当前位置:主页 > 科技论文 > 网络通信论文 >

微弱信号检测的盲源分离方法及应用研究

发布时间:2018-07-11 12:46

  本文选题:微弱信号检测 + 盲源分离方法 ; 参考:《科学中国人》2017年02期


【摘要】:在探测、医疗等领域,对微弱信号检测准确性的要求非常高,但微弱信号不仅自身信号强度非常低,而且在传播的过程中,通常伴随一定的噪声和干扰,使检测工作要建立在盲源分离方法的基础上,极大的增加了微弱信号的检测难度。在此背景下,本文针对微弱信号检测的盲源分离方法和应用问题展开研究,为相关领域提升微弱信号的检测准确性提供参考。
[Abstract]:In the fields of detection, medical treatment and so on, the accuracy of weak signal detection is very high, but the weak signal is not only very low in its own signal intensity, but also usually accompanied by certain noise and interference in the process of propagation. The detection work is based on blind source separation method, which greatly increases the difficulty of weak signal detection. In this context, the blind source separation method and its application in weak signal detection are studied in this paper, which provides a reference for improving the accuracy of weak signal detection in related fields.
【作者单位】: 空军预警学院;
【分类号】:TN911.23

【参考文献】

相关期刊论文 前3条

1 刘光晓;孟令雅;刘翠伟;钱昊铖;李玉星;;基于盲源分离技术的泄漏音波信号滤波方法分析[J];振动与冲击;2014年24期

2 代晓明;韩秋实;王红军;;基于主轴故障诊断的微弱信号特征提取技术[J];机床与液压;2014年19期

3 王向红;向建军;尹东;;微弱裂纹信号的ICA盲源分离提取[J];长沙理工大学学报;2014年02期

【相似文献】

相关期刊论文 前10条

1 刘建强,冯大政;脉冲噪声中的盲源分离方法[J];电子与信息学报;2003年07期

2 吴作伦,杨世锡,冯海涛;基于最大熵条件下机械噪声盲源分离方法的研究[J];机电产品开发与创新;2004年06期

3 冷永刚;陈婷婷;黄立坤;赵艳菊;丁文祺;;基于独立分量分析的重盲源分离方法[J];振动工程学报;2010年05期

4 聂凌烨;李雷;陈嘉明;;基于网络分量分析的盲源分离方法[J];计算机应用;2008年S1期

5 张银雪;田学民;邓晓刚;;基于改进人工蜂群算法的盲源分离方法[J];电子学报;2012年10期

6 秦国军;莫芙蓉;;滚动轴承含噪声谐波信号的欠确定盲源分离方法研究[J];国防科技大学学报;2006年01期

7 周晓峰;杨世锡;甘春标;;相关机械振源的盲源分离方法[J];振动与冲击;2012年14期

8 何振亚,刘琚,梅良模;基于累积量展开的神经网络盲源分离方法[J];通信学报;1999年S1期

9 李志农;何况;张芬;;基于主分量分析的变分贝叶斯独立分量分析的盲源分离方法[J];南昌大学学报(理科版);2014年02期

10 陈阳;;一种新的神经网络盲源分离方法[J];模式识别与人工智能;2004年02期

相关会议论文 前2条

1 贺升平;吴瑞娜;;基于盲源分离方法的地下振动信号分析[A];2011'中国西部声学学术交流会论文集[C];2011年

2 钱进;秦志峰;;一种基于二阶统计的盲源分离方法[A];2001年全国水声学学术会议论文集[C];2001年

相关硕士学位论文 前6条

1 王晓燕;盲源分离方法及其在旋转机械故障诊断中的应用研究[D];燕山大学;2015年

2 皮海玉;基于量子遗传的机械故障源盲源分离方法研究[D];南昌航空大学;2015年

3 王垒;基于独立分量分析盲源分离方法的研究[D];兰州理工大学;2010年

4 张倩;水声信号盲源分离方法研究[D];哈尔滨工业大学;2013年

5 赵春煜;脑机接口中预处理和分类算法研究[D];大连理工大学;2011年

6 邢军阳;基于QPSO和ICA的图像盲源分离方法的研究[D];郑州大学;2012年



本文编号:2115245

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/2115245.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户3fbe6***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com