分享到:

盲源分离信息最大化算法的FPGA实现

盲源分离(Blind Source Separation,BSS)是信号处理领域于20世纪90年代初发展起来的一个活跃分支,其特有优势在于能在各源信号和传输通道参数均未知的情况下,仅仅利用源信号的多个混合信号,就能够恢复源信号的各个独立成分。BSS以其特有优势很快成为信号处理领域的一个研究热点,并已广泛应用在无线通信、生物医学、语音和图像处理等许多领域。信息最大化算法(Information Maximization,Infomax)是Bell和Sejnowski基于Linskers的信息最大化理论提出的一种著名BSS方法。该算法在分离混和语音等超高斯信号方面,性能明显优于其他BSS算法,适于在通信、多媒体、语音识别等系统中进行高质量的语音处理。但是,Infomax算法计算量较大,分离速度达不到实时性要求。针对Infomax算法的实时性问题,本文给出了基于FPGA(Field Programmable GateArray)实现该  (本文共75页) 本文目录 | 阅读全文>>

《华中理工大学学报》1961年20期
华中理工大学学报

复杂系统模型自组织方法的直交化算法

提出了一种直交化算法,用来克服复杂系统模型自组织方法的多...  (本文共3页) 阅读全文>>

《山东电力高等专科学校学报》2013年04期
山东电力高等专科学校学报

基于序列最小化算法的周负荷预测研究

周负荷预测具有周规律性,对编制发供电计划有重要意义。运用序列最小化算法(SMO)求解支持向量...  (本文共3页) 阅读全文>>

《河南科学》2008年03期
河南科学

大型稀疏系统齐次化算法的探讨

主要讨论解决大型稀疏线性问题的齐次化算法,提出改进的齐...  (本文共3页) 阅读全文>>

河南大学
河南大学

离散化算法统一框架与软件平台

随着计算机技术的发展,数据的信息量正在以指数形式增长。要想从海量、复杂的信息中提取出有价值、有意义的数据就离不开数据挖掘和机器学习。绝大多数的数据挖掘方法只能处理离散属性的数据,而现实中需要处理的数据中包含了许多连续属性,对于连续属性的离散化研究就显得意义重大。大数据时代的到来,更加催化了连续属性离散化算法的研究。离散化算法发展至今已经有了很多优秀的算法,从不同的侧重点、不同的技术支持、不同的处理对象等可以将其划分为不同的种类。现在还没有一种离散化算法,可以在不同的领域、不同的数据集中都能得到理想的结果。为了实现对不同的数据集都能找到合适的离散化算法,本文的主要工作就是搭建离散化算法统一框架与软件平台,主要的研究成果和内容如下:首先,因为不存在通用的离散化算法,所以要实现更多的离散化算法,多实现才能够多选择。本文对每一个离散化算法按照离散化的处理流程,把算法分解为断点的求解、断点重要度的求解、最终断点集(归并和拆分),分别实现在...  (本文共49页) 本文目录 | 阅读全文>>

《科技信息》2011年20期
科技信息

一种粗糙集并行离散化算法

文中将并行计算的思想融入粗糙集离散化过程中,提出了一种并行粗糙集离散化算法。该算法...  (本文共3页) 阅读全文>>