本文選題：盲源分離　切入點：奇異值分解　出處：《電訊技術》2014年03期

【摘要】：信源數(shù)目估計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)目時的源數(shù)估計問題。首先分析了用奇異值分解法進行信源數(shù)目估計的優(yōu)勢與不足,然后提出了一種改進的基于奇異值分解的信源數(shù)目估計算法。該算法首先對含噪混合信號進行奇異值分解,然后檢測信號分量與噪聲分量之間的轉折點,將信號分量與噪聲分量區(qū)分開來,從而得到信號源的數(shù)目。實驗仿真表明,該算法在低信噪比以及采樣點數(shù)較少時仍然具有好的性能。
[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信息系統(tǒng)工程學院;
【分類號】：TN911.7

【參考文獻】

相關期刊論文 前2條

1 余桐奎;王曉峰;韓德寶;張國鋒;;基于獨立分量的信號分離算法研究[J];測控技術;2012年04期

2 張洪淵,賈鵬,史習智;確定盲分離中未知信號源個數(shù)的奇異值分解法[J];上海交通大學學報;2001年08期

【共引文獻】

相關期刊論文 前10條

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

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

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

4 譚北海;謝勝利;;基于源信號數(shù)目估計的欠定盲分離[J];電子與信息學報;2008年04期

5 秦國軍;莫芙蓉;;滾動軸承含噪聲諧波信號的欠確定盲源分離方法研究[J];國防科技大學學報;2006年01期

6 查君君;何輔云;周鵬;徐善紅;;盲分離在缺陷信號處理中的應用[J];安徽工程大學學報;2013年03期

7 徐小紅;高雋;范之國;;盲信號分離中信號源數(shù)目估計方法研究[J];合肥工業(yè)大學學報(自然科學版);2008年01期

8 馬建倉;趙林;趙述元;李國鴻;張群芳;;飛機渦扇發(fā)動機振動源信號數(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MIMO雷達偵察識別的新方法[J];艦船電子對抗;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

相關博士學位論文 前9條

1 何慧龍;機電設備微弱特征提取與診斷方法研究[D];天津大學;2007年

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

3 李強;機械設備早期故障預示中的微弱信號檢測技術研究[D];天津大學;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;2009年

5 陽小燕;氧化鋁燒結窯排煙風機信息融合故障診斷方法與系統(tǒng)研究[D];中南大學;2008年

6 張燁;欠定混合信號的盲分離[D];上海大學;2009年

7 楊祖元;盲信號分離算法分析與應用研究[D];華南理工大學;2009年

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

9 周曉峰;機械振動源的分離和識別方法研究[D];浙江大學;2012年

相關碩士學位論文 前10條

1 磨莉;基于神經(jīng)網(wǎng)絡的盲信號分離的研究與應用[D];西安工業(yè)大學;2011年

2 謝志明;盲源分離技術在航空發(fā)動機故障診斷中的應用研究[D];中南大學;2011年

3 方韶茂;盲信號分離算法及關鍵技術應用研究[D];華南理工大學;2011年

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

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

6 雷衍斌;航空發(fā)動機振動信號分離技術研究[D];南京航空航天大學;2010年

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

8 周超雄;交通量聲頻檢測的研究[D];長安大學;2002年

9 姜毅;混合通信信號的盲分離技術[D];電子科技大學;2004年

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

【二級參考文獻】

相關期刊論文 前1條

1 張賢達,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】

相關期刊論文 前10條

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

2 權友波;王甲峰;岳e，

本文編號：1703421