源信号数目大于观察信号数目情况下的盲源分离

• 作者: 何为伟 肖俊
• 来源期刊: 现代电子技术
• 关键词: 独立分量分析 盲源分离 超多元情况 稀疏分布
• 年，卷（期）: 2005,（11）
• 所属期刊栏目: 信息安全
• 页码范围: 77-78,81
• 页数: 3页
• 分类号: TN911.2
• 语种: 中文
• DOI: 10.3969/j.issn.1004-373X.2005.11.030

摘要

独立分量分析(ICA)作为一种有效的盲源分离技术(BSS)是信号处理领域的热点.传统的独立分量分析都要求观察信号数目大于或者等于源信号数目,然而对于脑电图(EEG)等的一些信号处理中存在的源信号数目大于观察信号数目的情况,传统的独立分量分析算法不能有效分离.该文针对源信号数目大于观察信号数目的情况,在传统的独立分量分析技术的基础上,给出了一个新的学习算法,并将新算法与传统的独立分量算法进行了比较.实验仿真结果证明该算法在给定2个混合信号的情况下能够较好地分离3个未知语音信号源,成功实现了源信号数目大于观察信号数目情况下的盲源分离.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	肖俊	解放军信息工程大学信息工程学院	4	16	2.0	4.0
2	何为伟	解放军信息工程大学信息工程学院	4	16	2.0	4.0