Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Extraction: Partition and Distribution Coefficients01:14

Extraction: Partition and Distribution Coefficients

5.1K
The distribution law or Nernst's distribution law is the law that governs the distribution of a solute between two immiscible solvents. This law, also known as the partition law, states that if a solute is added to the mixture of two immiscible solvents at a constant temperature, the solute is distributed between the two solvents in such a way that the ratio of solute concentrations in the solvents remains constant at equilibrium.
For extracting a solute from an aqueous phase into an...
5.1K
Upsampling01:22

Upsampling

649
Managing signal sampling rates is essential in digital signal processing to maintain signal integrity. A decimated signal, characterized by a reduced frequency range due to its lower sampling rate, can be upsampled by inserting zeros between each sample. This upsampling process expands the original spectrum and introduces repeated spectral replicas at intervals dictated by the new Nyquist frequency. To refine this zero-inserted sequence, it is passed through a lowpass filter with a cutoff...
649
Reconstruction of Signal using Interpolation01:10

Reconstruction of Signal using Interpolation

769
Signal processing techniques are essential for accurately converting continuous signals to digital formats and vice versa. When a continuous signal is sampled with a period T, the resulting sampled signal exhibits replicas of the original spectrum in the frequency domain, spaced at intervals equal to the sampling frequency. To handle this sampled signal, a zero-order hold method can be applied, which creates a piecewise constant signal by retaining each sample's value until the next...
769
State Space Representation01:27

State Space Representation

617
The frequency-domain technique, commonly used in analyzing and designing feedback control systems, is effective for linear, time-invariant systems. However, it falls short when dealing with nonlinear, time-varying, and multiple-input multiple-output systems. The time-domain or state-space approach addresses these limitations by utilizing state variables to construct simultaneous, first-order differential equations, known as state equations, for an nth-order system.
Consider an RLC circuit, a...
617
Linear Approximation in Frequency Domain01:26

Linear Approximation in Frequency Domain

395
Linear systems are characterized by two main properties: superposition and homogeneity. Superposition allows the response to multiple inputs to be the sum of the responses to each individual input. Homogeneity ensures that scaling an input by a scalar results in the response being scaled by the same scalar.
In contrast, nonlinear systems do not inherently possess these properties. However, for small deviations around an operating point, a nonlinear system can often be approximated as linear....
395
Sampling Theorem01:15

Sampling Theorem

1.4K
In signal processing, the analysis of continuous-time signals, denoted as x(t), often involves sampling techniques to convert these signals into discrete-time signals. This process is essential for digital representation and manipulation. A critical component in sampling is the train of impulses, characterized by the sampling interval and the sampling frequency. The relationship between these parameters and the original signal's properties dictates the success of the sampling process.
1.4K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Genetic identification and candidate gene analysis for loci of spike density in wheat.

Planta·2026
Same author

Study on MOOC scoring algorithm based on Chinese University MOOC learning behavior data.

Heliyon·2019
Same author

The Genetics of Clinical Liver Diseases: Insight into the <i>TM6SF2</i> E167K Variant.

Journal of clinical and translational hepatology·2018
Same author

Exploring a high capacity O3-type cathode for sodium-ion batteries and its structural evolution during an electrochemical process.

Chemical communications (Cambridge, England)·2018
Same author

International Multisite Study of Human-Induced Pluripotent Stem Cell-Derived Cardiomyocytes for Drug Proarrhythmic Potential Assessment.

Cell reports·2018
Same author

Therapeutic Effects of Wenxin Keli in Cardiovascular Diseases: An Experimental and Mechanism Overview.

Frontiers in pharmacology·2018

Video Experimental Relacionado

Updated: Feb 19, 2026

Multiplex Chemical Imaging Based on Broadband Stimulated Raman Scattering Microscopy
09:57

Multiplex Chemical Imaging Based on Broadband Stimulated Raman Scattering Microscopy

Published on: July 25, 2022

4.6K

Mejora de la estimación de la matriz de mezcla para sistemas de separación ciega de fuentes subdeterminadas (UBSS)

Xiongfei Li1,2, Zhiyi Li3, Rugui Yao3

  • 1Northwestern Polytechnical University, Xi'an, 710072, China. lxf_li@163.com.

Scientific reports
|February 17, 2026
PubMed
Resumen

Un nuevo algoritmo mejora la esparsidad de la señal de origen para la separación ciega de fuentes subdeterminadas (UBSS). Mejora la precisión de la estimación de la matriz de mezcla en un 19,8%, superando los problemas de óptimos locales en la agrupación.

Palabras clave:
Mejora de la esparsidadTransformación de extracción síncrona de máximos locales (LMSET)Estimación de matriz mixtaSeparación ciega de fuentes subdeterminadas (UBSS)

Más Videos Relacionados

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

837
Microfluidic Platform with Multiplexed Electronic Detection for Spatial Tracking of Particles
11:54

Microfluidic Platform with Multiplexed Electronic Detection for Spatial Tracking of Particles

Published on: March 13, 2017

9.9K

Videos de Experimentos Relacionados

Last Updated: Feb 19, 2026

Multiplex Chemical Imaging Based on Broadband Stimulated Raman Scattering Microscopy
09:57

Multiplex Chemical Imaging Based on Broadband Stimulated Raman Scattering Microscopy

Published on: July 25, 2022

4.6K
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

837
Microfluidic Platform with Multiplexed Electronic Detection for Spatial Tracking of Particles
11:54

Microfluidic Platform with Multiplexed Electronic Detection for Spatial Tracking of Particles

Published on: March 13, 2017

9.9K

Área de la Ciencia:

  • Procesamiento de Señales
  • Aprendizaje Automático

Sus antecedentes:

  • La separación ciega de fuentes subdeterminadas (UBSS) enfrenta desafíos con la esparsidad subóptima y los óptimos locales en la estimación de la matriz de mezcla.
  • Los métodos tradicionales de tiempo-frecuencia (TF) tienen capacidades limitadas de representación dispersa.
  • Los algoritmos de agrupación como Fuzzy C-Means (FCM) son sensibles a las condiciones iniciales y propensos a óptimos locales.

Objetivo del estudio:

  • Proponer un nuevo algoritmo de estimación de la matriz de mezcla para sistemas UBSS.
  • Mejorar la esparsidad de la señal de origen y optimizar la agrupación para mejorar la precisión de la estimación.
  • Abordar las limitaciones en las técnicas de transformación TF y agrupación existentes.

Principales métodos:

  • Derivación de principios de estimación de la matriz de mezcla subdeterminada basados en la esparsidad de la fuente.
  • Implementación de un algoritmo de mejora de la esparsidad de la señal de origen utilizando la Transformación de Extracción Síncrona de Máximos Locales (LMSET).
  • Adopción de un FCM optimizado mediante un Algoritmo de Búsqueda (PSA) basado en Control Proporcional-Integral-Derivativo (PID) para una agrupación robusta.

Principales resultados:

  • El método LMSET propuesto logra una resolución TF superior y una esparsidad de señal mejorada.
  • El FCM optimizado por PSA mitiga la sensibilidad a los centros iniciales y a los óptimos locales.
  • Los resultados de la simulación muestran una representación TF y una esparsidad de señal mejoradas en diversos entornos.

Conclusiones:

  • El nuevo algoritmo mejora significativamente la precisión de la estimación de la matriz de mezcla en sistemas UBSS en un 19,8%.
  • El enfoque combinado de LMSET y FCM optimizado por PSA supera eficazmente las limitaciones de los métodos tradicionales.
  • Este trabajo proporciona una solución más precisa y robusta para la estimación de la matriz de mezcla en la separación ciega de fuentes subdeterminadas.