K-均值聚类法能估计出观测信号聚类直线方向，利用主成分分析（PCA）提取主成分，可以提高直线估计的精准度和鲁棒性。在此思想的指导下，本文提出基于K-均值聚类的势函数法。势函数度量了聚类中心与所有观测点的距离，对势函数求导得到更新聚类中心的迭代公式，利用该公式对K-均值聚类法得到的聚类中心进行调整得到精估计。该算法计算量较小，能有效估计出混合矩阵。仿真实验验证了算法的有效性。
2021-08-12 18:44:20
1.57MB
1
开发了一种改进的稀疏分量分析 (SCA)。 SCA 方法之前只是在一个框架中定义过，但目前还没有完整的算法。 我们探索了一种完整的自动算法，然后用它来处理机械工程中的模态识别问题。 本软件只适用于振动信号，不适用于语音信号。 如果要处理语音信号，则需要改变混合矩阵估计方法。 亲爱的亲。 Ishwarya Venkatesh，相应的论文已经提交了冲击和振动。 由于SCA基于瞬时混合模型，所以只能无时延地处理传感器数据。 所以我建议你处理以刚性结构而不是柔性结构记录的数据。
2021-08-05 15:15:18
456KB
1