盲源分离（BSS: Blind Source Separation），又称为盲信号分离，是指在信号的理论模型和源信号无法精确获知的情况下，如何从混迭信号（观测信号）中分离出各源信号的过程。盲源分离和盲辨识是盲信号处理的两大类型。盲源分离的目的是求得源信号的最佳估计，盲辨识的目的是求得传输通道的混合矩阵。
2021-10-20 09:40:46
1KB
1
ICA
使用sklearn的Fast ICA实现对玻璃数据集进行独立成分分析。 ICA将产生独立的组件，例如PCA，但是这些组件不需要是正交的。
2021-10-17 16:20:50
1KB
1
matlab白化代码数据白化ICA
该程序显示了如何对ICA算法进行数据白化。
代码模板
该程序是通过在上找到的MATLAB文件编写的。
它仅作一些微小的更改：处理的信号是不同的，并且修改了信息的打印。
作者
Arnaud
DELORME-
托马斯·拉比安-
2021-09-20 21:01:26
2KB
1
针对单通道语音信号盲分离的问题，结合盲源分离和经验模式分解的优点，提出了一种基于经验模式分解的单通道语音信号源数估计和盲源分离方法"对语音混合信号进行经验模式分解，利用贝叶斯算法估计语音源数目，根据源信号数目重组多通道语音混合信号，并采用独立分量分析实现语音信号的盲分离"仿真实验表明，使用此法能有效地估计通道语音信号源数和分离盲源.
2021-09-05 15:51:06
264KB
1
论文摘要：对ICA方法的原理和应用进行了综述.首先,概要叙述ICA的产生背景和发展前景,简要介绍和评述了ICA的定义、分类以及算法.然后,对ICA在语音信号分离、生物医学信号处理、金融数据分析、图像噪声消除以及人脸识别等方面的实际应用进行了讨论.
2021-09-04 17:38:39
261KB
1
ICA主要用于特征提取和信号盲源分离中。在盲源信号分离中，关于源的个数是确定的，因此分离出的源信号数目在分离之前是确定已知的。监测信号的维数与源信号的数目相同，混合矩阵和源信号具体情况在分离之前可以不清除具体表现形式，但是需要满足独立、非高斯分布的条件，这些是在实际中应用ICA需要考虑的条件。
2021-08-31 10:44:46
125KB
1