您的位置: 专家智库 > >

孙晓东

作品数:5 被引量:38H指数:3
供职机构:哈尔滨工程大学信息与通信工程学院更多>>
发文基金:国家自然科学基金哈尔滨市科技创新人才研究专项资金项目黑龙江省自然科学基金更多>>
相关领域:电子电信更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 5篇电子电信

主题

  • 3篇盲源分离
  • 2篇图像
  • 2篇图像分离
  • 2篇去噪
  • 2篇CURVEL...
  • 1篇单片
  • 1篇单片机
  • 1篇独立分量分析
  • 1篇信号
  • 1篇信号分离
  • 1篇语音
  • 1篇语音信号
  • 1篇语音信号分离
  • 1篇通信
  • 1篇图像去噪
  • 1篇群算法
  • 1篇子群
  • 1篇自适
  • 1篇自适应
  • 1篇无线

机构

  • 5篇哈尔滨工程大...
  • 1篇江苏科技大学

作者

  • 5篇孙晓东
  • 4篇张朝柱
  • 3篇张健沛
  • 1篇杨莘元
  • 1篇李磊
  • 1篇李思

传媒

  • 2篇计算机应用
  • 1篇系统工程与电...
  • 1篇黑龙江大学自...
  • 1篇信息技术

年份

  • 1篇2010
  • 2篇2009
  • 1篇2008
  • 1篇2007
5 条 记 录,以下是 1-5
排序方式:
基于自适应粒子群优化的盲源分离被引量:19
2009年
针对现有的盲源分离算法性能大多依赖于非线性函数的选取问题,提出了一种基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的盲源分离算法。该算法以分离信号的负熵为目标函数,根据分离信号的状态自适应地调整惯性因子,克服了收敛速度和信号恢复质量之间的矛盾。仿真实验表明,该算法的性能对源信号的概率密度性质没有依赖性,因而能很好地分离亚高斯和超高斯信号的混合信号,并且能有效地避免早熟收敛问题,具有较快的收敛速度,分离效果好。
张朝柱张健沛孙晓东
关键词:粒子群算法盲源分离自适应
基于Hilbert-Huang变换的语音信号分离被引量:3
2009年
针对短时傅里叶变换不能正确得到非平稳信号的能量频率分布问题,提出了一种基于Hilbert-Huang变换的单信道语音信号分离的算法。该算法首先对分解得到的各内蕴模式函数分量(IMF)进行Hilbert变换,得到混合信号时频面上的Hilbert谱,然后对混合信号的Hilbert谱运用独立子空间分析的方法得出代表各个独立源信号的子空间,并对其求逆变换,从而恢复出各个源信号。通过仿真实验验证了此算法的正确性和有效性,且与短时傅里叶变换时频分析法相比较,其分离性能明显得到改善,显示了Hilbert-Huang变换在处理非平稳信号的优越性。
张朝柱张健沛孙晓东
关键词:C-均值算法
基于curvelet变换和独立分量分析的含噪盲源分离被引量:11
2008年
独立分量分析(ICA)是基于信号高阶统计量的盲源分离方法,在高阶统计量方法中,由于高斯信号的高阶累计量为零,所以系统存在加性高斯噪声时就难以处理。提出了一种基于curvelet阈值去噪和FastICA算法的含噪信号盲分离的方法,并对高斯噪声环境下的混合图像进行了盲分离的仿真。结果表明,该方法能很好地解决由于存在加性高斯噪声而导致经典ICA算法性能发生严重恶化的问题;同时将curvelet变换去噪应用于含噪图像的盲源分离中,可以提高混合图像的信噪比,相对于小波去噪后的ICA算法,其分离性能有很大改善。
张朝柱张健沛孙晓东
关键词:FASTICA图像去噪图像分离
基于小波和Curvelet变换联合去噪的含噪盲源分离被引量:2
2007年
独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法。现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果。在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法。通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离。
孙晓东张朝柱杨莘元
关键词:小波去噪盲源分离图像分离
基于PTR8000的无线数传系统的设计与实现被引量:3
2010年
采用以nRF905无线收发芯片为核心的PTR8000串口通信模块,通过AT89LV51单片机来配置nRF905的SPI接口,控制其工作方式,实现了一种短距离无线数传系统。该系统具有抗干扰性强,配置简单、调整方便的特点,在无线遥控、工业控制等方面具有广阔的应用前景。
李磊张朝路李思孙晓东
关键词:无线通信串行通信PTR8000单片机
共1页<1>
聚类工具0