排序方式: 共有73条查询结果,搜索用时 15 毫秒
71.
针对功能磁共振成像数据中含有多个高斯信号源的盲源分离问题,介绍了一种成组典型相关分析方法(Group BSS-CCA)。这个方法的组分析框架参照了GIFT工具箱中的Group ICA算法,具体的典型相关分析方法应用的是Friman等人提出的BSS-CCA算法。以验证该方法的有效性为目的,设计了仿真实验;结果表明,该方法能较好识别出混合在人脑功能磁共振成像数据的2个空间高斯信号。Group BSS-CCA算法对研究人脑的功能磁共振成像数据具有较高的实用价值。 相似文献
72.
73.
为提高盲源分离算法在振动源数目估计问题中的噪声鲁棒性,提出了一种基于密度峰值聚类的欠定盲源分离算法。对预处理后的信号提取单源点,通过密度峰值聚类对单源点进行聚类得到混合矩阵的估计值。通过基于压缩感知模型对源信号进行重构,得到分离信号。为验证所提算法分离准确性和噪声鲁棒性,用所提算法对不同信噪比下的仿真信号进行分离,结果显示:在信噪比不低于4 dB时,所提算法均可以准确分离出源信号,算法的准确性和鲁棒性得到验证。设计旋转部件故障诊断试验台对所提算法在实际应用中的有效性进行验证,对实测复合故障振动信号进行分离,试验结果表明该算法成功分离出观测信号中的锥齿轮和行星齿轮单一故障特征,有助于工程中旋转部件故障诊断。 相似文献