论文研究卷积混合信号基于广义特征值的时域盲源分离算法 .pdf

通信信号盲分离；fastICA算法；负熵作为非高斯性的度量可以根据信号的混合类型来更改非线性函数

非常经典的一篇盲分离文章， 如果可能建议实现出来。我正在进行时

语音信号盲分离，应用程序FastICA，可以应用matlab直接运行，并且文件夹内包含语音信号，无需另外下载

一篇张贤达，保峥的关于盲信号分离的综述性论文，非常有帮助。

滤波是信号处理中的重要环节，鉴于盲信号处理本身的特点，传统的滤波技术并不适合直接用于盲源分离之中。然而作为分离前的预处理，滤波技术在独立成分分离算法中是必要的。为此，结合稳健的数据非线性投影，首次提出

提出了一种盲源分离方法,用于识别模拟电路节点处的源干扰信号。 基于瞬时线性混合模型,独立分量分析算法用于从观察到的信号中分离干扰信号。 通过数值和实验仿真分析了储能电路元件(例如电容)的影响。 可以看

联合对角化能够成功解决盲分离问题, 但在求解时会得到非期望的奇异解, 从而无法完全分离出源信号. 鉴于此, 提出一种用于线性卷积混合盲分离的联合对角化方法, 将卷积混合模型变换为瞬时模型, 并对变换后

简要介绍了果蝇优化算法的基本理论，针对FastICA等算法的稳定性和收敛性不够，而粒子群优化的盲分离运算速度慢的问题，将改进的果蝇优化算法应用到盲源分离研究中，提出了一种基于改进的果蝇优化的盲源分离算

针对同频调制多路线性混合信号的单通道盲分离，根据自适应跟踪信道参数和逐幸存路径处理原理的思想，在基于LMS跟踪的M-PSP算法框架下，提出了一种能减小计算复杂度的RLS-RPSP算法。该算法利用多路R

通信侦察中的单通道信号盲分离，杜晶晶，，在通信侦察领域中，侦收的通信信号和雷达信号在某些频段会发生混叠，如何快速、准确地对信号进行分离和识别是现代通信侦察中的难