申请/专利权人:青岛科技大学
申请日:2021-02-15
公开(公告)日:2021-05-28
公开(公告)号:CN112861066A
主分类号:G06F17/14(20060101)
分类号:G06F17/14(20060101);G06F17/16(20060101);G06N3/04(20060101);G06N3/08(20060101);G06N20/00(20190101)
优先权:
专利状态码:有效-授权
法律状态:2022.05.17#授权;2021.06.15#实质审查的生效;2021.05.28#公开
摘要:本发明提供了一种基于机器学习和FFT的盲源分离信源数目并行估计方法该方法首先提取对噪声不敏感的声信号特征,然后对特征进行主分量分析,再将已有环境数据、目标环境实场测试数据等特征数据输入BP神经网络训练,保证模型在不同应用环境的稳定性,并得到神经网络分类器,以实现不同信号之间的有效分类,得到类目作为信源个数;对相同的接收信号去噪后进行傅里叶变换,通过阈值判别信源个数,得到信源数目,最后比较,得到最终的输出信源数目。本发明通过优化方法来提高算法的准确率,最终得到准确的信源数目,实现了盲源分离中的信源有效估计,提高了信源估计的鲁棒性。
主权项:1.一种基于机器学习和FFT的盲源分离信源数目并行估计方法,其特征在于,该方法包括以下步骤:S1:接收待估计的信号数据,同时提取m个信号相关特征和对信号进行去噪;S2:在S1提取的m个信号特征中随机选取t个特征,其中1≤t≤m;对该t个信号特征进行降维;S3:提取已有环境数据、仿真数据和实际环境数据的特征来训练BP神经网络和判断阈值;S4:对S2降维后的信号特征进行归一化和变维后输入BP神经网络,训练后的神经网络根据特征进行分类,最后输出类别为估计的信源数目c1;S5:对S1去噪后的信号进行FFT变换,利用判断阈值来估计信源得到信源数目c2;S6:通过判断c1和c2值,若c1和c2相等时,即输出该信源数目;若两者不相等,重新估计c1和c2值,直至两者相等,输出。
全文数据:
权利要求:
百度查询: 青岛科技大学 基于机器学习和FFT的盲源分离信源数目并行估计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。