学术探索
学术期刊
新闻热点
数据分析
智能评审
立即登录
基于源数估计的盲源分离
被引:8
作者
:
李广彪
论文数:
0
引用数:
0
h-index:
0
机构:
解放军电子工程学院
李广彪
许士敏
论文数:
0
引用数:
0
h-index:
0
机构:
解放军电子工程学院
许士敏
机构
:
[1]
解放军电子工程学院
来源
:
系统仿真学报
|
2006年
/ 02期
关键词
:
盲源分离;
四阶累积量;
阵列信号处理;
源数估计;
D O I
:
10.16182/j.cnki.joss.2006.02.055
中图分类号
:
TN911 [通信理论];
学科分类号
:
081002 ;
摘要
:
在信号源少于传感器观测到的混合信号时,未知信号源数目的估计一直是已有盲分离算法中一个未解决的问题。就盲分离在阵列信号处理中的应用,提出了一种基于四阶累积量的源数估计方法。由于四阶累积量对高斯噪声的抑制作用,从而可提高估计的分辨性能。给出了详细的计算方法,并用蒙特卡洛试验证实了该方法优于通常的源数估计算法。将其用于盲源分离,通过实例证明了该方法的正确性和有效性,从而解决了盲分离中信号源个数的估计问题,为盲源分离技术的应用进一步奠定了基础。
引用
收藏
页码:485 / 488
页数:4
相关论文
共 5 条
[1]
相位法估计信号源数
[J].
张翼
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
张翼
;
柯亨玉
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
柯亨玉
;
文必洋
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
文必洋
;
吴雄斌
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
吴雄斌
.
武汉大学学报(理学版),
2003,
(01)
:137
-140
[2]
确定盲分离中未知信号源个数的奇异值分解法
[J].
论文数:
引用数:
h-index:
机构:
张洪渊
;
论文数:
引用数:
h-index:
机构:
贾鹏
;
史习智
论文数:
0
引用数:
0
h-index:
0
机构:
上海交通大学振动、冲击、噪声国家重点实验室!上海
史习智
.
上海交通大学学报,
2001,
(08)
:1155
-1158
[3]
互高阶累积量对离散系统辨识的应用原理
[J].
兰华
论文数:
0
引用数:
0
h-index:
0
机构:
东北电力学院电力工程系!吉林吉林
兰华
;
论文数:
引用数:
h-index:
机构:
金晟
;
论文数:
引用数:
h-index:
机构:
贾清泉
.
东北电力学院学报,
2000,
(02)
:27
-33
[4]
基于统计估计的盲信号分离算法
[J].
论文数:
引用数:
h-index:
机构:
虞晓
;
论文数:
引用数:
h-index:
机构:
胡光锐
.
上海交通大学学报,
1999,
(05)
:60
-63
[5]
时间序列分析—高阶统计量方法[M]. 清华大学出版社 , 张贤达 著, 1996
←
1
→
共 5 条
[1]
相位法估计信号源数
[J].
张翼
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
张翼
;
柯亨玉
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
柯亨玉
;
文必洋
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
文必洋
;
吴雄斌
论文数:
0
引用数:
0
h-index:
0
机构:
武汉大学电子信息学院
吴雄斌
.
武汉大学学报(理学版),
2003,
(01)
:137
-140
[2]
确定盲分离中未知信号源个数的奇异值分解法
[J].
论文数:
引用数:
h-index:
机构:
张洪渊
;
论文数:
引用数:
h-index:
机构:
贾鹏
;
史习智
论文数:
0
引用数:
0
h-index:
0
机构:
上海交通大学振动、冲击、噪声国家重点实验室!上海
史习智
.
上海交通大学学报,
2001,
(08)
:1155
-1158
[3]
互高阶累积量对离散系统辨识的应用原理
[J].
兰华
论文数:
0
引用数:
0
h-index:
0
机构:
东北电力学院电力工程系!吉林吉林
兰华
;
论文数:
引用数:
h-index:
机构:
金晟
;
论文数:
引用数:
h-index:
机构:
贾清泉
.
东北电力学院学报,
2000,
(02)
:27
-33
[4]
基于统计估计的盲信号分离算法
[J].
论文数:
引用数:
h-index:
机构:
虞晓
;
论文数:
引用数:
h-index:
机构:
胡光锐
.
上海交通大学学报,
1999,
(05)
:60
-63
[5]
时间序列分析—高阶统计量方法[M]. 清华大学出版社 , 张贤达 著, 1996
←
1
→