.png){kind=icon}
返回
Multiple Minor Components Extraction in Parallel Based on Möller Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/electronics14204073.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
一个MC（次要分量）通常被称为时变信号中的噪声部分。从输入信号中提取多个MC在许多实际应用中非常有用。与单MC估计算法和子空间跟踪算法相比，多个MC提取算法具有更广泛的应用范围和更大的研究意义。为解决多个MC提取算法中存在的问题，如需要预先估计参数且存在诸多约束，本文通过向Møller算法添加对角加权矩阵，提出了一种新的多个MC提取算法。采用ODE（常微分方程）方法分析了所提算法的不动点，并证明该算法仅在权重矩阵收敛于信号的目标MC时才能实现稳定收敛。仿真结果展示了所提算法的有效性。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
暂无期刊信息
机构
引用论文
Dai, H. Application of PCA Numalgorithm in Remote Sensing Image Processing. Mod. Electron. Technol. 2023, 7, 17–21. [Google Scholar] [CrossRef]Dai, H. 主成分分析数算法在遥感图像处理中的应用. Mod. Electron. Technol. 2023, 7, 17–21. [Google Scholar] [CrossRef].png)
IF0
PREAI
分享收藏A new minor component analysis method based on Douglas-Kung-Amari minor subspace analysis method
PREAI
分享收藏Data-Driven Surrogate-Assisted Optimization of Metamaterial-Based Filtenna Using Deep Learning基于元材料的数据驱动代理辅助优化方法及其在Filtenna设计中的应用——基于深度学习Electronics
OAAI
ElectronicsIF0
OAAI分享收藏A unified convergence analysis of Normalized PAST algorithms for estimating principal and minor components用于估计主分量和次分量的归一化过去算法的统一收敛性分析SIGNAL PROCESSING
SIGNAL PROCESSINGIF3.6
PREAI
分享收藏Generalized Principal Component Analysis-Based Subspace Decomposition of Fault Deviations and Its Application to Fault Reconstruction基于广义主元分析的故障偏差子空间分解及其在故障重构中的应用IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
查看更多内容