Este trabajo propone un análisis adaptativo de componentes independientes de valor complejo en dos etapas de convergencia rápida basado en estadísticas de segundo orden de señales fuente de valor complejo. La primera etapa construye una función de coste extendiendo la función de coste whiten de valor real a un dominio de valor complejo y optimiza la función de coste utilizando un gradiente de valor complejo. La segunda etapa utiliza la restricción de que la matriz de pseudocovarianza de la señal separada es una matriz diagonal para construir la función de coste y el método geodésico se utiliza para optimizar la función de coste. En comparación con otros análisis adaptativos de componentes independientes de valor complejo, el método propuesto muestra una tasa de convergencia más rápida y un error menor. Se han realizado simulaciones por ordenador con señales sintetizadas y señales de comunicaciones. Los resultados de las simulaciones demuestran la validez del algoritmo propuesto.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículos:
Predicción CFD y medición experimental de la cobertura de agua de los álabes en un turbocompresor diesel
Artículos:
Programación de cirugías en quirófano con duraciones difusas utilizando un enfoque metaheurístico
Artículos:
Predicción de interferencias de señales de radar mediante métodos de aprendizaje automático
Artículos:
Construcciones eficientes de cifrado basado en atributos de política de texto cifrado con cifrado y descifrado externalizados
Artículos:
Optimización del retraso en el procesamiento de datos en la computación móvil de borde
Artículos:
Compuestos bioactivos de microalgas rojas con valor terapéutico y nutricional
Artículos:
Enfoque de aplicación ágil con Scrum, Lean y Kanban
Artículos:
Arquitectura de software orientada a la creación de micromundos para la enseñanza y el aprendizaje
Artículos:
Perspectivas sobre datos masivos y analítica de datos masivos