搜索资源列表
mybss
- 盲信号分离是当前信号处理研究的热点课题之一，在无线数据通信、医学、语音以及地震信号处理等领域有着广阔的应用前景。基于负熵最大的FastICA算法用于实现盲信号分离。该方法的基本思路是以非高斯信号为研究对象，在独立性假设的前提下，对多路观测信号进行盲源分离。在满足一定的条件下，能够从多路观测信号中，较好地分离出隐含的独立源信号。
fushang
- 这是一个用负熵来度量非高斯性的程序，分离效果很不错
基于负熵最大化算法的雷达信号分选
- 基于负熵最大化算法的雷达信号分选
mybss
- 盲信号分离是当前信号处理研究的热点课题之一，在无线数据通信、医学、语音以及地震信号处理等领域有着广阔的应用前景。基于负熵最大的FastICA算法用于实现盲信号分离。该方法的基本思路是以非高斯信号为研究对象，在独立性假设的前提下，对多路观测信号进行盲源分离。在满足一定的条件下，能够从多路观测信号中，较好地分离出隐含的独立源信号。-Blind signal separation is the study of signal processi
fushang
- 这是一个用负熵来度量非高斯性的程序，分离效果很不错-This is a negative entropy to measure non-Gaussian nature of the procedure, the separation effect is pretty good
BSS_Demo4SP_20Mar2k5
- 定点频域ICA，使用高斯函数、负熵最大化来处理语音信号分离问题的演示-FIXED-POINT FREQUENCY DOMAIN ICA with GENERALIZED GAUSSIAN FUNCTION BASED NEGENTROPY APPROXIMATION for SPEECH SIGNAL SEPARATION
VoiceSeperationML
- 两路语音信号混合及解混的基于负熵的fastICA算法的MATLAB仿真实例-Two-way voice signals mixed and mixed solutions of negative entropy-based algorithm fastICA simulation of MATLAB
hh
- 【 摘 要】 提出了一种基于负熵的快速不动点1 C A算法， 介绍了负熵的定义和如何将其用作代价函数度量混合信号的非 高斯性。 详细介绍了基于负熵的固定点准则以及简化算法。实验选取 3个非高斯向量作为信号源进行 Ma t l a b分离仿真， 结果显示 分离效果良好。-Abstract Based on the rapid Negentropy 1 CA fixed point algorithm, introduced t
fastica
- 用matlab实现的最大化负熵的独立分量分析方法，作了正交化处理，可以同时分离出所有的独立分量（无噪声条件下）-Using matlab to achieve the maximization of the negentropy method of independent component analysis, orthogonal made of processing, can be isolated from all of the
ICA_algorithms_based_on_different_objective_functi
- 一共包含了5个ICA的算法，其中： fastica.m文件中的ICA算法是基于负熵的； m_fastica.m文件中的ICA算法是基于负熵的改进算法； fastica_kurt.m文件中的ICA算法是基于峭度的； fastica_ML.m文件中的ICA算法是基于互信息的； NLPCA.m文件中的ICA算法是基于非线性PCA的。-Contains a total of five ICA algorithm, in wh
ICA
- 基于负熵最大的独立分量分析算法，可以将独立的混合信号分离-Based on the negative entropy of the largest independent component analysis algorithm can be a separate mixed-signal separation
fp
- 基于ICA的独立分量分析，目标函数是负熵，快速不动点算法-ICA-based independent component analysis, the objective function is negative entropy, fast fixed-point algorithm
work
- 基于负熵的FASTICA的不动点算法，并行提取信号，独立分量分析-Based on negative entropy FASTICA the fixed point algorithm, parallel extract the signal, independent component analysis
ica
- 基于负熵的ICA算法，独立成分分析；负熵；盲信号分离；固定点-Negative entropy based ICA algorithm, independent component analysis negative entropy blind signal separation fixed point
FastICA_25
- 芬兰人海韦里恩 的基于负熵最大的固定点ICA 文件很长 有详细程序说明 很有参考价值-Finn Haiweilien largest negative entropy-based fixed-point ICA file for a long detailed descr iption of the procedures was useful
BSS
- 盲源分离算法的几篇文章应用 【基于独立分量分析的脑电中眼电伪迹消除】【基于负熵和智能优化的盲源分离方法】【基于小波消噪和盲源分离的信号奇异点检测方法】-Blind source separation algorithm applied 【several articles based on independent component analysis of EEG ocular artifact】 【intelligent optim
Bss4Speech
- 这是基于负熵方法的音频信号分离的固定点独立分量分析方法的Matlab程序。-This is based on negative entropy method of audio signal separation of fixed-point independent component analysis of the Matlab program.
bss_ydm
- 通过基于负熵和牛顿迭代方法的fastica算法实现了随机产生的非高斯独立成分混合后矩阵的盲源分离-By FastICA and Matlab,implementint BSS.
blind-source-seperation
- 多通道盲源分离（基于极大化非高斯性的负熵算法）源代码-Multi-channel blind source separation (based on the maximization of the negative entropy of non-Gaussian algorithm) source code
基于负熵的独立成分分析
- 独立成分分析 fastICA算法 负熵(Independent component analysis, fastICA algorithm, negative entropy)