K-Hough欠定盲信道估计算法

被引：13

作者：

付宁

彭喜元

机构：

[1] 哈尔滨工业大学自动化测试与控制系

来源：

电子测量与仪器学报 | 2008年 / 05期

关键词：

欠定盲信道估计; 盲源分离; K-means聚类; Hough变换;

D O I：

10.13382/j.jemi.2008.05.011

中图分类号：

TN911.7 [信号处理];

学科分类号：

0711 ; 080401 ; 080402 ;

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。本文基于稀疏假设,提出了一种新的欠定盲信道估计算法——K-Hough算法。该算法首先对观测数据进行K-means聚类,然后对每一类数据应用Hough变换,修正其聚类中心,从而提高了混合矩阵的估计精度,同时避免了Hough变换在进行峰值提取时经常遇到的峰值簇拥等问题。采用语音信号进行的仿真实验表明,K-Hough算法简单有效,并且估计精度大大优于经典的欠定盲信道估计算法。

引用

页码：63 / 67

页数：5

共 4 条

[1] 基于投票样本方差的Hough变换权值积累方法 [J].

梁彦 ;

金术玲 ;

潘泉 ;

程咏梅 .

控制工程, 2005, (S2) :47-49+52

[2]

Sparse representation and blind source separation of ill-posed mixtures[J] . Zhaoshui He,Shengli Xie,Yuli Fu.Science in China Series F: Information Sciences . 2006 (5)

[3] Analysis of sparse representation and blind source separation [J].

Li, YQ ;

Cichocki, A ;

Amari, S .

NEURAL COMPUTATION, 2004, 16 (06) :1193-1234

[4]

K-SVD and its non-negative variant for dictionary design .2 AHARON M,ELAD M,BRUCKSTEINAM. Pro-ceedings of SPIE The International Society for Optical En-gineering . 2005

← 1 →