这项工作是通过制定非负稀疏信号恢复 (SSR) 问题和开发非负稀疏贝叶斯学习 (NNSBL) 算法来解决稀疏数组的源定位问题。 1.在'NNSBL.m'中给出了所提出的算法，在'Conven_SBL.m'中给出了传统的SBL算法以进行比较。 2. 'MRA_output.m' 用于生成阵列输出数据，'Peaksearch.m' 和'peak_find.m' 用于查找空间谱中的峰值位置。 3. 'Main_Simulation.m' 用于显示空间谱。 4. 'rmse_snr.m' 用于显示 DOA 估计与 SNR 的 RMSE。 5. 'rmse_snapshot.m' 用于显示 DOA 估计的 RMSE 与快照数量的关系。

【IEEE ICASSP 2022教程】非负矩阵分解的最新进展，266页ppt 自Paatero & Tapper(1994)和Lee & Seung(1999)的开创性著作引入非负矩阵分解(NMF)以来，已经过去了二十多年。此后，NMF在音频源分离、高光谱解混、用户推荐、文本信息检索、生物识别、网络分析等多个领域产生了重大影响。虽然更复杂的体系结构，比如神经网络，在一些有监督的情况下可以胜过因子分解模型，但是NMF是基于一种生成和可解释的模型，在许多情况下，这仍然是一种流行的选择，特别是对于不需要或只需要很少的训练数据的任务(例如:在无监督设置)。本教程旨在回顾过去十年在NMF方面的一些最重要的进展，重点关注NMF优化方面的最新进展(包括最先进的算法，如最大化-最小化，收敛特性，大规模实现，稀疏和时间正则化)，NMF的模型选择(包括选择合适的拟合测度、秩估计)和最近的NMF扩展(包括存在异常值时的稳健NMF、可分离的NMF、正半定矩阵分解、基于NMF的排序模型)。本教程将针对没有NMF经验的初学者和在其更高级的材料中更有知识的从业者。

很多真实世界中的数据集由不同表达和视角组成，这些不同的表达和视角的信息往往互为补充。为了整合非监督集合中多个视角的信息，多视觉聚类算法同时聚类不同视角以得到一个聚类结果，这个结果揭示了多个视觉共享一个潜在结构。本文我们提出了一个NMF（基于非负矩阵分解）的多视角聚类算法，该算法寻找一个因式分解，使得多个视角给出一致的聚类结果。本文提出算法的关键在对有约束的联合非负矩阵因式分解过程进行公式化，该分解过程的约束使得每个视角在分解过程趋向一致的结果。主要的问题是如何保持聚类结果在不同视角的是有意义和可比较的。为了解决这个问题，我们基于NMF和PLSA的关系设计了一个新型的高效归一化策略。几个数据集上的实验结果表明了我们方法的可靠性。

【简介】一篇关于nonnegative matrix factorization（非负矩阵分解）的应用文章。 【语言】英文

2.1 基于相位超前补偿的准比例谐振控制器 单闭环控制的基波电压增益和动态响应速度由比例准谐振控制器提供，比例准谐振控制 器的频域传递函数形式如式所示(3)： 90 2 2 s (s) s s R P N K G K          (3) 数字离散控制系统的 PWM 动作存在等效若干周期延时，同时逆变器输出滤波器存在基 波相移，导致控制器输出调节量响应的相位滞后，无论是谐振控制器还是重复控制器，都需 要对这个延时进行超前矫正补偿。对于谐振控制器，可通过调整控制器零点的分布偏移，通 过配置控制器零点的相位来进行相位矫正。此策略通过对谐振控制器的分子项零点通过增加95 相位偏移达到，有目的明确，易于实现的优点。谐振控制器的分子在零点 ωN处补偿相位， 其中φ 是谐振频率处期望的补偿相位值。考虑相位补偿时的准 PR 控制器如式(4)：

Nonnegative Matrix and Tensor Factorizations

非负矩阵分解与非负张量分解的权威参考书，想研究的朋友要认真看看