جداسازی کور سیگنال‌های منبع براساس تابع خود همبستگی غیرخطی در حوزه‌ی ویولت با در نظر گرفتن نویز مشاهدات با استفاده از الگوریتم LMS

author

Abstract:

آنالیز مولفه‌های مستقل و استفاده از آن در حل مسئله جداسازی کور سیگنال‌های منبع یکی از مهم‌ترین مسائلی است که در دهه‌ی اخیر توجه زیادی از محققین شاخه‌های مختلف علوم مهندسی را به خود جلب کرده است. در این آنالیز خواص آماری مراتب بالا برای جداسازی کور سیگنال‌ها به‌کار گرفته می‌شود. در این مقاله جداسازی سیگنال‌های منبع که در یک محیط نویزی با هم ترکیب شده‌اند مورد توجه قرار گرفته است و از تابع خودهمبستگی غیرخطی سیگنال‌های منبع در حوزه ویولت به‌عنوان تابع هدف استفاده شده و با استفاده از الگوریتم LMS1 نقطه‌ی ماکزیمم این تابع محاسبه می‌شود. ابتدا ضرائب ویولت گسسته‌ی مربوط به سیگنال‌های مرکب نویزدار محاسبه شده و سپس بر مبنای ضرائب تقریب به‌دست آمده از تجزیه‌ی ویولت و الگوریتم LMS، نقطه‌ی ماکزیمم تابع هدف مورد نظر محاسبه شده و در نتیجه ضرائب فیلتر تخمین ‌به‌دست می‌آیند. سپس با استفاده از این فیلتر سیگنال‌های منبع از هم جدا می‌شوند. از دو پارامتر 1) شاخص بازده و 2) نسبت سیگنال به تداخل و اثر گذاری نویز، برای نشان دادن کارایی الگوریتم ارائه شده، استفاده می‌شود. نتایج شبیه‌سازی در سه قسمت براساس سیگنال‌های تصادفی گوسی، سیگنال‌های صحبت و سیگنال‌های الکتروکاردیوگرام نشان داده ‌شده‌اند. در این مقاله اثر سطح تجزیه در حوزه‌ی ویولت نیز مورد توجه قرار گرفته است. در انتها نتایج به‌دست آمده با الگوریتم جدید (NoisyNA)Shi مقایسه می‌شود. ملاحظه می‌شود که به‌دلیل استفاده از تبدیل ویولت و افزایش میزان همبستگی غیرخطی در این حوزه، نتایج بهتری به‌دست می‌آید.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

جداسازی کور سیگنال های منبع براساس تابع خود همبستگی غیرخطی در حوزه ی ویولت با در نظر گرفتن نویز مشاهدات با استفاده از الگوریتم lms

آنالیز مولفه های مستقل و استفاده از آن در حل مسئله جداسازی کور سیگنال های منبع یکی از مهم ترین مسائلی است که در دهه ی اخیر توجه زیادی از محققین شاخه های مختلف علوم مهندسی را به خود جلب کرده است. در این آنالیز خواص آماری مراتب بالا برای جداسازی کور سیگنال ها به کار گرفته می شود. در این مقاله جداسازی سیگنال های منبع که در یک محیط نویزی با هم ترکیب شده اند مورد توجه قرار گرفته است و از تابع خودهمب...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

جداسازی کور سیگنال های منبع در حضور نویز با استفاده از تابع همبستگی غیرخطی به روش lms

با توجه به این که سیگنال های دریافتی از محیط به صورت ترکیبی از سیگنال ها هستند، دسته بندی، جداسازی و استخراج اطلاعات مورد نظر از این سیگنال ها در زمینه ی پردازش سیگنال دیجیتالی دارای اهمیت ویژه ای است. با توجه به عدم وجود اطلاعات کافی از منابع تولیدکننده ی سیگنال ها و چگونگی تشکیل سیگنال های مرکب، مسئله ی پردازش کور سیگنال ها مطرح می شود. یکی از این توابع هدفی که به تازگی برای حل این مسئله مطرح...

15 صفحه اول

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 2  issue 1

pages  59- 80

publication date 2014-06

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023