什么是模态盲源分离？
盲源分离（BSS: Blind Source Separation），又称为盲信号分离，是指在信号的理论模型和源信号无法精确获知的情况下，如何从混迭信号（观测信号）中分离出各源信号的过程。
延伸阅读
什么是科研方向？
科研方向主要针对阵列信号参数估计、波束形成、及盲源分离等领域中的高维数据分析问题，利用多维矩阵（即张量）分解的方式对之进行处理，由于张量分解方法通常能够保留数据的高维结构，因此在性能上较之基于矩阵分解的方法具有优势。
如何消除通信的不确定性？
消除通信的不确定性要针对盲源分离技术处理通信信号时会出现域不确定性的问题,提出一种新型的消除BSS不确定性的方法.通过分析BSS模型及其产生不确定性的原因,利用相邻信号帧交叠部分的相似性,进行信号重组,同时消除幅度不确定性,相位不确定性。
kovats保留指数定性优点？
其主要优点在于可从混合光谱中分离出独立组分的光谱, 且这种分离是盲源分离, .
（kovats）指数，它表示物质在固定液上的保留行为，是使用最广泛并被国际上公认的定性分析法，为色谱定性分析的一个重要参数。
在同一色谱柱上，不同升温条件下，其保留时间不同，但是保留指数是一致的。物质在柱上的保留行为可用两种紧靠它的作为标准物的正构烷烃来标定。
sobi算法？
SOBI算法提取结构/系统的频率,阻尼比及模态振型的方法.运用该法提取系统/结构模态参数的步骤为:首先利用稳健SOBI的盲源分离方法采集的信号进行分离,然后将分离矩阵作为结构/系统的模态振型矩阵,最后再对各个分离后的单自由度信号提取频率,阻尼比参数.研究结果表明,提出的方法可以准确提取出结构/系统的模态参数,尤其是即使噪声环境下仍然能准确提取出系统的模态振型矩阵
ica分析法？
在信号处理中，独立成分分析（ICA）是一种用于将多元信号分离为加性子分量的计算方法。这是通过假设子分量是非高斯信号，并且在统计上彼此独立来完成的。ICA是盲源分离的特例。一个常见的示例应用程序是在嘈杂的房间中聆听一个人的语音的“ 鸡尾酒会问题 ”。
ICA(Independent Component Correlation Algorithm)是一种函数，X为n维观测信号矢量，S为独立的m（m<=n)维未知源信号矢量，矩阵A被称为混合矩阵。ICA的目的就是寻找解混矩阵W（A的逆矩阵），然后对X进行线性变换，得到输出向量U。
最简单的即为最近邻分类器（NNC）：用距离参数表示训练集模板与测试样本的差异，认为测试样本与满足最小距离的训练样本属于同一种表情。
盲源分离算法原理？
盲源分离技术（Blind Source Separation），是研究在未知系统的传递函数、源信号的混合系数及其概率分布的情况下，仅利用源信号之间相互独立这一微弱已知条件，从一组传感器测量所得的混合信号中分离出独立源信号的一种技术。
