搜索资源列表
sound_sep1
- 独立分量分析（ICA）算法编码，盲源信号分离（声音信号的分离）-Independent component analysis (ICA) algorithm coding, Blind Source Separation (voice signal separation)
bss.doc
- 盲信号分离应用的图像盲分离的资料，给出了事例以及部分源码-Blind Signal Separation Application Blind Image Separation of information, and gives examples of some of the FOSS
bss_eval
- 一种bss盲源信号分离的工具包 可以用于盲信号的提取-a blind source separation of the tool kit can be used for Blind Signal Extraction
Blind_Signal_Separation_instantaneous_mixing_the_a
- 盲信号分离(BSS)是指在对彼此独立的源信号混合过程及各源信号本身均未知的情况下，从混合信号中分离出这些源信号的方法。BSS可以用来从多个麦克风混合语音信号中提炼出单个语音信号。本文简要阐述LMS、RLS算法，并通过仿真实验来分析比较这两类方法的性能，并利用此方法对一实际的语音信号进行分离。
fastfixedpoint
- 独立分量分析(Independent Component Analysis，简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法，其目的是从由传感器收集到的混合信号中分离出相互独立的源信号，使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用，目前已成为盲信号处理，人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状，详细地论述了ICA的原理及实现过程，系统地介绍了目前几种主要ICA算法以及它
FastICA_23
- 遥感影像处理，可以用于盲源信号分离，快速高效的独立成分分析方法
JnS_JADE-and-SHIBBS
- 盲源信号分离的Matlab程序，包括JADE and SHIBBS两种，效果不错！-Two batch cumulant-based ICA algorithms: JADE and SHIBBS
mangfenli
- 盲源信号分离，快速高效的独立成分分析方法 希望对大家有用-Blind Source Separation, rapid and highly efficient method of independent component analysis for all of us hope that useful
Filterbankbasedblindsignaseparationwithestimatedso
- 采用滤波器组，将盲分离与声源定位结合在一起。滤波器组中分别进行子带处理，并且在每个子带中进行声源定位，最后综合所有子带估计的方向得到多个声源的方位信息，同时将声源信息作为ICA分析的约束条件，可以在色噪声及多得到更好的盲分离效果。其优势在于用滤波器组进行多次的估计声源方向，再加以合适的权值均衡后即可得到更优的估计。-The use of filters will be blind source separation and sound localization together. Filter
bksa
- 基于峭度的盲源开关算法对信号进行分离，实现了良好的分离效果-Kurtosis-based switch algorithm for blind source separation of signals to achieve a good separation effect
FastICA_25
- 盲信号处理中的经典算法FASTICA算法，实现信号的忙源分离-Blind signal processing algorithms in the classical algorithm FASTICA achieve busy signal source separation
Program_Matlab
- 考虑典型的盲信源分离问题，用自然梯度算法实现盲信号分离。在盲信号分离中，用串音误差：作为衡量信号分离的性能指标。 -Consider the typical problem of blind source separation, natural gradient algorithm using blind signal separation. In the blind signal separation, with the crosstalk error: signal separation
main
- 阵列分析和数据处理的一个典型问题是从混合的观测数据向量中恢复不可观测的各个源信号。盲信号分离是解决这个问题的一门新技术，近几年吸引了信号处理学界和神经网络学界众多学者的研究兴趣。本文对一个典型的盲信号分离问题进行了仿真实验，并研究了采用不同的自适应步长带来的影响。-Blind signal separation
ccabss
- 基于CCA（典型相关分析）的盲源信号分离的matlab代码-Based on CCA (canonical correlation analysis) of the blind source separation matlab code
chenxiaocen
- 盲信号分离(BSS)指在源信号混合和传输信道未知的情况下，只利用接收天线的输出观测混合信号抽取源信号的方法。本文简要阐述了常用的瞬时混合盲信号分离的LMS与RLS自适应算法，对RLS自适应算法重点研究分析了基于普通梯度与自然梯度的两种算法，并通过仿真实验来分析比较几种方法的性能。-Blind signal separation (BSS) refers to the source signal and transmission channel mixing unknown circumstanc
cxc
- 在源信号和传输信道未知情况下，只利用接收天线的观测数据抽取源信号，称为盲信号分离.盲信号分离不仅是信号处理界、而且也是神经网络界的研究热点课题，在无线数据通信、雷达、图像、语音、医学以及地震信号处理等领域都具有广阔的应用前景.采用自然梯度法和分阶段学习法。-The source signal and transmission channel is unknown circumstances, using only observational data extraction receiving a
ICA
- 独立分量分析（ICA）以非高斯源信号为研究对象，在统计独立的假设下，对多路观测到的混合信号进行盲信号分离，已广泛应用于无线通信、生物信号提取、语音信号处理、图像处理和噪声抑制等领域。 -The independent component analysis (ICA) addresses non-Gaussian source signals under amusing independent each other, it performs blind separation for multi-c
fastica
- 用快速独立分量实现盲信号分离的源码程序，已经编译过的，可用-Fast independent component to realize blind signal separation
BSS_-Part_1_3
- 盲信号分离的三篇经典文章。Part One，首次提出了一种基于神经网络的学习算法（H-J算法），成功地实现了两个语音信号的分离，从而开启了一个新的领域。虽然他们的学习算法是启发式的并且没有明确指出需利用观测信号的高阶（高于二阶）统计信息，但是其迭代计算公式已具备后来ICA在线算法的雏形。 Part Two和Part Three：分别是从两个不同的角度来证明HJ算法的稳定性（主要是对源信号个数为2的情况给的证明），可惜的是，给出的稳定性条件都不是充要条件。-The three classic
zhang
- 盲源信号分离使用到的可设和具体的很多东西，自己下下来看-Blind Source Separation use to set up and a lot of things under their own point of view