基于Overcomplete ICA的人脸特征提取

人脸特征提取是人脸识别中最重要的一个环节,人脸特征提取的一种主要方法是寻找一系列的基图像,然后再把人脸表示为这一系列基图像的线性叠加。PCA和ICA在寻找基图像的过程中,源图像和基图像的数目都是相同的。本文提出了一种基于Overcomplete ICA的人脸特征提取方法,所得到的基图像数目要多于源图像数目。最后采用最小距离分离器进行人脸识别的实验,并与PCA和ICA的识别效果进行比较。     

基于Overcomplet ICA的声音压缩模型

独立成分分析(ICA)方法是近几年发展起来的一种新统计方法,旨在将所观测到的多维随机向量转换成统计上尽可能独立的成分。本文基于Overcomplete(过完备)ICA算法(SCO),提出了一种新的声音压缩模型。我们的实验实现了SCO的混合压缩与分离解压功能。     

一种部分输入自调整神经网络及其在非线性数据重构中的应用

实际工业过程大部分是非线性过程,其遗失数据的重构问题不能采用现有的线性数据重构方法来解决.本文提出一种部分输入自调整神经网络,以待求的重构变量作为要调整的网络输入.与传统网络不同的是,该网络的权值和阚值先由另外的神经网络训练求得,通过神经网络后向传递算法只需对网络的部分输入值进行训练,这样将非线性数据重构问题转化为部分输入神经网络的训练问题.仿真结果验证本文方法的有效性.     

小波消噪和ICA在语音信号分离中的应用

为了消除语音信号分离中仍存在的部分混叠声音,提出一种基于小波消噪和独立分量分析（ICA）结合的信号分离方法。该方法将小波变换和独立分量分析结合,利用小波变换的去噪作用,滤除原始语音信号中的噪声后作为ICA的输入信号,采用FastICA算法在小波域进行独立分量分析,对输入信号实施分离。实验结果表明,该方法大大调高了传统独立分量分析对语音信号的分离效果。     

基于独立分量分析的极化SAR图像的相干斑抑制

研究基于独立分量分析( ICA)的极化合成孔径雷达（SAR）图像相干斑抑制方法。该方法将极化SAR图像斑点噪声的乘积模型,变换为应用ICA的信号独立加噪模型。并且将HV/VV的比值图像,也作为ICA的输入数据。利用ICA 的分离性,得到了分别对应于HH、HV和VV极化的三幅降噪图像。经本文方法处理后的图像,其相干斑噪声得到了有效的抑制,具有较高的等效视数,明显地改善了图像的质量。     

联合指标独立成分分析在多变量过程故障诊断中的应用

作为主成分分析(Principal component analysis, PCA)和因子分析(Factor analysis, FA)的扩展, 独立成分分析(Independent component analysis, ICA)已经在多变量过程故障诊断中得到了很多的应用和发展. ICA的监测指标通常有三个(I2、Ie2和SPE), 使用起来不如一个指标方便, 且分散了故障信息.本文利用三个指标的加权和, 提出了两种联合的ICA监测指标. 本文进一步对比分析了不同指标的统计意义和物理意义, 并在仿真数据中验证了联合指标的优势, 在TE过程中验证了其检测和诊断特性.     

比差ICA去噪方法在光学功能成像中的应用

在光学功能成像中,极低信噪比会使得样本协方差矩阵具有奇异性,因此导致Emir等人提出的ICA去噪方法在白化预处理过程会出现降维现象,最终使得该方法无法检测出信号。为解决一问题,利用原ICA去噪方法得到的噪声信号与观测信号之间的差异特性,提出了一种比差ICA去噪方法,该方法在信噪比-40 dB情况下能成功检测出信号。利用仿真得到的光学功能成像数据,对比分析了比差ICA去噪方法与传统滤波去噪方法在极低信噪比下的检测性能,结果表明比差ICA去噪方法不仅检测性能明显优于滤波去噪方法,且输出信噪比基本不随输入信噪比的下降而下降。     

基于独立分量分析和支持向量机的结构损伤识别集成算法

针对模式识别最关键的两个环节:特征提取和分类器设计,提出了基于独立分量分析(ICA)和支持向量机(SVM)的损伤识别集成算法,首先应用ICA方法计算独立源信号和混合矩阵[A],利用混合矩阵与模态振型的对应关系,得到振型矩阵[Φ],将模态振型的变形矩阵[Φ]*作为特征参数输入至SVM分类器进行损伤识别,在冲击载荷作用下,对钢框架结构模型进行了振动试验,结果表明:ICA方法提取的模态振型是一种高效的损伤特征参数,基于ICA和SVM的集成算法能够成功识别结构损伤、损伤位置和损伤程度,从而为结构健康监测提供了一种行之有效的损伤识别方法。     

极化SAR图像相干斑抑制的ICA方法与分析

极化合成孔径雷达(synthetic aperture radar,SAR)图像为雷达图像中的信息处理和获取提供了更为便捷的途径。提出了基于独立分量分析(independent component analysis,ICA)的极化SAR图像相干斑抑制方法。该方法将极化SAR图像斑点噪声的乘积模型,变换为应用ICA的信号加噪模型。并且将HV/VV的比值图像,也作为ICA的输入数据。分别使用几种不同的ICA算法,得到了分别对应于HH、HV和VV极化的3幅降噪图像,并对结果进行了比较分析。实验结果表明,应用ICA算法可以有效地降低极化SAR图像的相干斑噪声,提高图像质量。     

一种新的多人脸检测方法研究

自动人脸检测是人脸识别系统的一个重要部分,本文提出了一种新的基于独立成分分析（ICA）和多项式神经网络（PNN）相结合的人脸检测方法,该方法首先在训练样本中使用ICA分离出代表人脸和非人脸特征子空间的独立影像基,把训练图像映射到该子空间降维后作为PNN网络的输入训练网络;对测试图像采用移动多尺度窗口提取图像模式,采用ICA降维后输入PNN网络,进而分类检测出人脸和非人脸。算法通过CMU-MIT的复杂背景人脸库中的多人脸图像进行实验,得到很高的检测率和较低的误检率.     

基于最短路径和自然梯度的过完备ICA算法

独立成分分析(ICA)是一种在给出的随机向量中找出统计独立的数据的统计方法，而过完备独立成分分析则是ICA问题中的一类特殊的情形，它要的源信号的数目比观测信号的数目要多。该文提出了一种基于最短路径算法和自然梯度的解决过完备独立成分分析的新算法Turbo-overcomplete。该算法采用了最短路径方法来推断源信号和采用自然梯度的方法来学习基向量，并采用Turbo-overcomplete算法来进行语音信号分离的实验，并把实验结果与现在的一些过完备独立成份分析算法进行了比较。     

应用小波变换和ICA方法的肌电信号分解

基于单通道、短时真实肌电（EMG）记录和模拟EMG信号，提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声，并将独立成分分析（ICA）方法和小波滤波方法相结合去除工频干扰信号，然后再进行幅度滤波，从而提高了系统的速度和强健性。在运动单元动作电位（MUAP）聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EMG分解方法相比，本文方法更快速、稳定。     

基于MPSoC平台小波变换并行算法研究

快速小波变换是数字信号处理面临的一个重要问题,针对并行小波算法展开研究,缩减小波变换中卷积运算的规模,提高小波变换过程中的并行效能,以实现小波变换的快速并行计算。通过FFT矩阵代入计算,消去了并行计算过程中的同步通信,降低了乘法运算次数。对算法思想进行了理论分析,说明新算法在短小数据分段情况下能够减少50%~75%的乘法操作;通过搭建两种不同平台进行了对比测试,证明了算法的先进性与有效性。基于FFT矩阵的并行小波变换算法是一种稳定有效的经典小波并行算法。     

Estimating Overcomplete Independent Component Bases for Image Windows

Estimating overcomplete ICA bases for image windows is a difficult problem. Most algorithms require the estimation of values of the independent components which leads to computationally heavy procedures. Here we first review the existing methods, and then introduce two new algorithms that estimate an approximate overcomplete basis quite fast in a high-dimensional space. The first algorithm is based on the prior assumption that the basis vectors are randomly distributed in the space, and therefore close to orthogonal. The second replaces the conventional orthogonalization procedure by a transformation of the marginal density to gaussian.     

多通道表面肌电信号降噪与去混迭研究

通过数据采集装置同时采集多路表面肌电信号(sEMG)时,信号之间往往存在相互混迭的现象。为了得到有效的sEMG,提出了一种基于二代小波变换和独立分量分析(ICA)相结合的降噪与去混迭方法。先利用二代小波变换对sEMG降噪再利用改进的FastICA算法对降噪后的信号进行ICA分离,最后通过互相关系数验证去混迭效果。实验结果表明,所提方法能够有效降低噪声并去除相邻通道间产生的混迭。     

基于混合基函数分解的宽带连续谱信号分析

分析宽带信号时,对信号进行某种变换,准确而有效地分析信号是问题关键所在.提出了基于混合基函数的信号分解方法,通过引入过完备的分解基函数为成份复杂信号主要分量的提取创造有力条件,使得信号分解方法具备不同的分解特性,特别是结构性分解原则能够有效地提高结构紧密分量的分辨能力.选取过完备小波包基函数逼近连续谱主要分量,用余弦基函数逼近线谱主要分量,利用基追踪(BP)算法有效地提取了低频连续谱分量.通过对基函数的通带通性进行分析,选取合适的小波或小波包基函数.实验证实该方法通过引入稀疏性分解,仅使用少数小波包基函数就能够准确重构连续谱主要分量的时域信号形式.     

A Trainable System for Object Detection

This paper presents a general, trainable system for object detection in unconstrained, cluttered scenes. The system derives much of its power from a representation that describes an object class in terms of an overcomplete dictionary of local, oriented, multiscale intensity differences between adjacent regions, efficiently computable as a Haar wavelet transform. This example-based learning approach implicitly derives a model of an object class by training a support vector machine classifier using a large set of positive and negative examples. We present results on face, people, and car detection tasks using the same architecture. In addition, we quantify how the representation affects detection performance by considering several alternate representations including pixels and principal components. We also describe a real-time application of our person detection system as part of a driver assistance system.     

过完备ICA 算法在语音信号提取中的应用

在语音信号处理中常用麦克风采集语音,然后用算法进行提取和分离,目前常用的有独立分量分析（Independent component Analysis,ICA）算法。但是当麦克风个数少于说话人的个数时,即欠定情形,此时语音信号的提取需采用过完备ICA算法。提出了一种基于过完备ICA算法的两步算法：估计混合矩阵的几何算法和估计源矩阵的最短路径法。该算法能在欠定情形下对语音信号的提取有很好的作用,仿真实验验证了这一结果。     

单通道脑电信号眼电伪迹去除算法研究

由眨眼和眼动产生的眼电伪迹（Electrooculography,EOG）信号是脑电信号（Electroencephalography,EEG）中的主要噪声信号之一.目前,多通道脑电信号中眼电伪迹的去除算法已经较为成熟.而在单通道脑电信号的眼电伪迹去除中,由于采集通道数量较少且缺乏参考眼电信号,目前尚无十分有效的去除方法.本文提出一种基于小波变换（Wavelet transform,WT）、集合经验模态分解（Ensemble empirical mode decomposition,EEMD）和独立成分分析（Independent component analysis,ICA）的WT-EEMD-ICA单通道脑电信号眼电伪迹去除算法.实验表明:WT-EEMD-ICA算法有效地解决了单通道WT-ICA算法中的超完备问题,能够有效去除单通道脑电信号中的眼电伪迹,并且分离出的眼电伪迹成分与参考通道采集的眼电信号相关性较强.