基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
现有的肓源分离算法往往利用信号某一方面的统计特性来分离信号,例如:利用信号的非高斯特性,或者利用信号的时序特性.在实际应用中,信号往往是具有这两种特性信号的混合,采用信号某一方面的特性往往不能够成功的分离出信号.现有的盲源分离算法往往不考虑噪声的影响,但在实际应用中,噪声的影响是不可避免的.当源信号具有非高斯性和非线性自相关特性时,提出了联合非高斯性和非线性自相关特性的有噪肓源分离算法.计算机仿真表明了提出算法的有效性,和现有的基于非高斯性和非线性自相关特性的有噪盲源分离算法相比,提出算法具有更好的信号分离性能.
推荐文章
超高斯和亚高斯混合信号的盲分离算法研究
盲源分离
独立分量分析
超高斯
亚高斯
结合改进粒子群的非线性盲源分离方法研究
非线性盲源分离
粒子群优化
粒子早熟
交叉变异
循环累积量矩阵联合对角化盲源分离算法
盲源分离
循环累积量
矩阵联合对角化
基于小波变换和FASTICA算法的有噪混合图像盲分离
独立分量分析
盲源分离
小波去噪
图像信号
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 联合非高斯性和非线性自相关的有噪盲源分离算法
来源期刊 信号处理 学科 工学
关键词 盲源分离 非高斯性 非线性自相关 高斯矩
年,卷(期) 2010,(1) 所属期刊栏目 短文与研究通讯
研究方向 页码范围 141-145
页数 5页 分类号 TN911.7
字数 4710字 语种 中文
DOI 10.3969/j.issn.1003-0530.2010.01.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 沈越泓 解放军理工大学通信工程学院 71 199 7.0 9.0
2 许魁 解放军理工大学通信工程学院 39 106 6.0 8.0
3 陈寿齐 解放军理工大学通信工程学院 11 29 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (1)
同被引文献  (2)
二级引证文献  (3)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
盲源分离
非高斯性
非线性自相关
高斯矩
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信号处理
月刊
1003-0530
11-2406/TN
大16开
北京鼓楼西大街41号
18-143
1985
chi
出版文献量(篇)
5053
总下载数(次)
13
论文1v1指导