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(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、盲信號(hào)分離與抽取技術(shù)是近些年來出現(xiàn)的一種新興的信號(hào)處理方法,在多方面都有良好的應(yīng)用前景。由于問題本身的新穎性、復(fù)雜性和實(shí)用性,吸引了越來越多的學(xué)者對(duì)其進(jìn)行研究,提出了多種算法,如固定點(diǎn)算法、梯度法、遺傳算法等。本文針對(duì)這些傳統(tǒng)的盲分離和抽取算法存在的一些不足,作了以下一些工作:
本文系統(tǒng)地分析、總結(jié)了國內(nèi)處關(guān)于盲分離和抽取領(lǐng)域的主要發(fā)展歷程、理論和研究成果,并重點(diǎn)對(duì)固定點(diǎn)算法、Informax算法、梯度法等經(jīng)典算法進(jìn)行了分
2、析、比較和研究,發(fā)現(xiàn)了一些缺陷。梯度法需要引入線性函數(shù),使算法性能受到信號(hào)特征的影響。固定點(diǎn)算法在沒有足夠多樣本的情況下容易收斂到局部極值點(diǎn),而遺傳算法因過于復(fù)雜,在運(yùn)算時(shí)間上有一定的劣勢(shì)。
本文分析了粒子群算法的原理和步驟,并將其引入到盲分離與盲抽取中,將粒子群算法與盲分離與盲抽取結(jié)合起來,為盲信號(hào)處理領(lǐng)域提供了一種新的研究方法和思路。并且以線性瞬時(shí)混合信號(hào)為例,實(shí)現(xiàn)了對(duì)一般信號(hào)、聲音信號(hào)和圖像信號(hào)以峰度為判別依據(jù)的盲分
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(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(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
- 基于粒子群算法和魚群算法的盲源分離的研究.pdf
- 基于改進(jìn)型粒子群算法的盲源分離研究.pdf
- 基于改進(jìn)粒子群的盲源分離算法及其應(yīng)用研究.pdf
- 基于種群分類與粒子濃度的改進(jìn)粒子群盲源分離算法.pdf
- 基于粒子濾波的單通道盲分離算法研究.pdf
- 粒子群優(yōu)化算法及在盲均衡中的應(yīng)用.pdf
- 基于粒子群優(yōu)化算法的小波盲均衡算法仿真研究.pdf
- 基于盲源分離的OFDMA盲解碼算法研究.pdf
- 盲分離算法的研究.pdf
- 基于ICA的盲信號(hào)分離算法研究.pdf
- 基于NMF的盲源分離算法研究.pdf
- 盲信號(hào)分離算法的研究.pdf
- 語音盲分離算法及應(yīng)用的研究.pdf
- 基于改進(jìn)型粒子群優(yōu)化算法的盲多用戶檢測(cè)的研究.pdf
- 語音盲分離算法的研究.pdf
- 基于信息理論盲源分離算法的研究.pdf
- 盲源分離算法研究.pdf
- 基于遺傳算法的盲源分離研究.pdf
- 語音盲分離算法研究.pdf
- 基于steffensen迭代的盲信號(hào)分離算法研究及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論