版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、盲源分離技術是現代數字信號處理領域中一個重要的分支,盲源分離是指在源信號以及混合系統均未知情況下,僅通過觀測信號估計出混合矩陣并分離出源信號的過程。因其在無線通信、生物醫(yī)學等方面的重要應用,盲源分離技術越來越受到科研工作者的重視。
盲源分離問題按源信號數量與觀測信號數量的多少關系,可以分為三種情況,超定盲源分離、正定盲源分離、欠定盲源分離。一般會把超定盲源分離、正定盲源分離歸于一類即觀測信號數目大于等于源信號數目的情況,在這種
2、情況下,可采用獨立分量分析(ICA)方法進行分離,分離過程比較簡單。若是欠定情況,即觀測信號數目小于源信號數目的情形,常利用信號在某時刻具有稀疏性,對信號進行稀疏表示,利用稀疏分量分析方法來恢復源信號。
針對稀疏分量分析的盲源分離問題,本論文核心工作和創(chuàng)新點主要體現在以下幾個方面:
(1)從正定盲源分離出發(fā),研究了盲源分離基本問題,為更易理解欠定情況下盲源分離提供了一個很好的過渡。
(2)討論了欠定盲源分離
3、的一些重要的算法,并給出了這些算法的具體實施過程,分析了各算法的優(yōu)缺點。
(3)提出了一種改進的K-means聚類算法來估計混合矩陣。首先,以K-means聚類算法為基礎,對數據進行預處理,通過區(qū)域劃分法挑選出初始聚類中心進而進行聚類估計出混合矩陣。本文算法改進了K-means算法對樣本輸入順序及初始聚類中心很敏感的不足,運用改進后的算法對稀疏觀測混合信號進行聚類,精確地估計出了混合矩陣。
(4)在源信號恢復上,若信
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,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔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。
最新文檔
- K-means聚類算法的改進.pdf
- K-means聚類算法的改進研究.pdf
- 基于改進K-means聚類的推薦方法研究.pdf
- 基于K-means聚類的LEACH協議的改進研究.pdf
- 基于密度的改進K-Means文本聚類算法研究.pdf
- 基于遺傳算法的K-MEANS聚類改進研究.pdf
- K-Means聚類算法的研究與改進.pdf
- K-means聚類算法的改進研究及應用.pdf
- 模糊k-means聚類方法研究及改進.pdf
- (6)K-means聚類算法.pdf
- 基于K-means聚類的RCNA識別算法.pdf
- 基于K-Means的文檔聚類算法研究.pdf
- 基于密度垂直中點的K-means聚類算法改進研究.pdf
- 基于K-means聚類算法的負荷模型研究.pdf
- 基于凝聚模糊K-means的聚類方法研究.pdf
- 基于改進K-Means聚類方法的高校就業(yè)推薦系統研究.pdf
- K-means聚類優(yōu)化算法的研究.pdf
- 碩士論文基于改進k-means聚類的推薦方法研究答辯
- 基于K-Means聚類算法的客戶細分研究.pdf
- 空移鍵控系統中基于K-Means聚類算法的盲檢測研究.pdf
評論
0/150
提交評論