提出了一种新的自适应盲源分离算法。在无噪音实时两源两传感器的情况下, 一旦观 测信号被白化, 只需要辨识一个特定的旋转矩阵就可以完成盲源分离, 并给出了能表征该旋转矩阵的角的自适应估计器。仿真结果表明, 当满足源峭度和不为零的条件时, 这种方法是一种稳定的和有效的分离算法。-proposes a new adaptive algorithm for blind source separation. In the absence of real-time two noise sources t

从盲声源信号的独立性出发!提出了一种新的盲声源混合信号分离方法:该方法基于信号联合概率的 分布统计!利用信号联合概率的方向导数熵最小获得最佳的旋转角度!最终实现盲信号分离:与快速独立分 量分析方法及神经网络方法相比!该方法不需要迭代计算:采用新的盲声源信号分离方法对轴承试验台的混 合声音信号进行识别!将电机和滚动轴承的声音分离出来!进而可以准确识别机械的故障-Blind sound source from the independence of the starting signal

利用夹角余弦距离进行样本数据分类。实现步骤主要分为以下两部分：a、待测样品X与训练集里每个样品Xi的距离采用夹角余弦距离公式计算。b、循环计算待测样品和训练集中各已知样品之间的距离，找出距离待测样品最近的已知样品，该已知样品的类别就是待测样品的类别。-Using the sample data classification Angle cosine distance.Implementation steps are divided into the following two parts: a,