- · 图书馆乐享数字资源主题活动[11/26]
- · 图书馆共享党员之家活动室启用[11/26]
- · 转发:教育系统“美好‘食’光””校园系列活动主题作品征集活动通知[11/03]
- · 红柳法学大讲堂第二十八期[11/03]
- · 关于举办兰州理工大学“红柳之星”2020校园新生才艺大赛的通知[10/30]
- · “科学家精神报告团”进校园活动通知[10/28]
- · 兰州理工大学2020年秋季学期国家普通话水平测试报名通知[10/27]
- · 2020年秋季学期至2021年寒假国内外线上线下交流项目报名通知[10/20]
基于KM-PCA稀疏信号的盲源分离算法
作者: 何继爱 ; 何勇 ; 肖丹丹
关键词: 欠定盲信道估计 欠定盲源分离 K均值聚类 主成分分析 稀疏信号
摘要:欠定盲信道估计是欠定盲源分离的关键组成部分,其估计精度直接影响到源信号的估计精度.基于充分稀疏假设,在K均值聚类的基础上,提出一种新的欠定盲信道估计算法——K均值与主成分分析方法(KM-PCA算法).该算法首先对观测数据进行K均值聚类,然后对聚类分析结果分别进行主成分分析,修正其聚类中心,从而提高混叠矩阵的估计精度.采用语音信号进行的仿真实验表明,KM-PCA算法简单有效,估计精度优于传统的欠定盲信道估计算法.
上一篇:基于最小支持度阈值动态调整策略的最频繁项集挖掘算法
下一篇:基于ENG-TL零阶谐振器天线的多层波概念迭代法分析