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、盲源分離是在不知源信號(hào)和傳輸通道先驗(yàn)信息的情況下,僅由觀測(cè)到的混合信號(hào)恢復(fù)出源信號(hào)的過(guò)程。自然梯度算法作為盲源分離的核心算法之一,受到越來(lái)越多的關(guān)注。同時(shí),由于自然梯度算法計(jì)算量低、收斂速度快、分離效果好等優(yōu)點(diǎn),凸顯出其良好的應(yīng)用前景,并在語(yǔ)音信號(hào)處理、圖像處理、無(wú)線通信領(lǐng)域等領(lǐng)域有了廣泛的應(yīng)用。
論文介紹了盲源分離的背景和基本理論;通過(guò)介紹盲源分離的三種基本模型,討論了盲源分離的可解性;從優(yōu)化算法的角度出發(fā),介紹了幾種常用的
2、代價(jià)函數(shù),并引出了經(jīng)典的盲源分離算法——自然梯度算法,討論了非線性函數(shù)對(duì)其的影響;同時(shí)給出了非線性函數(shù)的構(gòu)造方法及常用的非線性函數(shù)。
針對(duì)瞬時(shí)線性混疊情況下自然梯度盲源分離算法中存在的一些問(wèn)題,尤其是對(duì)不同源信號(hào),分離矩陣中非線性函數(shù)的選擇問(wèn)題進(jìn)行研究,提出了兩種改進(jìn)的非線性函數(shù)。一種是針對(duì)傳統(tǒng)自然梯度算法中,對(duì)所有源信號(hào)都采用同一非線性函數(shù)所引起的分離誤差較大問(wèn)題,引入了皮爾遜系統(tǒng),將皮爾遜系統(tǒng)與傳統(tǒng)的非線性函數(shù)相結(jié)合,提出
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。
最新文檔
- 基于自然梯度的自適應(yīng)盲源分離算法的研究.pdf
- 基于自然梯度算法的變步長(zhǎng)盲源分離.pdf
- 基于不完整自然梯度的盲分離算法研究.pdf
- 后非線性盲源分離算法及其應(yīng)用研究.pdf
- 基于非線性主分量分析的組合型盲源分離算法研究.pdf
- 基于非線性PCA的無(wú)預(yù)白化自適應(yīng)盲源分離算法.pdf
- 非線性混合信號(hào)的盲源分離研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的非線性盲源分離.pdf
- 基于盲源分離技術(shù)的混凝土梁非線性振動(dòng)分析.pdf
- 基于NMF的盲源分離算法研究.pdf
- 線性混疊盲源分離的改進(jìn)算法.pdf
- 基于盲源分離的OFDMA盲解碼算法研究.pdf
- 基于信息理論盲源分離算法的研究.pdf
- 非線性共軛梯度算法的研究.pdf
- 基于遺傳算法的盲源分離研究.pdf
- 線性盲源分離算法的理論與應(yīng)用研究.pdf
- 盲源分離算法研究.pdf
- 非線性盲源分離及其應(yīng)用技術(shù)研究.pdf
- 基于進(jìn)化算法的盲源信號(hào)分離.pdf
- 非線性共軛梯度算法研究.pdf
評(píng)論
0/150
提交評(píng)論