一种含噪频域卷积盲源分离方法.pdf
猫巷****盟主
亲,该文档总共16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
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
频域卷积混合盲分离研究的综述报告.docx
频域卷积混合盲分离研究的综述报告频域卷积混合盲分离是一种音频信号处理方法,旨在从混合信号中恢复出原始信号。它是通过对混合信号进行频域卷积来实现的,利用不同原始信号之间的频率差异来实现盲分离。本文将对该方法的原理、应用以及研究进展进行综述。一、原理频域卷积混合盲分离利用的是谱分析的原理。对于两个不同的信号在频域上,它们的频率分布是不同的。当这两个信号混合在一起时,每个信号的频率成分都会对另一个信号产生干扰,从而导致在混合信号中产生相互干扰的频率成分。利用频域卷积的方法可以去除这些干扰,从而实现盲分离。在频域
一种含噪信号的盲源分离算法.pdf
本发明属于信号处理技术领域,涉及一种含噪信号的盲源分离算法,包括:步骤1,输入原始观测信号,对该原始观测信号进行预处理;步骤2:采用小波包对预处理后的原始观测信号进行滤波,然后选择阈值并使用小波包对分解后的原始观测信号进行重构得到滤波后的观测信号;步骤3:使用最大信噪比准则建立代价函数;步骤4:对代价函数进行广义特征值分解得到分离矩阵,然后与原始观测信号矩阵相乘得到各个源信号;步骤5:对步骤4所述的各个源信号进行半滑滤波,最终得到降噪后的源信号。本发明方法对于较低信噪比下的信号具有较好的去噪效果,并且计算
一种基于解耦卷积神经网络的含噪水声信号盲源分离方法.pdf
本发明公开了一种基于解耦卷积神经网络的含噪水声信号盲源分离方法,属于信号处理技术领域,设计了一种模仿传统算法估计盲源分离的混合矩阵过程的神经网络模型,该模型能够更好的分离源信号。首先利用该网络的一维卷积层自动提取观测信号的特征,基于该特征分别实现生成分离矩阵和调整缩放系数两个功能,然后利用分离矩阵分离观测信号得到初步分离信号,随后利用缩放系数对初步分离信号进行缩放得到最终的分离信号。解耦卷积神经网络功能明确、结构清晰,能够实现在大数据集下信号快速精确分离及分离信号幅度有效确定,该方法不仅能够分离独立信号,