搜索资源列表
Wigner_Hough
- 一种基于盲源分离和Wigner_Hough变换的线性调频信号检测方法.模式识别中的内容，图像图像处理的经典算法-Based on Blind Source Separation and Chirp Transform Wigner_Hough signal detection methods. Of the contents of pattern recognition, image of the classical image processing algorithm
SOBI
- 基于二阶统计量的盲源分离算法程序,对原始算法做了一定得改进。-blind source separation based on second order statistics，madke some improvement to the origin arithmetic
jade
- 基于四阶统计量的盲源分离算法，它是特征矩阵联合对角化的简称-Fourth-order statistics-based blind source separation algorithm, it is the characteristic matrix referred to as the joint diagonalization
FastICAProcedure
- 利用FastICA实现盲信号分离，研究盲信号分离的朋友不可缺少的帮助程序-Use FastICA to achieve blind signal separation, blind signal separation research indispensable friend to help program
AMUSE
- AMUSE，独立成分分析(ICA)算法之一，用于混合语音信号的盲分离-AMUSE, algorithm of independent component analysis, used in blind speech signal separation.
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
JAD
- JAD矩阵联合对角化，此数据包包括各种矩阵联合对角化的方法，JADE特征矩阵联合对角化，盲源分离方法的经典方法。有Cardoso开发-JAD，JADE
ICA
- 一种新的盲源分离方法 Injecting noise for analysing the stability of ICA components -Injecting noise for analysing the stability of ICA components
sobi
- 一种基于信号二阶统计量的盲源分离方法，SOBI方法，二阶盲辨识方法-SOBI
Blind_Source_Separation
- 两个盲源分离程序 分别对应文章《Underdetermined Blind Source Separation using Sparse Representations》和《Underdetermined blind separation of delayed sound sources in the frequency domain》-Blind Source Separation
FastICA_25
- 这是关于fastICA不定点算法的程序，运行环境为matlab，可实现盲信号分离-This is about non-fixed-point algorithm fastICA program, running environment for matlab, can realize blind signal separation
snr
- 基于最大信噪比的盲源分离算法，适合初学者使用-Based on the maximum signal to noise ratio Blind source separation algorithm
PAST
- PAST算法程序,可以用于信号处理、盲信号分离-past algorithm
sanfuICA
- 本程序通过优化ICA算法实现了混合图像的盲源分离，分离效果优于一般ICA算法-This procedure optimized ICA algorithm is a mixed picture of blind source separation, separation is better than the general ICA algorithm is
bbs_bbs1
- 盲信号分离源程序。包括FICA算法和INFOMAX短发-Blind signal separation source. Include FICA algorithms and INFOMAX short hair
bssalgorithm
- 自己编写的，盲源分离算法仿真分析系统（图形界面）又名：独立分量分析；算法种类：自然梯度算法、投影自然梯度算法、FastICA、SOBI、NJD非正交联合对角化。信号种类： MASK：2ASK，4ASK，8ASK MPSK：2PSK、4PSK、8PSK MFSK：2FSK、4FSK、8FSK 分连续相位CPFSK和离散相位DPFSK两种 MQAM：16QAM、32QAM、64QAM、128QAM OFDM：子载波数可任意选定，映射方式有BPSK、QPSK、4QAM、16QAM、
LMS
- 用于盲信号分离的LMS算法，可以从混合的观测向量中分离出需要的信号，判读的标准是计算串音误差-For the LMS algorithm for blind signal separation can be observed from the hybrid vector needs to separate out the signals, the standard interpretation is to calculate the crosstalk error
infomx
- 实现盲信号分离的独立成分分析的算法,用Informax实现-the arithmetic realize the ica
Informax_FastICA
- 一个基于信息最大化的盲信号分离算法，详细的文章可以在网络上搜索。-One based on information maximization algorithm for blind signal separation, detailed article on the network search.
jcwtlib-0.01.tar
- 独立成分分析（Independent Component Analysis, ICA）是近年来发展起来的一种有效的盲分离技术，最早是由法国学者Herault和Jutten于1986年提出。ICA方法的提出最初是用来解决“鸡尾酒会”问题，其过程可以归纳为，在源信号与传输通道参数均未知的情况下，仅根据源信号的统计特性，出现测信号恢复出源信号。ICA分析的关键在于根据一定的优化准则建立描述输出信号独立程度的优化判据，即目标函数，并设计相应的优化算法，寻求最优的分离矩阵，使得输出信号中各分量尽可能相互独