排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
提出了一种基于奇异值分解(Singular Value Decomposition,SVD)的均值聚类单通道盲源分离算法.首先将单通道信号利用SVD分解,依据中值准则进行滤波去除噪声分量,然后在去除噪声分量对应的特征值基础上,根据剩余SVD特征值重构对应分量信号作为盲源分离观测信号.将重构分量信号进行短时傅立叶变换(Short Time Fourier Transform,STFT)进行稀疏化处理,利用散点图判别源信号数目,最后采用均值聚类方法估计混合矩阵,以估计混合矩阵求逆作为分离矩阵实现单通道信号的盲源分离.利用计算机仿真结果证明了算法的有效性. 相似文献
2.
盲源分离(Blind Signal Separation,BSS)技术在工程上具有广泛应用.典型的BSS算法均存在不确定性问题,即幅度不确定性和顺序不确定.作为BSS的技术瓶颈问题,BSS的不确定性问题在某些工程领域制约BSS方法的推广应用.文中基于线性瞬时BSS混合模型,分析了BSS不确定性问题产生的根源,并对其不确定性原因进行分类,然后针对分离模型的幅度不确定性和顺序不确定问题,对目前已有的解决方法进行了总结分析.最后文中介绍了BSS不确定性问题研究的方向和潜在的应用领域,为该问题的后续研究提出了新思路. 相似文献
1