基于结构化稀疏子空间聚类的欠定盲源分离方法和设备.pdf
思洁****爱吗
亲,该文档总共20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
基于结构化稀疏子空间聚类的欠定盲源分离方法和设备.pdf
本发明提供了一种基于结构化稀疏子空间聚类的欠定盲源分离方法和设备,方法包括:首先采用短时傅里叶变换将时域信号转换至时频域,基于信号的短时稳定性,采用时频区间加窗法筛选高能量值的单源点。然后,采用结构化稀疏子空间聚类和改进势函数的组合混合矩阵估计方法,结构化稀疏子空间聚类可以确定源信号数目,得到数据的分类,改进势函数法能准确地确定混合矩阵向量,估计混合矩阵。接着,采用基于源数目估计的空间投影法结合最小l
基于稀疏化理论的欠定生猪盲源信号分离方法.pdf
本发明公开了一种基于稀疏化理论的欠定生猪盲源信号分离方法,包括:获取混合生猪音频信号;构建欠定盲源分离模型;基于所述欠定盲源分离模型对所述混合生猪音频信号进行稀疏化以及单源点提取,获取单源点;基于所述单源点获取估算混合矩阵;基于所述欠定盲源分离模型与所述估算混合矩阵获取源信号;对所述源信号的音频质量进行测量。本发明能够较为有效地分理出混合猪声信号的各源信号分量,为混合生猪音频的特征提取提供了新方案,有助于生猪的健康养殖。
一种基于AP聚类的欠定盲源分离方法.pdf
本发明公开了一种基于AP聚类的欠定盲源分离方法,属于信号处理领域,包括:(S1)将观测信号变换至时频域上,以筛选出时频单源点;(S2)对时频单源点进行抽样,并利用AP聚类算法对抽样得到的时频单源点进行聚类,得到信号源数目以及初始聚类中心;(S3)将信号源数目、初始聚类中心以及步骤(S1)中得到的时频单源点作为预设的目标聚类算法的输入,以对初始聚类中心进行修正,得到修正后的聚类中心,并以修正后的聚类中心为混合矩阵的列向量,估计混合矩阵;(S4)利用混合矩阵重构信号源;其中,目标聚类算法的输入参数包括聚类数量
基于密度的欠定盲源分离方法.pdf
本发明公开了一种基于密度的欠定盲源分离方法,主要解决现有技术计算复杂度高,易受初始值影响,需给定源信号个数的问题。其实现步骤是:对观测信号去掉低能量采样数据后投影到单位右半超球面上;计算所有投影点的密度参数,删除密度较小的投影点;利用改进的K-均值聚类算法对剩余投影点进行聚类,确定最佳聚类个数和聚类中心;去掉包含数据对象个数很少的聚类,剩余聚类个数为源信号个数的估计值,对应的聚类中心为混合矩阵各个列矢量的估计值;根据观测信号和估计出的混合矩阵,采用线性规划法恢复源信号。本发明降低了计算复杂度,减小了初始值
基于稀疏性的欠定盲源分离技术的研究的中期报告.docx
基于稀疏性的欠定盲源分离技术的研究的中期报告本研究旨在探索基于稀疏性的欠定盲源分离技术,并应用于音频信号分离领域。本报告针对本研究中期阶段的工作进行总结和展望。一、研究背景和意义音频信号在传输、处理和存储过程中常常受到噪声、混响等因素的影响,所以需要对其进行处理。盲源分离是一种无监督的信号处理技术,能够将混合信号中的各个源分开,具有广泛的应用前景。传统的盲源分离方法在处理欠定情况时存在一定的限制,而基于稀疏性的盲源分离方法则能够有效解决欠定情况下的分离问题。二、研究进展1.稀疏表示和压缩感知稀疏表示是基于