جداسازی کور سیگنال‌های منبع بر اساس تابع خود همبستگی غیرخطی با استفاده از الگوریتم LMS

Authors

  • بهزاد مظفری تازه‌کند استادیار دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز
  • محمدعلی طینتی دانشیار دانشکده مهندسی برق و کامپیوتر، دانشگاه تبریز
Abstract:

This article doesn't have abstract

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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

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 خودهمب...

full text

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

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

جداسازی سیگنالهای صحبت مخلوط شده در یک محیط واقعی با استفاده از الگوریتم DUET ساده شده

الگوریتم تخمین جداسازی کاهنده(DUET)  از الگوریتمهای عملی‌ای است که جداسازی منابع در یک محیط بدون پژواک را انجام می‌دهد. این الگوریتم از حوزه فرکانس برای پردازش سیگنالها استفاده می‌کند و مخلوطهای صحبت را حتی وقتی تعداد منابع بیشتر از سنسورها باشد، جدا می‌کند. اما اجرای DUET، بخصوص برای فایلهای صحبت با طول نسبتا بزرگ، زمان‌بر و کند است. در این تحقیق ضمن کاهش نمونه‌برداری سیگنال صحبت مخلوطی که قرا...

full text

جداسازی سیگنالهای صحبت مخلوط شده در یک محیط واقعی با استفاده از الگوریتم DUET ساده شده

الگوریتم تخمین جداسازی کاهنده(DUET)  از الگوریتمهای عملی‌ای است که جداسازی منابع در یک محیط بدون پژواک را انجام می‌دهد. این الگوریتم از حوزه فرکانس برای پردازش سیگنالها استفاده می‌کند و مخلوطهای صحبت را حتی وقتی تعداد منابع بیشتر از سنسورها باشد، جدا می‌کند. اما اجرای DUET، بخصوص برای فایلهای صحبت با طول نسبتا بزرگ، زمان‌بر و کند است. در این تحقیق ضمن کاهش نمونه‌برداری سیگنال صحبت مخلوطی که قرا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 40  issue 1

pages  35- 44

publication date 2010-08-23

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

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023