-
题名面向多路源信号的单通道盲去卷积算法研究
- 1
-
-
作者
刘婷
尹甜甜
龚真颖
郭一娜
-
机构
太原科技大学电子信息工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第1期230-236,共7页
-
基金
国家自然科学基金(61301250)
国家留学基金委地区合作与高层次人才培养项目[2020]1417
+2 种基金
山西省重点研发计划资助项目(201803D421035)
山西省自然科学优秀青年基金(201901D211313)
山西省回国留学人员科研教研资助项目(HGKY2019080)。
-
文摘
传统的单通道盲去卷积的方法存在仅能从混合信号中分离出2路源信号的局限,考虑到以上问题,该文提出一种基于优化的深度卷积生成对抗网络的单通道盲去卷积算法(SCBDC),能从1路混合信号中分离和解卷积出3路以上的独立源信号和混合矩阵。该文实验在汉字和遮挡图像数据集上进行,随机选择4路信号与混合矩阵进行卷积混合,实验结合峰值信噪比(PSNR)和信号相关性指标来评价分离的效果,结果显示,该算法能够有效地分离出多路源信号并去卷积。
-
关键词
盲源分离
单通道盲去卷积
多源信号分离
生成对抗网络
混合矩阵估计
-
Keywords
Blind source seperation
Single-channel blind deconvolution
Multi-source separation
Generative adversarial networks
Mixing matrix estimation
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP391
[电子电信—信息与通信工程]
-
-
题名基于听觉诱发脑-机接口的识别模型研究
- 2
-
-
作者
魏佳鑫
张晓飞
龚真颖
郭一娜
-
机构
太原科技大学电子信息工程学院
-
出处
《太原科技大学学报》
2022年第6期489-495,共7页
-
基金
山西省重点研发计划(201803D421035)。
-
文摘
针对听觉诱发脑-机接口存在的“BCI盲”、泛化能力差等问题,设计基于听觉诱发的脑-机接口实验范式,提出了惩罚式长短期记忆神经网络融合全连接层的识别算法。首先,将实验采集到的脑电数据处理后作为神经网络的数据集输入,然后对长短期记忆神经网络中输出门的损失函数添加惩罚项,减少模型的参数,将其输出输入到DENSE层,解决模型训练过程中不易收敛的问题。实验表明,文中算法的识别率达到91.59%,解决了“BCI盲”的问题,有效解决了算法过拟合与不易收敛的问题。其分类性能不仅高于长短期记忆神经网络,而且相比一些其他代表性的算法也有一定优势。
-
关键词
脑-机接口
听觉诱发
长短期记忆神经网络
L2范数正则化
全连接层
-
Keywords
brain-computer interface
auditory evoking
long and short-term memory neural network
L2 norm regularization
DENSE(Fully Connected Network)
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
