本文選題：盲源分離　切入點(diǎn)：奇異值分解　出處：《電訊技術(shù)》2014年03期

【摘要】：信源數(shù)目估計(jì)問題在盲源分離中具有重要的意義。研究了傳感器數(shù)目大于信源數(shù)目時(shí)的源數(shù)估計(jì)問題。首先分析了用奇異值分解法進(jìn)行信源數(shù)目估計(jì)的優(yōu)勢(shì)與不足,然后提出了一種改進(jìn)的基于奇異值分解的信源數(shù)目估計(jì)算法。該算法首先對(duì)含噪混合信號(hào)進(jìn)行奇異值分解,然后檢測(cè)信號(hào)分量與噪聲分量之間的轉(zhuǎn)折點(diǎn),將信號(hào)分量與噪聲分量區(qū)分開來,從而得到信號(hào)源的數(shù)目。實(shí)驗(yàn)仿真表明,該算法在低信噪比以及采樣點(diǎn)數(shù)較少時(shí)仍然具有好的性能。
[Abstract]:The estimation of the number of sources is of great significance in blind source separation.The problem of estimating the number of sensors when the number of sensors is larger than the number of sources is studied.Firstly, the advantages and disadvantages of using singular value decomposition method to estimate the number of sources are analyzed, and then an improved algorithm based on singular value decomposition is proposed to estimate the number of sources.The algorithm firstly decomposes the singular value of the noisy mixed signal, then detects the turning point between the signal component and the noise component, distinguishes the signal component from the noise component, and obtains the number of signal sources.The experimental results show that the algorithm still has good performance when the SNR and the number of sampling points are low.
【作者單位】： 解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院;
【分類號(hào)】：TN911.7

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 余桐奎;王曉峰;韓德寶;張國(guó)鋒;;基于獨(dú)立分量的信號(hào)分離算法研究[J];測(cè)控技術(shù);2012年04期

2 張洪淵,賈鵬,史習(xí)智;確定盲分離中未知信號(hào)源個(gè)數(shù)的奇異值分解法[J];上海交通大學(xué)學(xué)報(bào);2001年08期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳錫明;黃碩翼;;盲源分離綜述——問題、原理和方法[J];電子信息對(duì)抗技術(shù);2008年02期

2 羅雙才;盧剛;唐斌;;LS-Relax算法抗誘餌誘偏[J];電子信息對(duì)抗技術(shù);2011年05期

3 胡浪濤;何輔云;查君君;;基于盲源分離和時(shí)頻分析的漏磁信號(hào)處理[J];電子技術(shù);2008年01期

4 譚北海;謝勝利;;基于源信號(hào)數(shù)目估計(jì)的欠定盲分離[J];電子與信息學(xué)報(bào);2008年04期

5 秦國(guó)軍;莫芙蓉;;滾動(dòng)軸承含噪聲諧波信號(hào)的欠確定盲源分離方法研究[J];國(guó)防科技大學(xué)學(xué)報(bào);2006年01期

6 查君君;何輔云;周鵬;徐善紅;;盲分離在缺陷信號(hào)處理中的應(yīng)用[J];安徽工程大學(xué)學(xué)報(bào);2013年03期

7 徐小紅;高雋;范之國(guó);;盲信號(hào)分離中信號(hào)源數(shù)目估計(jì)方法研究[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

8 馬建倉(cāng);趙林;趙述元;李國(guó)鴻;張群芳;;飛機(jī)渦扇發(fā)動(dòng)機(jī)振動(dòng)源信號(hào)數(shù)目的確定及盲分離[J];火力與指揮控制;2011年01期

9 盛志超;盛驥松;楊旋;;一種對(duì)MIMO雷達(dá)偵察識(shí)別的新方法[J];艦船電子對(duì)抗;2011年06期

10 ;Source number estimation and separation algorithms of underdetermined blind separation[J];Science in China(Series F:Information Sciences);2008年10期

相關(guān)博士學(xué)位論文 前9條

1 何慧龍;機(jī)電設(shè)備微弱特征提取與診斷方法研究[D];天津大學(xué);2007年

2 葉紅仙;機(jī)械系統(tǒng)振動(dòng)源的盲分離方法研究[D];浙江大學(xué);2008年

3 李強(qiáng);機(jī)械設(shè)備早期故障預(yù)示中的微弱信號(hào)檢測(cè)技術(shù)研究[D];天津大學(xué);2008年

4 徐小紅;圖像信息的基函數(shù)表示方法研究[D];合肥工業(yè)大學(xué);2009年

5 陽(yáng)小燕;氧化鋁燒結(jié)窯排煙風(fēng)機(jī)信息融合故障診斷方法與系統(tǒng)研究[D];中南大學(xué);2008年

6 張燁;欠定混合信號(hào)的盲分離[D];上海大學(xué);2009年

7 楊祖元;盲信號(hào)分離算法分析與應(yīng)用研究[D];華南理工大學(xué);2009年

8 明陽(yáng);基于循環(huán)平穩(wěn)和盲源分離的滾動(dòng)軸承故障特征提取方法研究[D];上海交通大學(xué);2013年

9 周曉峰;機(jī)械振動(dòng)源的分離和識(shí)別方法研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 磨莉;基于神經(jīng)網(wǎng)絡(luò)的盲信號(hào)分離的研究與應(yīng)用[D];西安工業(yè)大學(xué);2011年

2 謝志明;盲源分離技術(shù)在航空發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用研究[D];中南大學(xué);2011年

3 方韶茂;盲信號(hào)分離算法及關(guān)鍵技術(shù)應(yīng)用研究[D];華南理工大學(xué);2011年

4 潘威;基于獨(dú)立分量分析的汽車變速器故障模式識(shí)別方法[D];華南理工大學(xué);2011年

5 岳秀廷;基于變分貝葉斯混合獨(dú)立分量分析的機(jī)械故障診斷方法研究[D];鄭州大學(xué);2011年

6 雷衍斌;航空發(fā)動(dòng)機(jī)振動(dòng)信號(hào)分離技術(shù)研究[D];南京航空航天大學(xué);2010年

7 劉子龍;盲信號(hào)處理中信源數(shù)目估計(jì)方法研究[D];中北大學(xué);2012年

8 周超雄;交通量聲頻檢測(cè)的研究[D];長(zhǎng)安大學(xué);2002年

9 姜毅;混合通信信號(hào)的盲分離技術(shù)[D];電子科技大學(xué);2004年

10 李維勤;基于混合信號(hào)概率密度函數(shù)估計(jì)的盲信號(hào)分離[D];西安電子科技大學(xué);2005年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 張賢達(dá),朱孝龍,保錚;Grading learning for blind source separation[J];Science in China(Series F:Information Sciences);2003年01期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王春華;公茂法;衡澤超;;盲源分離技術(shù)及其發(fā)展[J];信息化縱橫;2009年18期

2 權(quán)友波;王甲峰;岳e，

本文編號(hào)：1703421