张玉洁
- 作品数：34 被引量：39H指数：4
- 供职机构：中国地质大学数学与物理学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金湖北省自然科学基金更多>>
- 相关领域：理学自动化与计算机技术电子电信天文地球更多>>
- 改进的基于峭度的盲信号提取算法被引量：2
- 2014年
- 在盲信号优化提取问题的研究中,为解决基于峭度的参考独立分量分析算法中阈值参数难以确定的问题,通过对算法的理论分析,以输出信号峭度的绝对值和接近性量度函数的乘积作为目标优化函数,并在梯度算法的基础上根据经典的Kuhn-Tucker条件提出一种改进的定点算法,有效避免了人为选择阈值参数和步长,使算法收敛更快速稳定。针对合成数据和实际的心电图数据的计算机仿真,表明了所提改进算法的有效性和快速稳定性。
- 张守成张玉洁祁锐
- 关键词：峭度盲源分离盲信号提取
- 浅谈ICA算法用于相关源
- 独立成分分析(Independent Component Analysis;ICA)是近十几年来信号处理的热点,在假设源信号相互独立的情况下已有许多成熟的算法已经提出,目前对相关源的研究也成了大家关注的话题。本文通过IC...
- 张玉洁李宏伟
- 关键词：负熵互信息
- 文献传递
- C4S2-162:基于K-均值聚类和势函数法的欠定盲分离
- 值聚类法能估计出观测信号聚类直线方向,利用主成分分析提取主成分可以提高直线估计精准度和鲁棒性.在此思想的指导下,本文提出基于K均值聚类的势函数法.势函数度量了聚类中心与所有观测点的距离,对势函数求导得到更新聚类中心的迭代...
- 杨静张玉洁李宏伟
- 关键词：盲源分离稀疏分量分析势函数聚类
- 基于数学建模的高等数学教学改革被引量：1
- 2011年
- 学习高等数学的目的在于应用数学思想方法解决实际问题，本文通过分析当前高等数学教育现状，阐述了数学建模在高等数学教学中所起的重要作用，进而提出几点思考，以促进高等数学教学改革。
- 张玉洁祁锐
- 关键词：数学建模高等数学教学改革
- 基于改进光滑l_0范数的块稀疏信号重构算法被引量：4
- 2015年
- 光滑l0范数算法用带参数的高斯光滑函数序列逼近l0范数,可以用于压缩感知信号重构。块稀疏信号是一种典型的稀疏信号,它的非零元素成块出现。为此,基于改进的光滑l0范数提出一种块稀疏信号重构算法。利用反正切函数取代高斯函数序列,通过对下降因子的优化处理进一步提高收敛效果。仿真实验结果表明,相比块光滑l0范数算法、光滑l0范数算法以及正交匹配追踪算法,该算法具有更好的鲁棒性和更高的信噪比。
- 祁锐李宏伟张玉洁
- 关键词：压缩感知信号重构
- 改进的一单元复数参考独立成分分析算法
- 2013年
- 一单元复数参考独立成分分析算法存在阈值参数难以确定的问题。通过将算法的目标优化函数巧妙地调整为期望提取信号的幅值和参考信号的近似性量度,基于机器学习原理和经典的Kuhn-Tucker条件提出一种改进的固定点算法,有效避免人为选取选择阈值参数和步长参数,降低了计算复杂度,并提高了算法收敛的稳定性和收敛速率。针对复数合成数据的仿真实验证实了所提算法的有效性。
- 张守成张玉洁祁锐
- 关键词：盲源分离
- 基于ICA和高阶累积量的AR序列的分解与复原
- 本文研究由若干个非因果自回归（Auto Regression,AR）序列叠加产生的多道时间序列的分解与复原问题.首先从序列的独立性出发,利用序列的高阶统计信息,采用独立成分分析（Independent Component...
- 张玉洁祁锐李宏伟
- 关键词：高阶累积量AR模型
- 文献传递
- 基于ICA的滑动平均序列叠加过程的分解与复原
- 2008年
- 研究由若干个滑动平均(MA)信号序列叠加形成的多道时间序列的分解与复原问题。首先从信号的独立性出发,利用信号的高阶统计信息,采用独立成分分析(ICA)中的固定点(FixedPoint)算法将混合信号进行分离,然后设计了一种基于高阶统计量的MA模型的自适应辨识算法,算法在每次迭代中先估计MA的阶数,再估计MA的参数,由选用的线性方程组保证了参数的唯一可辨识性。最后通过模拟实验验证了该方法的有效性。
- 祁锐张玉洁李宏伟
- 关键词：高阶累积量
- 多元向量值函数求导的矩阵表示及其在人工神经网络中的应用被引量：1
- 2016年
- 在介绍多元向量值函数求导的矩阵表示的基础上,给出了梯度下降法的工作原理及其训练神经网络的过程,最后通过Matlab仿真实验验证了梯度下降法的有效性.
- 杨迪威边家文张玉洁
- 关键词：人工神经网络梯度下降法
- 基于ICA和高阶累积量的AR序列的分解与复原被引量：5
- 2008年
- 本文研究由若干个非因果自回归(auto regression,AR)序列叠加产生的多道时间序列的分解与复原问题,首先从序列的独立性出发,利用序列的高阶统计信息,采用独立成分分析(independent component analysis,ICA)中的广义信息最大化(Info- max)算法寻找一可逆矩阵将混合序列进行分离,然后设计了一种基于高阶统计量的自回归模型的辨识算法,算法中将非因果AR系统看成由因果和反因果系统的极联,在每次迭代中先估计反因果AR的阶数和参数,然后再估计因果AR的阶数和参数,由选用的线性方程组保证了参数的唯一可辨识性.最后通过模拟实验验证了此方法的有效性.
- 张玉洁祁锐李宏伟
- 关键词：高阶累积量
