共查询到10条相似文献,搜索用时 15 毫秒
1.
基于径向基函数和自适应单元分解的大规模散乱点云快速重构 总被引:2,自引:0,他引:2
径向基函数用于散乱数据的插值和拟合具有精确和稳定的优点,但是它不适合大规模点集的曲面重构。把径向基函数和单元分解原理综合起来,提出一种大规模散乱点云的隐式曲面快速重构算法。把整体定义域自适应细分成一系列稍微重叠的子域,基于径向基函数在各子域上计算局部表面,最后采用单元分解函数对局部表面进行加权混合得到全局的重构表面。方法适于处理数量较大和分布密度变化较大的点云数据重构。 相似文献
2.
3.
基于时间序列变分贝叶斯理论的信号盲源分离 总被引:2,自引:0,他引:2
研究信号盲源分离中源信号和混合矩阵估计问题.独立分量分析盲源分离的不足之处在于不能估计混合矩阵和源信号的能量及顺序;变分独立因子分析盲源分离的不足之处在于依赖参数初值.将一般变分贝叶斯理论用于时间序列,推导出时间序列的变分贝叶斯期望极大算法.将此算法用于信号盲源分离,同时将传感器噪声逆方差的分布取为Wishart分布,得到了理论上更合理的后验分布参数更新规则.仿真数据和实际语音信号盲源分离结果表明这种方法可以比较准确地估计混合矩阵和源信号,在一定程度上弥补了独立分量分析和变分独立因子分析盲源分离的不足. 相似文献
4.
5.
6.
基于EMD-SVD-BIC的机械动源数估计方法 总被引:1,自引:0,他引:1
提出了一种复合EMD-SVD-BIC(经验模态分解,empirical mode decomposition,简称EMD;奇异值分解,singular value decomposition,简称SVD;贝叶斯信息准则,bayesian information criterion,简称BIC)的机械振动源信号数量估计方法,解决卷积混合的机械振动源在观测数小于振动源数情况下的源数估计问题.应用EMD方法获得信号的本征模函数,对两观测信号的本征模函数复合矩阵的相关矩阵进行奇异值分解,获得反映源数信息的特征值分布;再采用BIC信息准则,判断源信号的数目.仿真和试验结果表明,该方法可以在观测数小于振动源数的情况下正确获取信号源数,为机械振动故障诊断中的振动源分析及其源信号的正确分离提供了方法保障. 相似文献
7.
8.
9.