استخراج منابع گفتار هدف با استفاده از الگوریتم جداسازی کور منابع در حوزه ی فرکانس
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
امروزه نیاز به ارسال داده با سرعت بالا در سیستم های مخابراتی بی سیم در حال افزایش است. با توجه به مزایایی که تکنیک مدولاسیون ofdm دارد، به خوبی می تواند در راستای نیل به این هدف به کار برده شود. در کنار مزایایی که ofdm در اختیار قرار می دهد، معایب و مشکلاتی نیز وجود دارد که از مه
در حال حاضر استفاده از روش های جداسازی کور منابع (bss)در حوزه پردازش سیگنال از اهمیت بسزایی برخوردار است. عدم نیاز به اطلاعات دقیق اولیه از سیگنال های منابع و سیستم ترکیب کننده و نیز موفقیت چشمگیر روش های جداسازی کور در کاربردهای گوناگون، محققان پردازش سیگنال را به سوی استفاده از
این پایان نامه کاربرد روش های جداسازی کور منابع در فناوری سنجش از دور را مورد بررسی قرار می دهد. در سال های اخیر استفاده از الگوریتم های جداسازی کور در مطالعات سنجش از دور مورد توجه جدی قرار گرفته است، به طوری که امروزه این موضوع از جمله جذاب ترین و مهم ترین موضوعات تحقیقاتی در س
سیستم های رتیکلی، یک روش کلاسیک برای تخمین موقعیت هدف هستند و به طور گسترده ای در جستجوگرهای فروسرخ مورد استفاده قرار می گیرند. بزرگترین عیب جستجوگرهای رتیکلی، حساسیت آنها به اقدامات متقابل فروسرخ مانند فلیرها است. برای حل این مشکل روشهای مختلفی ارائه شده است که شامل روش جداسازی
تخمین مقادیر tdoa (time differential of arrival) یکی از روش های پایه ای در مکان یابی منابع گفتار می باشد که به طور وسیع مورد بررسی قرار گرفته است. در دهه ی اخیر تحقیقات زیادی بر روی تخمین مقادیر tdoa با استفاده از فیلترهای بازترکیب مستخرج از جداسازی کور منابع، صورت گرفته است. در
در این مقاله کاربرد یکی از الگوریتمهای تجزیه به مؤلفههای مستقل (ICAA) در جداسازی ترکیبهای لحظهای سیگنالهای گفتار و موسیقی مورد بحث قرار میگیرد. الگوریتم جداساز در حوزۀ زمان بوده و برای مینیممسازی اطلاعات متقابل به تخمین تابع رتبه نیاز دارد. برای تخمین تابع رتبه نمونههایی
در این مقاله، یک مسئله ی جدید برای جداسازی سیگنال منابع گفتار به روش کور در نظر گرفته می شود که در آن تعداد منابع فعّال و مشخّصات آن ها، متغیر با زمان است؛ برخلاف روش های قبلی که تمام منابع در تمام بازه های زمانی فعّال هستند. در این مقاله برای جداسازی این نوع سیگنال ها الگوریتم ج
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. د
استخراج الکتروکاردیوگرام جنین (fecg) از سیگنال های الکتریکی ثبت شده به وسیله الکترودهای قرار داده شده بر روی بدن مادر با توجه به اهمیتی که برای بررسی سلامت جنین دارد، از مسائل مطرح در مهندسی پزشکی و پردازش سیگنال های حیاتی است و بنابراین روش جداسازی کور منابع سیگنال که در آن لازم
استخراج الکتروکاردیوگرام جنین (FECG) از سیگنال های الکتریکی ثبت شده به وسیله الکترودهای قرار داده شده بر روی بدن مادر با توجه به اهمیتی که برای بررسی سلامت جنین دارد، از مسائل مطرح در مهندسی پزشکی و پردازش سیگنال های حیاتی است و بنابراین روش جداسازی کور منابع سیگنال که در آن لازم
آنالیز مولفههای مستقل و استفاده از آن در حل مسئله جداسازی کور سیگنالهای منبع یکی از مهمترین مسائلی است که در دهه اخیر توجه زیادی از محققین شاخههای مختلف علوم مهندسی را به خود جلب کرده است. در این آنالیز از خواص آماری سیگنالهای منبع برای جداسازی کور سیگنالها استفاده میشود. در این