搜索资源列表
fast ica 快速盲源分离
- 快速ica算法
盲源分离（快速ICA）算法
- 盲源分离（快速ICA）算法，matlab代码
ocica97-p.rar
- 这是一篇ica盲源分离方法的技术文章 Overcomplete 的方法来解决,Blind Source Separation of More Sources Than Mixtures Using Overcomplete Representations
newICA.rar
- 一种新的ICA算法，能够很好地对一维信号进行盲源分离，并有例程,A new ICA algorithm, very good to be able to one-dimensional signals, blind source separation, and have routine
ICA
- 完整的独立分量分析(ICA)程序包,可以用来进行盲源分离-An ICA program group which can be used to separate signals.
NonlinearICA_Toolbox
- 非线性独立分量分析(ICA)源码,主要是用于非线性ICA进行盲源分离算法的函数-independent component analysis (ICA)
AMulti-sourceImagFusionAlgorithmUsingICA
- 一种基于ICA的多源图像融合算法为了尽可能 达到这一要求，在分析盲源分离理论的基础上，提出了一种基于独立分量分析(ICA)的图像融合算法。-ICA-based multi-source image fusion algorithm in order to meet this requirement as far as possible, in the analysis of blind source separation based on the theory put forward bas
ica_r
- 带参考信号的盲源分离，很好用的程序，用于语音增强-ICA-R
IcaComonMatlab.tar
- 独立成分分析是近年来出现的一种强有力的数据分析工具。1994年由Comon给出了ICA的一个较为严格的数学定义，其思想最早是由Heranlt和Jutten于1986年提出来的。ICA从出现到现在虽然时间不长，然而无论从理论上还是应用上，它正受到越来越多的关注，成为国内外研究的一个热点。特别是从应用角度看，它的应用领域与应用前景都是非常广阔的，目前主要应用于盲源分离、图像处理、语言识别、通信、生物医学信号处理、脑功能成像研究、故障诊断、特征提取、金融时间序列分析和数据挖掘等。 IC
ICA
- 一种新的盲源分离方法 Injecting noise for analysing the stability of ICA components -Injecting noise for analysing the stability of ICA components
sanfuICA
- 本程序通过优化ICA算法实现了混合图像的盲源分离，分离效果优于一般ICA算法-This procedure optimized ICA algorithm is a mixed picture of blind source separation, separation is better than the general ICA algorithm is
nolinear_ica
- 非线性卷积盲源分离程序，适用于初学盲源分离内容的学生，很有帮助-nolinear ica
ICA
- ICA盲源分离，用于信号的处理，可以实现混叠信号的分离，外文文献，具有较好的参考-ICA blind source separation, for signal processing, can achieve the separation of overlapping signals, foreign literature, with a better reference
FastICA
- 这是一个关于盲源分离独立成分分析方法（ICA）的软件包,可用图形界面操作-Here is a blind source separation independent component analysis (ICA) of the package, there are graphic interface operation
复数ICA
- 实现复数信号的盲源分离, 输入N条通道的混合信号，输出N条源信号(blind signal seperation)
实数ICA
- 实现实数信号的盲源分离，输入混合信号，输出分离的盲源信号(blind signal seperation)
盲源分离
- 常用的盲分离算法有二阶统计量方法、高阶累积量方法、信息最大化（ Infomax ）以及独 立成分分析（ ICA ）等。这些方法取得最佳性能的条件总是与源信号的概率密度函数假设有关， 一旦假设的概率密度与实际信号的密度函数相差甚远，分离性能将大大降低。本文提出采用 核函数密度估计的方法进行任意信号源的盲分离，并通过典型算例与几种盲分离算法进行了 性能比较，验证了方法的可行性。(The commonly used blind separation algorithms include
MIMO_ICA
- 基于独立成分分析（ICA）的盲源分离，对MIMO进行信号检测。在信道条件未知的情况下将两路信号分离(Blind source separation based on independent component analysis (ICA) is used to detect MIMO signals. Two channel signals are separated in the case of unknown channel conditions)
Desktop
- ICA盲源分离，实现对未知混合信号进行盲分离；低通滤波器。(BSS using eigenvalue value decomposition Program written by A. Cichocki and R. Szupiluk X [m x N] matrix of observed (measured) signals, W separating matrix, y estimated separated sources p time delay used in comput
21137720ding
- ICA盲源分离，效果不错，读入声音文件，进行合成及分离(ICA blind source separation, the effect is good)