基于二维ICA变换的语音特征提取

独立成分分析（ICA）方法已经被广泛地应用于语音信号处理中.讨论了ICA方法在语音信号特征提取中的应用.ICA被应用在对数Mel滤波器组变换域中来代替常用的离散余弦变换,后者被应用来得到Mel倒谱系数（MFCC）特征.我们将应用一种新的方法即二维ICA方法来发掘语音信号的时域跟频域的信息,从而提高语音特征的效率跟噪声鲁棒性.这些特征被用于基于高斯混合模型的说话人识别应用中.仿真结果表明我们得到的时频二维特征优于传统的一维特征.     

基于ICA的语音信号表征和特征提取方法

推导了基于独立分量分析(independent component analysis,ICA)的信号表征方法的有效性,并将基于ICA的信号特征分析应用到说话者识别任务中,通过计算机仿真实验证明该方法对非高斯语音信号受高斯噪声干扰时特征提取的有效性。最后的比较结果证明,基于ICA的信号特征,性能较传统的基于离散余弦变换(discrete cosinetransform,DCT)的Mel频率倒谱系数(mel-frequency cepstral coefficients,MFCC)特征有明显的提高。     

基于ICA变换和MAP估计的语音增强算法

提出了一种基于ICA变换和MAP估计的单通道语音增强算法,该方法依据ICA变换后语音信号服从拉普拉斯分布的特点,运用MAP估计纯音信号,然后进行逆ICA变换,获得时域纯音信号。仿真分析表明：在输入信噪比较低情况下,该算法增强效果好,同时增强后的语音信号失真小。     

基于独立分量分析(ICA)与小波变换的过程监测方法

提出了一种ICA与小波变换技术相结合的过程监测方法。通过ICA方法分析出独立分量,经过小波分解后构造平均能量作为过程特征量。然后以相似度为监测指标实现过程监测。应用ICA方法比应用主分量(PCA)方法能更准确地提取非高斯分布信号信息,可以更加有效地实现对过程的监测。ICA能从原始的输入特征提取出更紧致、更适合后端处理的二次特征。由于二次特征能体现出数据中的本质信息,所以ICA方法相对于那些只考虑方差信息的特征提取方法有更好的性能。     

二维Hilbert-Huang变换及其在图像增强中的应用

为了更加有效地提取图像细节,在分析希尔伯特——黄变换(Hilbert-Huang Transform,HHT)的基础上给出了二维HHT的实现方法,并应用于图像增强.首先对二维图像信号进行基于Delaunay三角分割的二维经验模式分解,再将分解得到信号的各个内蕴含模式分量分别作总体Hilbert变换.实验结果表明,此方法可细致地描绘出图像的边缘信息,并可在不同程度上体现图像的轮廓信息.该研究在图像压缩和图像分割中有重要的意义.     

二维表示的电能质量故障数据压缩

高培生,陈新建,吴为麟,宋保明为处理大量的电能质量监测数据,应用图像压缩中的嵌入式零树小波(EZW)算法,压缩二维表示的电能质量故障数据.故障数据按整周期倍数进行截断和重组,一维电能质量故障数据变换为二维;二维小波多分辨率分析分解此二维数据得到小波系数;应用嵌入式零树小波编码完成压缩.数据的二维表示使嵌入式零树小波编码得以直接应用,无需改变算法来适应原一维数据.仿真实验表明,此方法具有压缩率高、速度快和特征不变的特点.压缩时采用7级量化,既节省了67.5%的数据存储空间,又不影响故障数据的特征.     

二维随机跳频系统性能分析

针对传统跳频通信信号检测手段成熟,信号参数特征易被提取的问题,本文提出了一种二维随机跳频系统.区别于传统跳频系统使用的正弦基信号,该系统使用不同调频率的Chirp信号作为基信号,使用离散分数阶傅里叶变换结构实现跳频信号的调制.利用多个伪随机码分别控制分数阶傅里叶变换的变换阶次和载波信号中心频率,实现系统参数的二维随机变...     

基于EMD与ICA的污泥回流泵故障诊断

针对污泥回流泵振动信号易受噪声污染、故障特征提取困难的问题,提出基于经验模态分解(EMD)与独立成分分析(ICA)的故障诊断方法。首先,将振动信号进行EMD分解得到一系列本征模态函数(IMF)。然后,对各个本征模态函数进行主成分分析,选取满足贡献累加值的分量重构信号,并与原信号组成矩阵进行ICA解混处理。最后,将处理后的数据进行Hilbert变换与频谱分析,通过对比处理后的正常信号与故障信号的特征频率差异,实现污泥回流泵的故障诊断。实验结果表明,本文所提出的故障诊断方法能够有效降低噪声干扰,准确提取出故障特征并实现故障诊断的目的。     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

复杂探测背景下的LFMCW雷达动目标二维检测方法

为了提高线性调频连续波雷达在复杂探测背景下的动目标检测能力,分析了线性调频连续波雷达回波信号的一维和二维频谱特点,提出了一种基于二维信号变换的动目标检测处理方法.该方法对雷达回波信号进行距离-速度二维变换,将变换结果作为二维恒虚警检测器的输入参考单元来检测淹没在一维距离谱中的运动目标,降低了复杂探测背景对动目标检测的影响,并在目标检测后利用二维变换信息提取了目标距离、速度和方位角度,测量了目标运动轨迹.     

基于投影算法的二维自适应滤波器

提出了一个可以使滤波器的系数同时在水平和垂直方向上更新的二维投影算法,推导了该算法的一些基本性质.为与其他二维自适应算法比较,将该算法应用到二维系统辨识中.仿真结果表明,提出的二维投影算法(MPA)具有好的效果.     

基于极值域均值模式分解和独立分量分析的语音增强方法

提出一种基于极值域均值模式分解与独立分量分析相结合的低信噪比语音增强算法,解决更多噪声环境下低信噪比语音信号增强问题.该算法的核心思想是:利用独立分量分析的特点,分离出选取的固有模态分量的固有特性,消除信息混淆.通过最大相似度,筛选出需要处理的固有模态分量,对其进行独立分量分析,使噪声特性能够进一步集中,提高最大相似度,这样更有利于噪声的滤除.由于独立分量分析存在幅值、位置的不确定性,所以对滤波后的独立分量要进行二度重构,即独立分量分析重构和极值域均值模式分解重构,得到增强后结果.     

独立分量分析在心房纤颤检测中的应用研究

为了从心房纤颤患者的动态心电图记录中抽取心房活动信号并对其进行特征分析，提出了一种无损型心房纤颤自动诊断方法.证明了应用独立分量分析（ICA）必须满足的3个基本条件：源间独立性、瞬时线性混合和至多一个高斯源，并建立了盲源分离的数学模型.采用快速固定点优化算法分析仿真试验和临床数据，计算各被分离分量的峰度值，有效提取了心房纤颤信号，定性和定量地表明了该方法的准确性和鲁棒性.     

多类型噪声中的独立成分分离算法

该文将一般的噪声独立成分分离算法扩展到多类型噪声混合环境。为了识别观测数据中的多类型噪声成份,利用基于S估计原理的非多项式函数,对观测数据进行投影分析,给出脉冲噪声阈值估计及噪声去除和重构信号方法。此外,结合独立噪声分析算法,提出了一种针对多类型噪声的快速独立成份分离算法。该算法解决了传统噪声ICA在多类型噪声环境,特别是脉冲噪声时的失效性问题,极大地提高了噪声ICA算法的分离性能。仿真分析验证了该方法的有效性。     

含噪独立分量分析的期望最大化算法

把期望最大化(EM)算法应用到含噪ICA模型中,即假定源信号具有统计独立性,并将其放在贝叶斯估计框架中,提出一种解决含噪独立分量分析(ICA)的期望最大化(EM)算法。在含噪ICA模型中,假设源信号的均值和方差服从更为一般的均匀分布,提出的EM算法将混合矩阵和超参数交替进行处理,可以有效地估计混合矩阵和超参数在一定模型下的模型参数,从而能够估计出源信号。仿真结果说明,该方法能够很好地解决含有噪声ICA模型下的盲源分离问题。     

New method for estimating 2-D DOA in the coherent source environment based on data matrix reconstruction

The performance of classical two dimensional (2-D) Direction-Of-Arrival (DOA) estimation algorithms degrade substantially in the presence of coherent environment. A new DOA matrix method——DOA matrix method based on data matrix reconstruction (DMR-DOAM) is proposed for 2-D DOA estimation in the coherent source environment. The proposed algorithm reconstructs two Toeplitz equivalent covariance matrices by using cross-correlation information among receiving data from arrays. Decorrelation and 2-D DOA estimation can be realized via the eigen-decomposition of the new DOA matrix. The algorithm can retain the advantages of the traditional DOA matrix method, such as automatical parameter alignment and no need of 2-D search spectrum peak. The equivalent covariance matrices only use the middle column of classical covariance matrices, so the calculation amount is reduced, and the algorithm can be realized easily. Furthermore, the paper analyzes the estimation performance and influencing factors of the proposed algorithm. Theoretical analyses and simulation results both show that the proposed algorithm is effective.     

基于独立成分分析的谱聚类方法

谱聚类是近年来一类具有较好应用前景的聚类方法。本文将独立成分分析引入到传统的谱聚类方法中,提出了一种基于独立成分分析的谱聚类算法。利用独立成分析作为预处理,消除了数据内的冗余信息,使得待聚类数据点在高阶统计量的意义下相互独立。文中对比实验证明了该方法的有效性。     

二阶广义概率的二维Otsu阈值分割

针对传统二维Otsu阈值法分割结果不够准确和普适性较差等问题,提出了一种基于二阶广义概率的二维Otsu快速图像分割方法。首先用改进的邻域模板构建二维直方图并将其对应的二元概率分布进行修改得到二阶广义概率以便提高分割性能;然后对二维直方图主对角线上的目标和背景两区域的Otsu公式中对应量准确取值,使阈值选取更准确,并通过调整广义概率的参数来提高算法的通用性;最后对二维直方图进行分析得到Otsu计算特性,利用此特性导出新型、快速的递推算法来降低计算复杂度。实验结果表明:与当前二维Otsu法相比,本文提出的方法不仅分割更准确和通用性更强,而且占用的存储空间和运行时间都更少。