Adaptive multichannel blind deconvolution using state-space models

Andrzej Cichocki, Liqing Zhang

Результат исследований: Глава в книге, отчете, сборнике статейМатериалы для конференциирецензирование

2 Цитирования (Scopus)

Аннотация

Independent component analysis (ICA) and related problems of blind source separation (BSS) and multichannel blind deconvolution (MBD) problems have recently gained much interest due to many applications in biomedical signal processing, wireless communications and geophysics. In this paper both linear and nonlinear state space models for blind and semi-blind deconvolution are proposed. New unsupervised adaptive learning algorithms performing extended linear multichannel blind deconvolution are developed. For a nonlinear mixture, a hyper radial basis function (HRBF) neural network is employed and associated supervised-unsupervised learning rules for its parameters are developed. Computer simulation experiments confirm the validity and performance of the developed models and associated learning algorithms.

Язык оригиналаАнглийский
Название основной публикацииProceedings of the IEEE Signal Processing Workshop on Higher-Order Statistics, SPW-HOS 1999
ИздательInstitute of Electrical and Electronics Engineers Inc.
Страницы296-299
Число страниц4
ISBN (электронное издание)0769501400, 9780769501406
DOI
СостояниеОпубликовано - 1999
Опубликовано для внешнего пользованияДа
Событие1999 IEEE Signal Processing Workshop on Higher-Order Statistics, SPW-HOS 1999 - Caesarea, Израиль
Продолжительность: 14 июн. 199916 июн. 1999

Серия публикаций

НазваниеProceedings of the IEEE Signal Processing Workshop on Higher-Order Statistics, SPW-HOS 1999

Конференция

Конференция1999 IEEE Signal Processing Workshop on Higher-Order Statistics, SPW-HOS 1999
Страна/TерриторияИзраиль
ГородCaesarea
Период14/06/9916/06/99

Fingerprint

Подробные сведения о темах исследования «Adaptive multichannel blind deconvolution using state-space models». Вместе они формируют уникальный семантический отпечаток (fingerprint).

Цитировать