基于无监督学习的盲信号源分离技术研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于无监督学习的盲信号源分离技术研究

傅彦, 周俊临

文章导航 > 电子科技大学学报 > 2004 > 33(1): 63-66

傅彦, 周俊临. 基于无监督学习的盲信号源分离技术研究[J]. 电子科技大学学报, 2004, 33(1): 63-66.

引用本文:

傅彦, 周俊临. 基于无监督学习的盲信号源分离技术研究[J]. 电子科技大学学报, 2004, 33(1): 63-66.

Fu Yan, Zhou Junlin. Research of Blind Source Separation Technology which Based on Unsupervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 63-66.

Citation:

Fu Yan, Zhou Junlin. Research of Blind Source Separation Technology which Based on Unsupervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 63-66.

基于无监督学习的盲信号源分离技术研究

傅彦,
周俊临

1.
电子科技大学计算机科学与工程学院成都 610054

作者简介:
傅彦(1963-),女,硕士,副教授,主要从事计算智能方面的研究.

中图分类号: TN911;TN911.7

Research of Blind Source Separation Technology which Based on Unsupervised Learning

Fu Yan,
Zhou Junlin

1.
School of Computer Science and Engineering,UEST of China Chengdu 610054

摘要: 以独立分量分析为主要对象,描述了盲信号源分离技术的基本模型,介绍了盲分离的主要方法和数学原理,分析了盲信号源的可辨识性。提出基于神经网络无监督学习的盲分离方法,并改进了分离效果评判指标。在生物信息处理的背景下将人工神经网络和信息理论相结合,解决了盲信号源分离,自适应地求得分离矩阵,且可以同时分离具有正峭度和负峭度的信号源,对盲信号源分离的研究有极大的促进作用。
- 盲信号源分离 /
- 神经网络 /
- 无监督学习 /
- 独立分量分析板
Abstract: This paper focuses on the independent component analysis presenting a review on the basic model, the main method, the mathematical principle of blind source separation, analyzing the possibility of separation. The paper puts forward the method that based on the neural network unsupervised learning, also, improves the index on separation effects. Under the biology information processing background, combining artificial neural network with information theory to resolve this kind of problem can get the separation matrix adaptively by itself. It can separate mixtures which have both positive and negative kurtosis, and promotes the research of blind source separation greatly.
- blind source separation /
- neural network /
- unsupervised learning /
- independent component analysis

[1]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[2]	陈俊周, 王娟, 龚勋. 基于级联生成对抗网络的人脸图像修复 . 电子科技大学学报, 2019, 48(6): 910-917. doi: 10.3969/j.issn.1001-0548.2019.06.016
[3]	谭骏, 陈兴蜀, 杜敏, 朱锴. 基于自适应BP神经网络的网络流量识别算法 . 电子科技大学学报, 2012, 41(4): 580-585. doi: 10.3969/j.issn.1001-0548.2012.04.020
[4]	田毅贞, 张齐军. 知识型神经网络的射频/微波器件建模方法 . 电子科技大学学报, 2011, 40(6): 815-824. doi: 10.3969/j.issn.1001-0548.2011.06.002
[5]	钱艺, 王沁, 吴巍, 刘金龙. 神经网络并行MIMD处理器的研究及实现 . 电子科技大学学报, 2008, 37(6): 904-907.
[6]	陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法 . 电子科技大学学报, 2008, 37(3): 432-435.
[7]	袁继敏, 李小玲, 古天祥. 基于时空神经网络增强数字示波器功能的研究 . 电子科技大学学报, 2007, 36(5): 938-941.
[8]	刘贵松, 王晓彬. 采用自适应GHA神经网络的分类器设计 . 电子科技大学学报, 2007, 36(6): 1241-1244.
[9]	王运, 黄大贵, 杨天文. 开放式数控切割机神经网络误差补偿研究 . 电子科技大学学报, 2007, 36(2): 305-308.
[10]	傅彦, 周俊临, 吴跃. 快速神经网络无损压缩方法研究 . 电子科技大学学报, 2007, 36(6): 1245-1248.
[11]	陈科, 许家珆, 程永新. 基于免疫算法和神经网络的新型抗体网络 . 电子科技大学学报, 2006, 35(5): 804-806,840.
[12]	朱培勇, 孙世新. 具有时滞的Hopfield神经网络的周期解 . 电子科技大学学报, 2005, 34(5): 680-683.
[13]	文武, 杨汉生, 徐军, 钟守铭. 随机型细胞神经网络的稳定性 . 电子科技大学学报, 2005, 34(5): 700-702,716.
[14]	张春凤, 徐军, 钟守铭. 一类神经网络系统的渐近行为 . 电子科技大学学报, 2004, 33(1): 91-93.
[15]	徐军, 钟守铭, 张春凤. 分布时滞Hopfield神经网络稳定性 . 电子科技大学学报, 2004, 33(2): 200-203.
[16]	王定成, 王毅, 钟守铭. 一类神经网络算法的渐近行为 . 电子科技大学学报, 2003, 32(2): 221-224.
[17]	梁金明, 章毅. 基于回路神经网络的特征子空间估值算法 . 电子科技大学学报, 2002, 31(6): 612-618.
[18]	梁金明, 章毅. 回复式离散神经网络的特征子空间估值 . 电子科技大学学报, 2002, 31(4): 349-355.
[19]	陈中柘. 神经网络定性分析 . 电子科技大学学报, 2002, 31(3): 250-254.
[20]	朱文莉. 一类具有时滞的神经网络的稳定性分析 . 电子科技大学学报, 2000, 29(5): 556-559.

WeChat

点击查看大图

计量

文章访问数: 3445
HTML全文浏览量: 190
PDF下载量: 124
被引次数: 0

基于无监督学习的盲信号源分离技术研究

傅彦,
周俊临

1. 电子科技大学计算机科学与工程学院成都 610054

作者简介:
傅彦(1963-),女,硕士,副教授,主要从事计算智能方面的研究.

收稿日期: 2003-07-14
刊出日期: 2004-02-15

中图分类号: TN911;TN911.7

关键词:

摘要: 以独立分量分析为主要对象,描述了盲信号源分离技术的基本模型,介绍了盲分离的主要方法和数学原理,分析了盲信号源的可辨识性。提出基于神经网络无监督学习的盲分离方法,并改进了分离效果评判指标。在生物信息处理的背景下将人工神经网络和信息理论相结合,解决了盲信号源分离,自适应地求得分离矩阵,且可以同时分离具有正峭度和负峭度的信号源,对盲信号源分离的研究有极大的促进作用。

English Abstract

傅彦, 周俊临. 基于无监督学习的盲信号源分离技术研究[J]. 电子科技大学学报, 2004, 33(1): 63-66.

引用本文:

傅彦, 周俊临. 基于无监督学习的盲信号源分离技术研究[J]. 电子科技大学学报, 2004, 33(1): 63-66.

Fu Yan, Zhou Junlin. Research of Blind Source Separation Technology which Based on Unsupervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 63-66.

Citation:

Fu Yan, Zhou Junlin. Research of Blind Source Separation Technology which Based on Unsupervised Learning[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 63-66.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发