搜索资源列表
fastica
- 采用fastica算法的盲源分离,对于线性混合的信号,分离效果很好-By fastica blind source separation algorithm
Wavelet_De-noising_for_BSS
- 提出了三种小波滤波和盲源分离的结合方法,用于带噪信号的分离,-Three wavelet filtering and the combination of blind source separation method for separation of signals with noise,
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
tuxiangfuyuan
- 该程序为盲源分离的仿真程序,对卷积模型的混合图像信号进行分离-The program for the blind source separation of the simulation program, a mixed model of convolution image signal separation
mangyuanfenli
- 信号分选中关于信号的盲分离,非常实用,能实现多个信号的分离,不需要先验信息-Signal Sorting on blind signal separation, very practical, to achieve a number of signal separation, do not need prior information
saperate3
- 《超高斯与亚高斯混合信号的盲分离研究》,有用的忙分离算法文章。- Super-Gaussian and sub-Gaussian mixed-signal study of blind source separation, separation algorithm busy useful article.
signal
- 基于盲源信号分离的实例,适合于初学者学习和训练-ICA
ica_r
- 带参考信号的盲源分离,很好用的程序,用于语音增强-ICA-R
qqqqq
- :独立成分分析 ( I C A)在国内尚属一门新型的方法 介绍了I C A的原理及其算法 ,然后介绍了该算法在盲源 信号分离中的具体应用,并将此方法 与主成分方洼 ( P C A)进行了比较-: Independent Component Analysis (ICA) in China is a new method to introduce the principle of the ICA and its algorithm, and then introduced the algori
bayesys
- 贝叶斯算法:盲分离技术,信号处理技术,信息论与编码-Bayesian
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
cma
- 恒模算法恢复信号,信道盲均衡和盲估计,恒模算法收敛性-Constant Modulus Algorithm for Blind Signal to restore balance and Blind Estimation
MIMO_OFDM
- 本文在研究了MIMO-OFDM系统以及独立分量分析的基础之上提出了一种适用用于MIMO-OFDM系统的盲多用户检测方法,基本思想是将现有的ICA算法应用到MIMO-OFDM系统中对多用户进行信号恢复。-MIMO_OFDM multiuser detection
bbsjade
- 该算法以扩展联合对角化方式对实信号实现盲分离。该算法原理可参考Cardoso的文章
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
ogrady2007_phd
- 国外欠定语音盲分离的博士论文,作者为Paul D. O’Grady,LOST算法的作者。该博士论文包括语音信号分离,非负矩阵分解等内容。-Sparse Separation of Under-Determined Speech Mixtures,A dissertation submitted for the degree of Doctor of Philosophy
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
FastICA_25
- ICA的固定点算法,快速实现信号的盲分离-Fast ICA
Cyclo
- 卷积混合和线性瞬时混合循环平稳信号盲分离-Blind separation of cyclostationary