文件名称：基于CS与K-SVD的欠定盲源分离稀疏分量分析 (2011年)
文件大小：1.22MB
文件格式：PDF
更新时间：2024-07-01 21:52:24
自然科学 论文
为了提高盲源分离的准确率,提出了结合压缩感知(CS)与K均值奇异值分解(K-SVD) 的稀疏分量分析方法进行盲源分离.首先,分析欠定盲源分离估计源信号与压缩感知问题的等价性,建立压缩感知框架;其次,在此框架下利用K-SVD方法训练稀疏字典;最后利用经典追踪算法计算得到稀疏分量,结合传统的两步法,进行盲源分离.大量实验表明,该算法与其他稀疏表示方法相比获得了较好的分离效果.与传统两步法不同的是,该算法在压缩感知框架下利用K-SVD方法自适应地训练稀疏字典,求出混合信号的稀疏表示,稀疏分量分析方法的改进对盲源