搜索资源列表
盲信号分离的现状和展望
- 盲信号分离的现状和展望-Blind Signal Separation : Status and Prospects
基于FIR神经网络的非线性盲信号分离
- 基于FIR神经网络的非线性盲信号分离-FIR based on the nonlinear neural network Blind Signal Separation
基于步长自适应的盲信号分离
- 基于步长自适应的盲信号分离-based Adaptive Step-Blind Signal Separation
基于非负矩阵分解算法进行盲信号分离
- 基于非负矩阵分解算法进行盲信号分离-based on non-negative matrix factorization algorithm for Blind Signal Separation
基于统计估计的盲信号分离技术
- 基于统计估计的盲信号分离技术-based on statistical estimates of the Blind Signal Separation Technology
瞬时混合盲信号分离问题的自适应算法比较
- 瞬时混合盲信号分离问题的自适应算法比较 可以作为参考
ICA 信号分离
- ICA 信号分离
基于最大信噪比的盲信号分离
- 基于最大信噪比的盲信号分离
BSS_FastICA_matlab.用于盲信号分离的独立分量分析和主元分量分解
- 用于盲信号分离的独立分量分析和主元分量分解以及独立分量分解的代码,For Blind Signal Separation of independent component analysis and principal component decomposition and independent component decomposition of the code
code.rar
- 盲信号分离的fastICA算法，读取具有混合干扰的4幅图像，处理后显示分离后图像,Blind Source Separation Algorithm fastICA, read with mixed disturbance of four images, processed images show that after the separation
Fig_blind_signals_seperation
- 用于盲信号分离的白化预处理程序，使用的是自然梯度算法。-A matlab program used for pre-whitening in blind signals seperation.
JADE
- 实现盲信号分离算法中的JADE算法，该算法收敛速度快，分离效果好，能够实现复值信号的分离，比传统的FASTICA算法性能略好-Blind signal separation algorithm to achieve the JADE algorithm fast convergence, separation effect, to achieve the separation of complex-valued signal, than the traditional FASTICA sligh
bsscompare
- 瞬时混合盲信号分离问题的自适应算法比较。 有论文，有程序，自己写的，有输入波形，有输出结果，适合完成学习盲分离。-Instantaneous Blind Signal Separation Mixed Adaptive Algorithm for comparison. A paper, a procedure that he wrote with input waveforms, the results are output for the completion of learning b
PAST_disp_signal
- 基于非线性主分量分析(PAST)的 自适应盲信号分离 -Based on nonlinear principal component analysis (PAST) Adaptive Blind Signal Separation
a
- 用PCA/ICA编写的盲信号分离的程序，欢迎大家分享-Use of PCA/ICA for Blind Signal Separation preparation procedures are welcome to share
Signal
- 过程信号的前馈-反馈型自适应盲分离算法：利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响 -The process of signal feedforward- feedback-based adaptive algorithm for blind source separation: Using neural networks to achieve self-learning ability of the bl
eoc
- 基带无源EOC的应用说明，是利用了有线电视信号使用54～860MHz高端频率，以太网的基带数据信号使用0～42MHz的低端频率，故两者可以在同一根电缆中传输，结合RF有线电视技术与数据以太网数据传输技术，把以太网的数据基带信号通过合路器馈送到原电视网的分配电缆上，与电视信号一起送至用户。在用户端，通过分离器将电视信号与数据信号分离开来，分别送入各自的终端设备，如电视信号送入电视机，数据信号送入计算机，实现了电视和数据信号在原电视网入户电缆上的合路、传输、分配、分离。-err
signal
- 基于盲源信号分离的实例，适合于初学者学习和训练-ICA
20090226
- 从盲声源信号的独立性出发!提出了一种新的盲声源混合信号分离方法:该方法基于信号联合概率的 分布统计!利用信号联合概率的方向导数熵最小获得最佳的旋转角度!最终实现盲信号分离:与快速独立分 量分析方法及神经网络方法相比!该方法不需要迭代计算:采用新的盲声源信号分离方法对轴承试验台的混 合声音信号进行识别!将电机和滚动轴承的声音分离出来!进而可以准确识别机械的故障-Blind sound source from the independence of the starting signal
BSS_Demo4SP_20Mar2k5
- 定点频域ICA，使用高斯函数、负熵最大化来处理语音信号分离问题的演示-FIXED-POINT FREQUENCY DOMAIN ICA with GENERALIZED GAUSSIAN FUNCTION BASED NEGENTROPY APPROXIMATION for SPEECH SIGNAL SEPARATION