搜索资源列表
FastICA
- 盲源分析程序，是在MATLAB环境下编写的。软件包中不仅提供了简单易用的人机界面环境，而且还提供了一些基本的函数供用户根据自己的需要进行开发。-blind analysis procedures, in MATLAB environment prepared. The package not only provides a simple user-friendly man-machine interface environment, but also provides some basic fu
amu
- 基于盲源分离的scilab程序，可编译成matlab，使用时声音信号以及路径自行修改-Blind Source Separation based on the SciLab procedures, which compiled Matlab. the use of voice signal and the path to amend its own
infomax2
- matlab盲源分离informax程序-Matlab Blind Source Separation procedures informax
bss_eval
- 一种bss盲源信号分离的工具包 可以用于盲信号的提取-a blind source separation of the tool kit can be used for Blind Signal Extraction
CAPONWAVE
- 波束形成就是从传感器阵列重构源信号。（1）、通过增加期望信源的贡献来实现；（2）、通过抑制掉干扰源来实现。经典的波束形成需要观测方向(期望信源的方向)的知识。盲波束形成试图在没有期望信源方向信息的情况下进行信源的恢复。 波束形成技术的基本思想是：通过将各阵元输出进行加权求和，在一时间内将天线阵列波束“导向”到一个方向上，对期望信号得到最大输出功率的导向位置即给出DOA估计。 虽然阵列天线的方向图是全方向的，但阵列的输出经过加权求和后，却可以被调整到阵列接收的方向增益聚集在一个方向上，相当
fastfixedpoint
- 独立分量分析(Independent Component Analysis，简称ICA)是近二十年来逐渐发展起来的一种盲信号分离方法。它是一种统计方法，其目的是从由传感器收集到的混合信号中分离出相互独立的源信号，使得这些分离出来的源信号之间尽可能独立。它在语音识别、电信和医学信号处理等信号处理方面有着广泛的应用，目前已成为盲信号处理，人工神经网络等研究领域中的一个研究热点。 本文简要的阐述了ICA的发展、应用和现状，详细地论述了ICA的原理及实现过程，系统地介绍了目前几种主要ICA算法以及它