用于卷积盲源分离的方法和设备.pdf
是你****优呀
亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
用于卷积盲源分离的方法和设备.pdf
描述了用于卷积盲源分离的方法和设备。将多个输入信号中的每一个变换至频域中。通过对至少依赖于解混滤波器的系数的代价函数进行梯度下降过程,计算对应于频率区间的解混滤波器的系数的值。在梯度下降过程的每一迭代中,调整用于计算解混滤波器的相同系数的值的梯度项,以改进频率区间上的梯度项的平滑度。关于频率区间中的每一个,通过经由各个解混滤波器对经变换的输入信号进行滤波而估计源信号,其中各个解混滤波器是用系数的计算出的值来配置的。将各个频率区间上的估计的源信号变换至时域。该代价函数适合于评估所估计的源信号之间的去相关性。
基于频点修正的卷积盲源分离方法.pdf
本发明请求保护一种基于频点修正的卷积盲源分离方法,属于信号处理技术领域。通过对源信号短时傅立叶变换(STFT)和相应频点分离信号做特性分析,找出各频点间的相似性;然后,通过设立门限值
卷积混合盲源分离的任务书.docx
卷积混合盲源分离的任务书任务描述:卷积混合是信号处理和计算机视觉领域中一个重要的问题,涉及盲源分离、超分辨率和去噪等多个任务。其中,盲源分离是指从多个混合信号中分离出原始信号的过程,这个任务可以归结为一个线性非强饱和的盲源分离问题。卷积混合模型通常假设原始信号由若干个源信号线性组合而成,即$x=As$,其中$x$表示观测信号,$s$表示源信号,$A$表示混合系数矩阵。对于盲源分离问题,混合矩阵$A$和源信号$s$均未知,目标是从观测信号$x$中恢复出源信号$s$。本次任务要求实现卷积混合盲源分离模型,并且
一种含噪频域卷积盲源分离方法.pdf
本发明公开了一种含噪频域卷积盲源分离方法,对于带有加性高斯噪声的卷积混合信号,首先利用薄板样条模型来平滑混合信号,利用广义交叉核实法估计混合信号中加性高斯噪声的方差,然后通过短时傅里叶变换将信号由时域转换到频域,在每个频带上使用基于偏差去除技术的噪声复值独立分量分析方法估计分离矩阵,进而得到每个频带的分离信号;再使用排序算法和最小失真法分别对分离信号进行排序修正和幅值修正;最后将修正后的信号进行短时傅里叶逆变换还原出分离信号。本发明专利利用偏差去除技术对观测信号进行去偏处理提高了混合矩阵和源信号的估计精度
频域卷积盲源分离分频段多质心聚类排序方法.pdf
本发明公开了一种频域卷积盲源分离分频段多质心聚类排序方法,(1)将全频带信号进行重叠分组,整个频带被均分为若干个子带,子带之间存在重叠频段;(2)在每个子带内,先后进行多质心聚类和单质心聚类;(3)找出排序失败的频带,对这些频带信号进行重新排序使得该频带处分离信号幅值包络和聚类中心的相关系数之和最大;(4)依次遍历所有子带完成全频带信号的排序。本发明利用重叠子带多质心聚类方法提高了聚类中心,即参考信号的精度,降低子带之间错排的几率。仿真试验表明,本方法具有很好准确性,并且对于短时傅里叶变换窗长在一定范围内