欠定盲源分離混合矩陣估計(jì)算法的研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明: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),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、盲源分離是指源信號(hào)未知、傳輸信道未知,僅根據(jù)觀測信號(hào)來恢復(fù)源信號(hào)的技術(shù)。其在信號(hào)處理方面具有強(qiáng)大的處理功能,廣泛應(yīng)用于語音信號(hào)、生物信號(hào),圖像處理等領(lǐng)域。而欠定盲源分離更具有普遍性,因而更具研究價(jià)值。
  對于欠定盲源分離,主要是根據(jù)源信號(hào)的稀疏性,采用稀疏分量分析的方法來解決。具體分兩步:首先根據(jù)觀測信號(hào)估計(jì)出混合矩陣;然后根據(jù)估計(jì)出的矩陣恢復(fù)源信號(hào)。
  本文針對欠定盲分離混合矩陣估計(jì)算法進(jìn)行了如下研究:
  (1

2、)源信號(hào)充分稀疏情況下,根據(jù)觀測信號(hào)的線聚類特點(diǎn),提出了一種基于點(diǎn)密度大區(qū)域檢測的混合矩陣估計(jì)算法,并與現(xiàn)有的比較經(jīng)典或性能比較好的幾種算法進(jìn)行了對比,仿真結(jié)果表明點(diǎn)密度大區(qū)域檢測法具有更好的估計(jì)效果。
  (2)源信號(hào)非充分稀疏情況下,根據(jù)觀測信號(hào)的面聚類特性,在k維子空間法基礎(chǔ)上,提出了基于估計(jì)參數(shù)勢函數(shù)的混合矩陣估計(jì)算法。并與k-plane法、k維子空間法、魯棒競爭聚類算法、基于平面聚類勢函數(shù)的方法進(jìn)行了對比,仿真結(jié)果證明了

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對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自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論