版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、盲源分離是指在沒(méi)有任何先驗(yàn)知識(shí)的前提下,從觀測(cè)到的若干個(gè)源信號(hào)的混合信號(hào)中提取、分離出無(wú)法觀測(cè)到的源信號(hào)。目前,解決盲源分離的主要方法是獨(dú)立分量分析法。獨(dú)立分量分析法的主要思路是求一個(gè)分離矩陣,使其分離后的信號(hào)統(tǒng)計(jì)獨(dú)立。目前廣泛應(yīng)用于語(yǔ)音信號(hào)處理、圖象識(shí)別、醫(yī)學(xué)信號(hào)處理和通信等領(lǐng)域,有著廣闊的應(yīng)用前景,已成為盲信號(hào)處理、人工神經(jīng)網(wǎng)絡(luò)等研究領(lǐng)域的前沿研究課題。 本文所做的主要工作: (1)分析了盲源分離的起源、目的意義和國(guó)
2、內(nèi)外研究動(dòng)態(tài),闡述了盲源分離的基本原理,列舉了盲源分離技術(shù)在眾多領(lǐng)域的應(yīng)用情況,并討論了三種常見(jiàn)的盲源分離數(shù)學(xué)模型,評(píng)判了其分離效果。 (2)討論了獨(dú)立分量分析研究中的主要問(wèn)題,介紹和推導(dǎo)了基于獨(dú)立分量分析的盲源分離算法的幾種典型代價(jià)函數(shù)和學(xué)習(xí)算法,并對(duì)信息理論框架下的幾種代價(jià)函數(shù)作了統(tǒng)一。 (3)分析研究了基于峭度的固定點(diǎn)盲源分離算法,針對(duì)該算法魯棒性差、收斂速度慢的缺點(diǎn),提出了一種基于負(fù)熵最大化的定點(diǎn)算法,計(jì)算機(jī)仿真
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于負(fù)熵的自適應(yīng)盲源分離算法研究.pdf
- 基于ICA的單通道盲源分離算法的改進(jìn)研究.pdf
- 基于ICA的盲信號(hào)分離算法研究.pdf
- 基于QPSO和ICA的圖像盲源分離方法的研究.pdf
- 基于非負(fù)矩陣分解的盲源分離算法研究.pdf
- 基于稀疏分析的有噪盲分離研究.pdf
- 基于非負(fù)矩陣分解的盲源分離算法在心電信號(hào)消噪中的研究.pdf
- 基于ICA的盲源信號(hào)分離方法研究與應(yīng)用.pdf
- 基于ICA的盲信源分離.pdf
- 基于NMF的盲源分離算法研究.pdf
- 基于粒子群算法和魚(yú)群算法的盲源分離的研究.pdf
- 基于盲源分離的OFDMA盲解碼算法研究.pdf
- 盲信號(hào)分離fast-ICA算法研究.pdf
- 盲源信號(hào)分離的有理函數(shù)ICA法.pdf
- 基于信息理論盲源分離算法的研究.pdf
- 基于遺傳算法的盲源分離研究.pdf
- 盲源分離算法研究.pdf
- 基于ICA的混合圖像盲分離方法研究.pdf
- 基于進(jìn)化算法的盲源信號(hào)分離.pdf
- 基于高階統(tǒng)計(jì)量的盲源分離算法研究.pdf
評(píng)論
0/150
提交評(píng)論