盲信號分離（Blind Source Separation）在很多領(lǐng)域有著廣泛的應(yīng)用。本研究提出一種類雅克比旋轉(zhuǎn)的張量分解算法來提高源信號的分離性能。首先利用信號的自相關(guān)矩陣構(gòu)造一系列張量,將盲信號分離問題轉(zhuǎn)化為張量對角化問題,然后提出一種特殊參數(shù)結(jié)構(gòu)代替Givens矩陣做類似雅可比連續(xù)旋轉(zhuǎn),估計對角矩陣,并求解了算法中參數(shù)的最優(yōu)解。實驗結(jié)果表明,該算法具有良好的分離效果。 

【文章來源】：黑龍江科學(xué). 2020,11(16)

【文章頁數(shù)】：6 頁

【部分圖文】：

實際聲音信號的盲分離效果圖

本實驗中，仿真參數(shù)設(shè)置如下:STFT點數(shù)選擇1024點，采用sine窗，每次移動半個窗長，噪聲系數(shù)σn=0.01，信噪比取值范圍0～15dB,100次獨立運行實驗，實驗結(jié)果如圖2所示。由圖2可知，參與比較的三種算法(TD、CP-ALS和CBSS)在J-ISI性能上相接近，但TD算法在數(shù)據(jù)上要優(yōu)于其他兩種算法，從而說明了TD算法具有較好的算法精度，排列歧義也較少。


本文編號：3500100