亚、超高斯信号后非线性混合的盲分离

应用科学学报 ›› 2001, Vol. 19 ›› Issue (3): 198-201.

亚、超高斯信号后非线性混合的盲分离

陈阳, 何振亚

东南大学无线电工程系, 江苏南京 210096

收稿日期:2000-03-18 修回日期:2000-12-11 出版日期:2001-09-30 发布日期:2001-09-30
作者简介:陈阳(1975-),男,福建福清人,博士;何振亚(1922-),男,江苏盐城人,教授,博导.
基金资助:
国家自然科学基金资助项目(69872009)

Blind Separation for Post-nonlinear Mixture of Sub-and Super-Gaussian Signals

CHEN Yang, HE Zhen-ya

Department of Radio Engineering, Southeast University, Nanjing 210096, China

Received:2000-03-18 Revised:2000-12-11 Online:2001-09-30 Published:2001-09-30

摘要/Abstract

摘要： 研究后非线性混合信号的盲分离,从最大似然角度推导了一般后非线性分离结构的学习公式;在前人一些工作的基础上,提出一种用于亚、超高斯信号后非线性混合的盲分离算法.通过对人造及自然信号的实验,证实了该算法的有效性.

关键词: 盲分离, 最大似然, 神经网络, 非线性混合, 亚、超高斯

Abstract: The problem of blind separation of signals in post-nonlinear mixture is addressed. The learning rules for the general post-nonlinear separation structure are derived by a maximum likelihood approach. An algorithm for blind separation of post-nonlinearly mixed sub-and super-Gaussian signals based on the results of previous work is proposed. The effectiveness of the algorithm is verified by experiments on artificial and natural signals.

Key words: blind separation, maximum likelihood, nonlinear mixture, sub-and super-Gaussian, neural networks

中图分类号:

TN911.7

陈阳, 何振亚. 亚、超高斯信号后非线性混合的盲分离[J]. 应用科学学报, 2001, 19(3): 198-201.

CHEN Yang, HE Zhen-ya. Blind Separation for Post-nonlinear Mixture of Sub-and Super-Gaussian Signals[J]. Journal of Applied Sciences, 2001, 19(3): 198-201.

[1]	王孟轩, 张胜, 王月, 雷霆, 杜渂. 改进的CRNN模型在警情文本分类中的研究与应用[J]. 应用科学学报, 2020, 38(3): 388-400.
[2]	马鑫, 吴云, 鹿泽光. 基于混合神经网络的协同过滤推荐模型[J]. 应用科学学报, 2020, 38(3): 478-487.
[3]	刘伟, 章琬苓, 项世军. 基于LBP-MDCT和CNN的人脸活体检测算法[J]. 应用科学学报, 2019, 37(5): 609-617.
[4]	王灿军, 廖鑫, 陈嘉欣, 秦拯, 刘绪崇. 基于卷积神经网络的面部图像修饰检测[J]. 应用科学学报, 2019, 37(5): 618-630.
[5]	吴韵清, 吴鹏, 陈北京, 鞠兴旺, 高野. 基于残差全卷积网络的图像拼接定位算法[J]. 应用科学学报, 2019, 37(5): 651-662.
[6]	魏巍, 全海燕. 基于单形进化的径向基网络训练算法[J]. 应用科学学报, 2019, 37(4): 459-468.
[7]	靳华中, 刘潇龙, 胡梓珂. 一种结合全局和局部特征的图像描述生成模型[J]. 应用科学学报, 2019, 37(4): 501-509.
[8]	赵云山, 段友祥. 基于Attention机制的卷积神经网络文本分类模型[J]. 应用科学学报, 2019, 37(4): 541-550.
[9]	袁红林, 陆小丹, 徐晨. 基于B-Spline神经网络的宽带通信发射机指纹估计[J]. 应用科学学报, 2019, 37(1): 12-23.
[10]	曾润华, 张树群. 改进卷积神经网络的语音情感识别方法[J]. 应用科学学报, 2018, 36(5): 837-844.
[11]	姜雪莹, 苏成利, 施惠元, 李平, 刘思雨. 采用多变量RBF神经网络的非线性内部迭代预测控制[J]. 应用科学学报, 2018, 36(4): 698-710.
[12]	段友祥, 徐冬胜, 孙歧峰, 李钰. DBN在测井解释中的研究与应用[J]. 应用科学学报, 2018, 36(4): 689-697.
[13]	杨滨, 张涛, 陈先意. 基于深度学习的图像局部模糊识别[J]. 应用科学学报, 2018, 36(2): 321-330.
[14]	史晓裕, 李斌, 谭舜泉. 深度学习空域隐写分析的预处理层[J]. 应用科学学报, 2018, 36(2): 309-320.
[15]	董伟, 王建军. 改进的卷积神经网络用于对比度增强取证[J]. 应用科学学报, 2017, 35(6): 745-753.