2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩73頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

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、盲源分離問(wèn)題是信號(hào)處理領(lǐng)域當(dāng)中一個(gè)傳統(tǒng)而又具有挑戰(zhàn)性的問(wèn)題,其中欠定盲源分離尤其受到廣大學(xué)者的關(guān)注,目前解決欠定盲源分離問(wèn)題的方法主要是基于稀疏分量分析理論的“兩步法”。本文在對(duì)欠定盲源分離問(wèn)題深入研究的成果之上,針對(duì)稀疏性較差的源信號(hào),研究了增強(qiáng)信號(hào)稀疏性的欠定盲源分離算法。本文的主要工作如下:
  首先,介紹了盲源分離模型的基礎(chǔ)知識(shí)及稀疏分量分析理論,闡述了幾種常用的稀疏變換,并且說(shuō)明了幾種傳統(tǒng)的混合矩陣估計(jì)算法和壓縮感知的基

2、本原理,在此基礎(chǔ)上說(shuō)明了衡量混合矩陣估計(jì)性能的標(biāo)準(zhǔn)和衡量源信號(hào)恢復(fù)的性能標(biāo)準(zhǔn)。
  其次,針對(duì)稀疏性較差的源信號(hào),研究了兩種估計(jì)混合矩陣的算法:基于角度的孤立點(diǎn)檢測(cè)及模糊C均值聚類的混合矩陣估計(jì),以及基于時(shí)頻單源點(diǎn)與源數(shù)目估計(jì)相結(jié)合的混合矩陣估計(jì)算法,通過(guò)去除孤立時(shí)頻點(diǎn)和提取單源點(diǎn)來(lái)增強(qiáng)信號(hào)的稀疏性。在分析欠定盲源分離及壓縮感知模型一致性的基礎(chǔ)上,研究了基于壓縮感知及自適應(yīng)K-SVD字典的源信號(hào)重構(gòu)算法,實(shí)現(xiàn)了源信號(hào)的分離。

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。

評(píng)論

0/150

提交評(píng)論