

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、盲信號(hào)分離(Blind Signal Separation, BSS)技術(shù)是指在源信號(hào)和傳輸通道參數(shù)均未知的情況下,僅利用信號(hào)間的少量先驗(yàn)知識(shí),由觀測(cè)到的混合信號(hào)恢復(fù)出源信號(hào)的過(guò)程。盲信號(hào)分離在無(wú)線通訊、特征提取、圖像處理、語(yǔ)音識(shí)別、信號(hào)抗干擾和生物醫(yī)學(xué)信號(hào)處理等眾多領(lǐng)域展現(xiàn)出廣泛的應(yīng)用前景,從而成為信號(hào)處理領(lǐng)域的研究熱點(diǎn)。
盲信號(hào)分離問(wèn)題的有效求解方法有獨(dú)立分量分析(Independent Component Analysi
2、s, ICA)、稀疏分量分析(Sparse Component Analysis, SCA)、非負(fù)矩陣分解(Nonnegative Matrix Factorization, NMF)等。ICA方法利用信號(hào)的獨(dú)立性實(shí)現(xiàn)盲分離,經(jīng)典ICA算法通常不適用于欠定盲信號(hào)分離,SCA方法利用信號(hào)的稀疏性實(shí)現(xiàn)盲分離,但對(duì)于非稀疏信號(hào)SCA方法性能不佳,NMF方法利用數(shù)據(jù)矩陣的非負(fù)性,實(shí)現(xiàn)信號(hào)分解,對(duì)分解信號(hào)的獨(dú)立性和稀疏性沒(méi)有要求,NMF方法引起人
3、們的廣泛關(guān)注。因此,本文主要研究基于NMF的線性瞬時(shí)混合盲信號(hào)分離。
首先,本文從 NMF算法的不同度量模式出發(fā),研究了 KL散度(Kullback-Leibler divergence)下NMF的盲信號(hào)分離算法。NMF數(shù)學(xué)模型的優(yōu)化問(wèn)題根據(jù)不同的誤差測(cè)度,導(dǎo)致不同的目標(biāo)函數(shù),其中最常用和最簡(jiǎn)單的度量標(biāo)準(zhǔn)就是歐式距離下的優(yōu)化模型,還有 KL散度下的優(yōu)化模型。本文研究提出了基于KL散度和三種不同約束準(zhǔn)則的盲分離算法(KL—NMF
4、)。仿真結(jié)果表明,KL—NMF算法比歐氏距離下NMF算法能夠更準(zhǔn)確的分離出源信號(hào),提高了信號(hào)分離的質(zhì)量。
其次,研究了改進(jìn)的基于增量非負(fù)矩陣分解(Incremental Nonnegative Matrix Factorization, INMF)的盲信號(hào)分離算法,INMF算法能夠降低非負(fù)矩陣分解算法的存儲(chǔ)空間和計(jì)算復(fù)雜度。一方面,本文利用INMF方法的目標(biāo)函數(shù),結(jié)合對(duì)混合矩陣的行列式約束以及對(duì)源信號(hào)矩陣的稀疏性約束和最小相關(guān)
5、性約束,提高了INMF算法性能。另一方面,本文將投影約束應(yīng)用于INMF算法,研究了投影約束的INMF算法(P-INMF),減少了需要更新的變量,非欠定盲信號(hào)分離的仿真結(jié)果證明,P-INMF算法能夠有效的分離出源信號(hào),同時(shí)大大降低了運(yùn)算量。
最后,研究了基于反饋非負(fù)矩陣分解(Feedback Nonnegative Matrix Factorization, FNMF)的盲信號(hào)分離問(wèn)題。本文提出了引入反饋機(jī)制的非負(fù)矩陣分解算法,
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于非負(fù)矩陣分解的語(yǔ)音信號(hào)盲分離算法研究.pdf
- 基于非負(fù)矩陣分解的盲源分離算法研究.pdf
- 基于非負(fù)矩陣分解的盲源分離算法在心電信號(hào)消噪中的研究.pdf
- 基于非負(fù)張量分解的多通道音頻信號(hào)盲分離研究.pdf
- 一種非負(fù)矩陣分解方法研究以及在盲源分離中的應(yīng)用.pdf
- 基于非負(fù)矩陣分解的單通道音樂(lè)分離研究.pdf
- 基于非負(fù)矩陣分解的信號(hào)時(shí)頻特征提取方法研究.pdf
- 基于非負(fù)矩陣分解的胎兒心電信號(hào)提取方法的研究.pdf
- 基于非負(fù)矩陣分解的信息獲取方法研究.pdf
- 基于非負(fù)盲分離的胎兒心電信號(hào)處理方法研究.pdf
- 基于低秩逼近非負(fù)張量分解的多通道音頻信號(hào)盲分離研究.pdf
- 基于非負(fù)矩陣分解的單聲道語(yǔ)音分離研究.pdf
- 增量式非負(fù)矩陣分解方法的研究.pdf
- 非負(fù)矩陣的分解.pdf
- 基于非負(fù)矩陣分解的視頻水印方法研究.pdf
- 基于非負(fù)矩陣分解的醫(yī)學(xué)圖像分割方法研究.pdf
- 非負(fù)矩陣分解新方法研究.pdf
- 基于非負(fù)矩陣分解的多視圖聚類方法研究.pdf
- 基于非負(fù)矩陣分解的高光譜圖像混合像元分解方法研究.pdf
- 基于非負(fù)矩陣分解的分類算法研究.pdf
評(píng)論
0/150
提交評(píng)論