文件名称:
在内核空间中使用高阶统计信息进行盲源分离
开发工具:
文件大小: 12kb
下载次数: 0
上传时间: 2021-03-17
详细说明：目的-基于高阶统计（HOS）的盲源分离（BSS）技术已应用于分离数据以获得比基于二阶统计量的方法更好的性能。 成本函数构造基于HOS的分离标准的结果是一个复杂的非线性函数，难以优化。 的目的本文旨在有效地解决这一非线性优化问题，从而获得具有比传统的BSS方法具有更高的准确性。 设计/方法/方法-本文中的一项新技术基于提出了内核空间中的HOS。 所提出的方法首先将混合数据映射到高维内核通过非线性映射的空间，然后基于高阶分离准则构造成本函数在内核空间中。 使用定义为内部乘积的内核函数构造成本函数内核空间中所有数据对的图像之间。 源信号的估计是通过以下方式获得的最小化成本函数。 调查结果-关于通用合成和真实数据的多次实验的结果结果表明，核空间中的HOS分离准则对于不同种类的分布表现出良好的性能。 这与提出的方法相比，该方法提供了更高的信噪比，并且对信号源的分布不敏感FastICA和JADE算法。 原创性/价值-所提出的方法结合了内核方法的优势和HOS属性相比使用单一属性获得更好的性能。 它不需要计算在内核空间中显式表示数据的坐标，但会计算易于优化的内核函数。 这非线性函数空间的使用使算法
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台，提供交流渠道，下载内容来自于网络，除下载问题外，其它问题请自行百度。
- 本站已设置防盗链，请勿用迅雷、QQ旋风等多线程下载软件下载资源，下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载，请稍后再次尝试；或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎，请到消费记录里找到下载记录反馈给我们，经确认后退回积分.
- 如下载前有疑问，可以通过点击"提供者"的名字，查看对方的联系方式，联系对方咨询.
