该新峭度对比函数的局部收敛性，给出了新算法的详细推导过程，仿真实验验证了该算法的性能，并与经典算法进行了比较分析。