盲源分離
關(guān)注創(chuàng)建者：匿名 創(chuàng)建時間：2026-01-04
盲源分離的視頻教程
1-116基于matlab的盲源信號分離
基于matlab的盲源信號分離。FASTICA方法，能夠很好的將信號解混，可以替換數(shù)據(jù)進(jìn)行分析。具有GUI界面，可以很好的進(jìn)行操作。程序已調(diào)通，可直接運(yùn)行。 購買后可下載視頻中的源程序文件。
￥25.9 2分鐘 21播放
查看
盲源分離的實(shí)例教程
186基于matlab的信號盲源分離算法 ￥19.89
基于matlab的信號盲源分離算法，包括變步長盲源分離（EASI）,RLS(自然梯度和普通梯度)，并將三種方法分離結(jié)果進(jìn)行對比。程序已調(diào)通，可直接運(yùn)行。
基于matlab的時頻盲源分離（TFBSS）算法，TFBSS用空間頻率分布來分離非平穩(wěn)信號，可以分離具有不同時頻分布的源信號，也能夠分離具有相同譜密度但時頻分布不同的高斯源。同時，該算法在時頻域上局域化源信號能量，從而擴(kuò)散噪聲頻譜，提高了其在噪聲條件下的魯棒性。程序已調(diào)通，可直接運(yùn)行。
基于matlab 2018B的語音信號降噪和盲源分離GUI界面，包括維納濾波，小波降噪、高通、低通、帶通濾波，及提出的濾波方法。每個功能均展示降噪前后聲音效果并外放出來。程序已調(diào)通，可直接運(yùn)行。
</p><p>? SPC分析幫助調(diào)查每個噪聲源對總噪聲的貢獻(xiàn)，而不是將測量的總聲音分解為不同的貢獻(xiàn)。當(dāng)我們對貢獻(xiàn)的總和與原始總測量數(shù)據(jù)做比較時，該方法給與我們更大的信心，是對模型的真正的驗(yàn)證。</p><p>? HBK體積速度聲源使用專利的雙傳聲器方法，準(zhǔn)確測量現(xiàn)場的體積速度而無需自由聲場假設(shè)，保證任何測量條件下聲學(xué)傳遞函數(shù)的準(zhǔn)確性。</p><p><br></p><p><strong>室內(nèi)車輛通過噪聲</strong>（Pass-by）測試模擬真實(shí)路面的Pass-by測試。測試在在受控環(huán)境中進(jìn)行，測量結(jié)果具有可重復(fù)性，不受天氣條件的影響。在車輛開發(fā)過程中，室內(nèi)Pass-by測試可以對設(shè)計(jì)修改進(jìn)行快速驗(yàn)證，以確定其對車輛整體噪聲水平的直接影響。除了Pass-by測試，車輛改進(jìn)還需要了解車輛不同噪聲源的貢獻(xiàn)。</p><p><br></p><p>本文介紹了一種<strong>源路徑貢獻(xiàn)量（SPC）</strong>概念，包括在室內(nèi)車輛測試中對Pass-by的主要噪聲源進(jìn)行建模。這種方法的一個特點(diǎn)是，它完全<strong>在時域內(nèi)進(jìn)行處理</strong>，為每個考慮到的噪聲源估計(jì)聲源強(qiáng)度。然后對估計(jì)值進(jìn)行合成，得出車輛和各個噪聲源的Pass-by估計(jì)值。這些估計(jì)值基于指示點(diǎn)麥克風(fēng)近場數(shù)據(jù)和聲學(xué)傳遞函數(shù)。因此，可以確定車輛在Pass-by測試期間特定位置的主要噪聲源。</p><p><br></p><p>將該方法得出的結(jié)果與<strong>盲源分離（BSS）方法</strong>進(jìn)行比較，以提取與車輛運(yùn)行期間不同噪聲過程相關(guān)的源信號。提取的源信號與遠(yuǎn)場測量值相關(guān)聯(lián)，以估算Pass-by噪聲貢獻(xiàn)。使用揚(yáng)聲器對 BSS 方法進(jìn)行了驗(yàn)證，結(jié)果顯示輪胎噪聲和發(fā)動機(jī)噪聲的分離效果很好。最后，在底盤轉(zhuǎn)鼓上對這兩種方法進(jìn)行測試和評估。
展開 基于matlab的不同目標(biāo)函數(shù)的盲源信號分離基于負(fù)熵的；基于負(fù)熵的改進(jìn)算法； 基于峭度的；基于互信息的；基于非線性PCA的。輸出解混前后信號結(jié)果。程序已調(diào)通，可直接運(yùn)行。
盲源分離的相關(guān)專題、標(biāo)簽、搜索
盲源分離的最新內(nèi)容
基于matlab 2018B的語音信號降噪和盲源分離GUI界面，包括維納濾波，小波降噪、高通、低通、帶通濾波，及提出的濾波方法。每個功能均展示降噪前后聲音效果并外放出來。程序已調(diào)通，可直接運(yùn)行。
wx_fmt=png" alt="技術(shù)評論 | 室內(nèi)Pass-by的源路徑貢獻(xiàn)量分析與盲源分離的圖4" style="max-width: 100%; display: block; margin: 0px auto;"></a></p>
<p style="margin-top: 1.4em; margin-bottom: 15px; cursor: text; counter-reset:
基于matlab的時頻盲源分離（TFBSS）算法，TFBSS用空間頻率分布來分離非平穩(wěn)信號，可以分離具有不同時頻分布的源信號，也能夠分離具有相同譜密度但時頻分布不同的高斯源。同時，該算法在時頻域上局域化源信號能量，從而擴(kuò)散噪聲頻譜，提高了其在噪聲條件下的魯棒性。程序已調(diào)通，可直接運(yùn)行。
</p><p><br></p><p>將該方法得出的結(jié)果與<strong>盲源分離（BSS）方法</strong>進(jìn)行比較，以提取與車輛運(yùn)行期間不同噪聲過程相關(guān)的源信號。提取的源信號與遠(yuǎn)場測量值相關(guān)聯(lián)，以估算Pass-by噪聲貢獻(xiàn)。使用揚(yáng)聲器對 BSS 方法進(jìn)行了驗(yàn)證，結(jié)果顯示輪胎噪聲和發(fā)動機(jī)噪聲的分離效果很好。最后，在底盤轉(zhuǎn)鼓上對這兩種方法進(jìn)行測試和評估。
基于matlab的信號盲源分離算法，包括變步長盲源分離（EASI）,RLS(自然梯度和普通梯度)，并將三種方法分離結(jié)果進(jìn)行對比。程序已調(diào)通，可直接運(yùn)行。
基于matlab的不同目標(biāo)函數(shù)的盲源信號分離基于負(fù)熵的；基于負(fù)熵的改進(jìn)算法； 基于峭度的；基于互信息的；基于非線性PCA的。輸出解混前后信號結(jié)果。程序已調(diào)通，可直接運(yùn)行。
早期故障信息具有明顯的低信噪比微弱信號的特征，為實(shí)現(xiàn)早期故障有效分析，涉及方法包括：多傳感系統(tǒng)檢測及信息融合，非平穩(wěn)及非線性信號處理，故障征兆量和損傷征兆量信號分析，噪聲規(guī)律與特點(diǎn)分析，以及相關(guān)數(shù)據(jù)挖掘、盲源分離、粗糙集等方法。
（4）故障預(yù)測模型構(gòu)建。
