搜索资源列表
gaosimohu
- 这时高斯模糊的源码，对做图像盲复原的同学可以参考-Then Gaussian blur of the source, to make the image blind restoration of the students can refer to the
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
icabss
- 一种高效快速的线性混合新河盲分离ICA算法，提供了6个源信号以供参考，分离效果很好-An efficient linear mixed fast ICA algorithm for blind source separation New River, providing 6 source signal for reference, a good separation effect
zuixiaoshang
- 针对多通道卷积混叠模型,基于信息理论的最小熵准则,利用单时间点观测样本给出了一类多通道盲反卷积 方法,这种方法不同于其它方法的地方在于考虑了源和观测信号的上下文信息.-A blind deconvolution algorithmfor a multi- channel convolution mixing model was derived. The algorithm is based on a minimum entropy contrast of information theo
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
parraalgorithm
- 非稳定盲信号分离算法程序，可实现多个源信号分离。-Non-stable algorithm for blind signal separation procedures, separation of multiple source signals.
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
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
CMA-4QAM
- 运用盲均衡cma算法来实现源信号的恢复，效果明显4QAM-cma test blind equalization
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
non-blind-deconv
- 这是Qi Shan的非盲卷积去运动模糊算法实现，源码包含可执行的exe程序，可调用的dll、源码实现可在cmd窗口输入命令实现。-this program is writed by Qi Shan for non-blind-decov, the package includes .exe, .dll files, you can input your orders in commond windows in Dos
image deblur and source image
- 图像去模糊处理的matlab源程序，附带源图片。是在经典图像模糊化的基础上进行恢复的，不是盲恢复-Image to fuzzy treatment matlab source, and with the source images. In classic blur image is conducted on the basis of the recovery, not blind recovery
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
ICA---EASI
- 盲信号语音分离的程序，基于独立分量的分离程序，若输入两个源信号，则可以输出一组混合信号和分离后的信号-Blind signal speech separation procedure, based on independent component separation procedure, enter the two source signals, the output signal after a group of mixed-signal and separation
H_Jica
- 用音频的ICA计算，可进行盲信号源的分离-Blind source separation using the ICA calculation of the audio
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
ssdp
- 统计稀疏分解（SSDP）欠定盲分离MATLAB仿真程序。能在接收天线个数小于源信号个数时，仅仅利用观察信号恢复出源信号。-Statistics sparse decomposition (SSDP) underdetermined blind separation of MATLAB simulation program. In the number of receiving antennas is less than the number of source signals, using on