2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明: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),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、現(xiàn)代信號處理中,在眾多實際問題的驅(qū)動下,多數(shù)據(jù)集聯(lián)合盲分離已成為信號處理領(lǐng)域新的熱點。聯(lián)合盲分離能夠利用多數(shù)據(jù)集信號之間的統(tǒng)計特性,如組間相關(guān)性和組內(nèi)獨立性等,最終恢復(fù)出混合的源信號。而張量作為一種極具潛力的多維數(shù)據(jù)融合的工具,通過使用張量分解,(稀疏)非負(fù)矩陣/張量分解,凸優(yōu)化等數(shù)學(xué)工具,也可以更好地進行盲信號的處理。若能將張量分解和聯(lián)合盲分離結(jié)合起來,將大大地推動張量信號處理、聯(lián)合盲分離等前沿技術(shù)在理論與方法上的發(fā)展?;趶埩繉腔?/p>

2、的聯(lián)合盲分離主要思想是構(gòu)造具有特定結(jié)構(gòu)的目標(biāo)張量,進行代數(shù)擬合,辨識信號的混合機理,進行聯(lián)合信號的處理,最終恢復(fù)出混合的源信號。
  目前基于張量分解的聯(lián)合盲分離正處于起步階段,本文主要開展了基于張量對角化的聯(lián)合盲分離方法的研究,分別提出了基于Givens旋轉(zhuǎn)矩陣,LU分解和連續(xù)旋轉(zhuǎn)策略的三階及四階張量對角化算法,并將這些算法應(yīng)用至實際的聯(lián)合盲分離問題中,具體成果如下:
  (1)針對三階正交的聯(lián)合盲分離問題,提出了一種基于

3、Givens旋轉(zhuǎn)矩陣的三階正交張量對角化算法。該算法求解一系列的Givens旋轉(zhuǎn)矩陣的解析解來交替更新每一個混合矩陣。仿真實驗表明,該算法與現(xiàn)有的算法相比具有快速的收斂性以及較高的分離精度,并通過胎兒心電圖分離和語音信號分離的實驗,進一步闡述了所提算法的性能。
  (2)針對四階正交的聯(lián)合盲分離問題,提出了一種基于Givens旋轉(zhuǎn)矩陣的四階正交張量對角化算法。通過極分解,把多個參數(shù)優(yōu)化問題分解為一系列簡單的特征值分解問題。仿真實驗

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論