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
BSS_Demo4SP_20Mar2k5
- 一个盲源分离的GUI界面,本程序可完成语音信号的独立分量分析。-A blind source separation GUI interface, this program can be completed independent component analysis of speech signals.
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
Bmybbsssl
- 盲信号分离是当前信号处理研究的热点课题之一,在无线数据通信、医学、语音和地震信号处理等领域有着广阔的应用前景。一种基于负熵最大的FastICA算法用于实现盲信号分离。。该方法的基本思路是以非高斯信号为研究究对象,在独立性假设的前提下,对多路观测信号进行盲源分离。在满足一定的条件下,能够从多路观测信号中,较好地分离出隐含的独立源信号。 -Blind signal separation is one of the hot topics of signal processing research
fastica
- 语音信号盲源分离算法--fastica算法源程序,基于matlab开发环境-Speech signal blind source separation algorithm- fastica algorithm source code, matlab development environment based on
FastICA
- Fast ICA 语音信号盲源分离代码-Fast ICA
盲源分离
- 盲源分离来实现混合语音的分离,对于学习语音信号的有着很好的参考作用(Blind Source Separation (BSS) is a good reference for learning speech signals.)