盲源分离的一种时频比方法

doi:10.3778/j.issn.1002-8331.2010.30.007

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (30): 23-25.DOI: 10.3778/j.issn.1002-8331.2010.30.007

盲源分离的一种时频比方法

郭靖^1，2，曾孝平¹

1.重庆大学通信工程学院，重庆 400030
2.西南大学电子信息工程学院，重庆 400715

收稿日期:2010-08-16 修回日期:2010-09-29 出版日期:2010-10-21 发布日期:2010-10-21
通讯作者: 郭靖

Time-frequcency ratio method of blind source separation

GUO Jing^1，2，ZENG Xiao-ping¹

1.College of Communication Engineering，Chongqing University，Chongqing 400030，China
2.School of Electronics and Information Engineering，Southwest University，Chongqing 400715，China

Received:2010-08-16 Revised:2010-09-29 Online:2010-10-21 Published:2010-10-21
Contact: GUO Jing

摘要/Abstract

摘要： 在M.Puigt和Y.Deville提出的时频盲源分离算法基础上，引入S变换来获取非平稳信号的多分辨率特性。首先通过S变换将一维混叠信号映射到二维时频平面，然后构造不同混叠信号的时频比矩阵，通过在时频比矩阵范围内搜索单源分析域计算混合阵的每个元素，进而估计源信号。该方法能有效分离非平稳信号且具备多分辨率特性。

关键词: S变换, 时频比, 盲源分离, 非平稳信号

Abstract: Based on Time-Frequency（TF） ratio Blind Sources Separation（BSS） algorithm proposed by M.Puigt and Y.Deville，the paper proposes a new BSS approach via adopting multi-resolution of S transform.Firstly，the approach uses S transform to obtain TF plane of mixed signals and constructes different TF ratio matrices.Secondly，it detectes single source occurs to identify each element of the mixing matrix，and then obtaines the estimated signals.This approach can separate non-stationary sources effectively and has the multi-resolution characteristics.

Key words: S transform, time-frequency ratio, blind source separation, nonstationary signals

中图分类号:

TN911.7

郭靖^1，2，曾孝平¹. 盲源分离的一种时频比方法[J]. 计算机工程与应用, 2010, 46(30): 23-25.

GUO Jing^1，2，ZENG Xiao-ping¹. Time-frequcency ratio method of blind source separation[J]. Computer Engineering and Applications, 2010, 46(30): 23-25.

[1]	赵青，冶继民，常芳丽. 两正定矩阵联合对角化盲分离算法[J]. 计算机工程与应用, 2019, 55(7): 214-219.
[2]	沈成业，张雪英，孙颖，畅江. 小波变换结合盲源分离的EEG情感识别[J]. 计算机工程与应用, 2018, 54(10): 164-168.
[3]	何安玲，何选森. 基于有理非线性函数的Fast-ICA算法[J]. 计算机工程与应用, 2018, 54(1): 251-255.
[4]	陈梦，何选森. 基于八阶收敛牛顿迭代的Fast-ICA改进算法[J]. 计算机工程与应用, 2017, 53(11): 178-181.
[5]	满蔚仕，王建华，张志禹. 基于二维快速广义S变换的人脸识别研究[J]. 计算机工程与应用, 2017, 53(11): 199-205.
[6]	邓大鹏，李骏，丁德强，贺翥祯. 适用于时变系统的在线盲源分离算法研究[J]. 计算机工程与应用, 2016, 52(3): 74-80.
[7]	蔡伟华，何选森. 基于UWT和独立分量分析的含噪盲源分离[J]. 计算机工程与应用, 2016, 52(16): 180-185.
[8]	周旺尉，金文光. 一种新颖的自适应权重Census变换立体匹配算法[J]. 计算机工程与应用, 2016, 52(16): 192-197.
[9]	姬战怀1，2，严胜刚1. 改进的Morlet小波及其变换[J]. 计算机工程与应用, 2016, 52(14): 12-18.
[10]	吴龙华1，朱嘉钢1，陆晓2. 抑制边缘效应的自适应单通道盲源分离[J]. 计算机工程与应用, 2016, 52(14): 130-135.
[11]	姬战怀1，2，严胜刚1. 离散S变换的频域算法和时域算法比较[J]. 计算机工程与应用, 2015, 51(20): 16-21.
[12]	汪道德1，何鹏举1，龙莉莉2. FSS-kernel与FastICA融合的盲源分离算法研究[J]. 计算机工程与应用, 2015, 51(2): 209-212.
[13]	赵强，穆克. 基于组合特征和BTSVM的电能质量扰动识别[J]. 计算机工程与应用, 2015, 51(10): 232-236.
[14]	马利1，2，李晶皎1，马技1，2. 邻域相关信息的改进Census变换立体匹配算法[J]. 计算机工程与应用, 2014, 50(24): 16-20.
[15]	蒋照菁，辜方林，张杭. 一种基于NPCA的自适应变步长盲源分离算法[J]. 计算机工程与应用, 2013, 49(8): 206-208.

盲源分离的一种时频比方法

Time-frequcency ratio method of blind source separation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics