搜索资源列表
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
ICA
- fastica语音分离 3个混合的语音信号，分离开来-fastica speech separation
tffllexicah
- 这是实际环境中语音信号盲分离的最新程序源码代码，用于语音信号独立分量分分析ICA。解压后运行，输入录制的混合语音信号即可看到结果。 可直接使用。 -This is the program source code for blind separation of speech signals in the real environment for the voice signal of independent component analysis of the ICA. After decomp
ICA
- 对语音信号进行分离的操作，由源信号分理处各个分量，从而实现简单的分离操作-Separating the speech signal, by the operations of each component of the source signal branch, in order to achieve a simple separation
FastICA
- Fast ICA 语音信号盲源分离代码-Fast ICA
FastICA
- 快速ICA算法，内有三个语音文件。线性混合后，可以通过算法还原原有的波形(Fast ICA algorithm, there are three voice files. After the linear mixing, the original waveform can be restored by the algorithm)