2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩88頁未讀, 繼續(xù)免費閱讀

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),請進行舉報或認領(lǐng)

文檔簡介

1、盲源分離(Blind Sources Separation,BSS)技術(shù)指的是在傳輸信道和源信號都未知的情況下,根據(jù)源信號的統(tǒng)計特性,僅僅利用觀測信號分離出各個源信號的過程。多通道BSS算法已經(jīng)在生物醫(yī)學信號處理、陣列信號處理、移動通信和文本分析與處理等領(lǐng)域得到廣泛應用。近幾年來,單通道盲源分離問題逐漸成為信號處理領(lǐng)域的研究熱點。單通道盲源分離(Single Channel Blind Source Separation,SCBSS)是

2、欠定盲源分離問題的極端情況,它僅僅利用單路觀測信號的特征信息,分離出多路源信號,解決起來十分困難。但是SCBSS又是許多實際系統(tǒng)中常見的問題,因此研究SCBSS算法具有重要的理論意義和應用價值。本文主要研究多通道BSS算法和SCBSS算法。
  首先,研究了FastICA算法的改進。針對源信號數(shù)較多時,原有的FastICA算法迭代次數(shù)較多和分離性能惡化的問題,提出了Pm-FastICA算法。對算法中的非線性函數(shù)進行Pade逼近,得

3、到能夠減少FastICA算法迭代次數(shù)的有理函數(shù),提高了收斂速度和分離性能。仿真表明,Pm-FastICA算法性能優(yōu)于FastICA算法,且隨著源信號數(shù)目的增多,Pm-FastICA算法的性能優(yōu)勢將更明顯。同時提出了一種利用有理多項式非線性函數(shù)的FastICA(簡稱N-FastICA)算法。仿真表明,N-FastICA算法性能優(yōu)于Pm-FastICA算法和FastICA算法,且隨著源信號數(shù)目的增多,N-FastICA算法的性能優(yōu)勢將更明顯

4、。
  其次,研究了基于小波包分解的SCBSS(WPT-ICA)算法。由于小波變換不能很好地表示包含大量細節(jié)信息,基于小波變換的SCBSS算法性能有待提高。對此,本文提出了一種基于小波包分解的SCBSS算法。對觀測信號進行小波包分解,選擇能量百分比較高的系數(shù)進行重構(gòu),將重構(gòu)信號與觀測信號構(gòu)成多路信號,利用N-FastICA算法實現(xiàn)信號的盲源分離。仿真結(jié)果表明,基于小波包分解的SCBSS算法性能優(yōu)于基于小波分解的SCBSS算法。

5、r>  然后,研究了基于經(jīng)驗模態(tài)分解(Empirical Mode Decomposition, EMD)的SCBSS算法?;贓MD的SCBSS算法存在模態(tài)混疊現(xiàn)象,導致分離性能惡化,甚至分離不完全。本文針對該問題,提出了一種基于EMD、主成分分析(Principal Component Analysis,PCA)和獨立分量分析(Independent Component Analysis,ICA)的單通道盲源分離算法(簡稱EP-IC

6、A算法)。該算法利用EMD得到本征模函數(shù)分量(intrinsic mode function, IMF)分量,針對出現(xiàn)模態(tài)混疊的IMF分量,利用信號的周期性構(gòu)造其多路信號,利用ICA消除模態(tài)混疊,利用PCA和互相關(guān)性剔除多路信號中的虛假分量,并將剩余分量信號與觀測信號構(gòu)成新的多路信號,最后利用N-FastICA實現(xiàn)盲源分離。仿真結(jié)果表明EP-ICA算法優(yōu)于已有的基于EMD的SCBSS算法。
  最后,研究了基于變分模式分解(Var

7、iational Mode Decomposition, VMD)的SCBSS算法。將VMD引入SCBSS算法中,提出了基于VMD的SCBSS(VMD-SCBSS)算法;同時將反饋機制應用于VMD方法中,提出了一種基于反饋VMD的SCBSS(VMDF-SCBSS)算法。仿真結(jié)果表明,VMD-SCBSS算法和VMDF-SCBSS算法的分離性能優(yōu)于EP-ICA算法, VMDF-SCBSS算法具有與VMD-SCBSS算法相當?shù)姆蛛x性能,但該算

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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,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)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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