基于独立分量分析的重盲源分离方法

基于独立分量分析(ICA)的盲源分离(BSS)是一种多源信号分离的优化方法。针对ICA通道数目必需不少于源信号数目的限制条件,提出一种基于频谱识别的重盲源分离(R e-BSS)方法,利用虚拟通道实现通道数目的增加。单通道测量信号的仿真实验和实际信号处理结果表明,该方法简单可行,为盲源分离的进一步工程应用提供了新的思路与方法。     

基于EFICA的混合语音盲分离时域算法

卷积混合语音进行盲源分离时,不能直接应用独立分量分析（ICA）算法。文中采用一种新的卷积混合语音模型,对多通道混合语音使用近来提出时域EFICA的算法进行盲分离,然后利用聚类和重构算法来恢复源信号。通过真实语音实验表明,文中提出的算法能够有效的分离混合语音信号。     

基于模型的CICA及其在滚动轴承故障诊断中的应用

由独立成分分析（ICA）的顺序不确定性带来的源数估计和对传感器个数的估计问题使得ICA在机械故障诊断中的广泛应用受到了限制,而约束独立成分分析（CICA）充分利用了设备的先验知识作为ICA的约束条件,可以使ICA算法收敛到感兴趣的故障信号。本文提出了一种基于滚动轴承模型的约束独立成分分析（CICA）方法,该方法可以从传感器信号中快速诊断出设备是否发生了滚动轴承故障,并用仿真和实验验证了该方法在滚动轴承故障诊断中的有效性。     

基于子带ICA的时频图像处理方法研究及其在故障诊断中的应用

提出了一种改进独立分量分析(ICA)应用于时频图像的盲源分离问题。由于相似时频图像之间存在潜在的相关性,传统的ICA对于具有相关成分的时频图像盲源分离中效果比较差,利用互信息和峭度研究了图像子带之间的相关性和本身的非高斯性,选定特定的子带进行ICA分析。通过仿真时频图像的分离试验,说明此方法分离效果明显优于ICA分离效果,并将该方法应用于转子试验台的基座松动,不对中故障信号复合故障的时频图像中,成功获取了各自故障的时频图像,从而可以获得各自的故障特征信息。     

基于独立分量分析的高速微铣削力混合信号噪声分离方法

为得到高速微铣削力的真实信号,并且准确识别各激励源,对微铣削力混合信号分离和识别技术进行研究。首先对铣削力混合信号矩阵进行预处理,利用对预处理结果的独立成分分析(ICA)分离得到独立源信号矩阵,再通过快速傅里叶变换(FFT)得到独立源信号的频谱,最后分析并结合实验工况识别出微铣削力信号、机械噪声信号和环境噪声信号。实验结果表明:该方法具有同时分离非高斯性的机械噪声信号和高斯性的环境噪声信号的优点,可以弥补传统方法只能抑制高斯噪声信号的不足。     

基于ICA的多人脚步声信号分离和识别

独立分量分析方法能够将线性混合信号进行分离得到统计独立的源信号,能用于提取脚步声信号的特征基函数。倒谱矢量符合ICA变换的假设条件。用ICA方法对MFCC特征进行转换得到ICA特征基继而用于脚步声先好的分离。实验结果表明在噪声环境下此系统具有一定的识别率。     

基于小波包和RobustICA的无线电混合信号分离

针对复杂电磁环境下无线电混合信号分离困难的问题,提出将小波包和鲁棒性独立分量分析(Robust ICA)算法应用于较低信噪比且频率接近的无线电混合信号的分离。首先用小波包分析方法对混合信号进行降噪预处理,然后采用盲源分离算法中的鲁棒性独立分量分析算法对降噪后的混合信号进行分离,通过观察分离后信号的波形和频率以及相似系数对分离结果进行定性和定量分析。所提算法与单独采用Robust ICA算法的结果对比表明:所提算法分离出的信号在波形和频率以及相似系数方面均比单独采用Robust ICA算法取得的效果好,从而证明所提算法可以较好地应用于无线电混合信号的分离。     

独立分量分析在说话人识别技术中的应用

独立分量分析方法能够将线性混合信号进行分离,得到统计独立的源信号,能用于提取组合语音的特征基函数。倒谱矢量符合ICA变换的假设条件,用ICA方法对MFCC特征进行转换得到ICA特征基,继而用于说话人识别,建立了一个基于独立分量分析的说话人识别系统。实验结果表明,在噪声环境下此系统具有更高的识别率。     

基于ICA和HMM的低空声目标识别方法

提出了一种基于独立分量分析（ICA）和隐马尔可夫模型（HMM）的战场声目标识别方法。针对战场环境下声信号复杂多变,提取目标信号特征难的特点,该方法先利用基于独立分量分析的盲源分离分解混叠信号,再从分离信号中得到更能反应声音特性的Mel倒谱系数作为识别战场低空目标的特征参数;利用隐马尔可夫过程具有很强的表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象,建立隐马尔可夫模型（HMM）。实际数据的识别分析结果表明了该方法的准确性与有效性。     

用慢特征分析算法实现水声信号盲分离

在常规的水声信号盲处理研究中,通常都是用独立成分分析算法分离线性混合信号,而对于较复杂的非线性混合信号,独立成分分析算法无能为力。针对这种情况,提出将慢特征分析(Slow Feature Analysis,SFA)算法应用于水声信号非线性盲源分离领域。一般而言,对源信号做非线性混合变换后输出混合信号较源信号变化较快,而采用SFA算法可以从复杂的非线性混合信号中提取出变化缓慢的信号,通过仿真实验,分别对简单信号和复杂水声信号的非线性混合信号进行分离,通过将源信号与分离信号对比,发现SFA算法输出信号与源信号高度相似,验证了SFA算法在非线性盲源分离领域应用的有效性和可行性。     

一种盲源提取方法及其在滚动轴承故障特征提取中的应用

利用滚动轴承发生故障时其故障信号往往呈现出一定周期性的特点,首先计算出故障信号的理论基本周期τ,将τ作为待提取源信号的基本周期用所述方法的相关步骤计算出大致目标源信号及权重分离矩阵^W。然后将^W作为初始权重分离矩阵,将基于高阶统计量的固定点算法用于原始观测信号提取出更为精确的目标故障信号。通过仿真信号和实验信号验证了所述方法相对于约束独立成分分析(Constrained independent component analysis,CICA)方法具有以下优点:不需要精确估计目标源信号的周期及不需要构建精确的参考信号。此外,通过仿真还验证了所述方法相对于其他较新的盲源提取方法具较高的提取精度等优点。     

基于新概率密度函数的ICA盲源分离

基于独立分量分析(Independent Component Analysis,ICA),利用极大似然估计法,研究了超高斯和亚高斯的混合信号的盲源分离(Blind Sources Separation,BSS)问题.文中构造了一种新的、不同于以往文章中用来分离混合信号的概率密度函数(Probability Density Function,PDF).新构造的PDF无需改变函数中的参数值,可用来对于超高斯和亚高斯信号的概率密度进行估计(假设未知源信号是相互独立的).数值实验验证了新构造的PDF的可行性,与原算法相比,收敛时间和分离效果都得到了较大的改善.     

改进的求解独立成分分析参数的算法及应用

提出改进的求解独立成分分析参数的算法。该算法采用平均场近似原理,通过改变模型参数的限制条件,解决传统ICA算法中不能解决的问题。在图像特征的提取中,将模型中的混合矩阵和源信号均限制为非负,使提取的特征更为独立。利用语音信号、仿真图形及剑桥大学ORL人脸数据进行实验,从实验结果可以看出,改进的算法能有效地解决源信号数大于观测信号数的问题,同时该算法能分离出更独立的人脸五官特征,对ORL人脸识别结果分析表明,识别率从原来的87%左右提高到95%左右,也说明该算法比传统的算法更有利于进行图像特征提取及识别。     

EEMD-ICA联合降噪的旋转机械故障信号检测方法

针对旋转机械前期故障信号微弱、易被噪声淹没、故障特征难以提取的问题,提出一种聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)和独立成分分析(Independent Component Analysis,ICA)相结合的故障特征提取方法.首先,运用EEMD理论将振动...     

基于独立分量分析的爆破振动信号分离仿真试验

爆破振动信号分析是研究爆破振动特性的重要手段,而实测爆破振动信号往往是多个振源信号的叠加信号,分离出每个振源或特定振源的振动信号对于其振动特性的研究具有重要意义。选取实测的爆破振动信号,进行线性混合得到混合信号,利用独立分量分析(ICA)对混合信号进行分离,获取了与源信号波形基本一致的分离信号,仿真试验表明ICA适合爆破振动信号的分离。     

独立分量分析及其在故障诊断中的应用

独立分量分析是盲源分离的一种新方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出各独立的信号分量。本简要介绍了独立分量分析的基本思想及算法，并对现场采集到的多组振动信号进行了分析，结果表明，独立分量分析在对混合信号进行盲分离方面具有很强的能力，从而为机械设备状态监测与故障诊断提供了一种行之有效的信号预处理的新方法。     

近红外光谱数据处理的独立分量分析方法研究

从数学的角度分析比较了主成分分析(PCA)与独立分量分析(ICA)的原理和特点,给出光谱矩阵在两种不同分析方法下的不同分解;同时结合线性回归和神经网络回归,提出"两步法"来确定不同成分含量测定的最优模型.进而采用PCA与ICA对实际测得的玉米近红外光谱进行了处理,比较分析了两种不同分解所得矩阵的化学含义,以及PCA与ICA两种不同分解对玉米光谱分析结果的影响.仿真结果表明,ICA从独立性角度对光谱数据矩阵进行分解,所得结果更接近实际光谱.最后,利用"两步法"对玉米三种主要成分水、淀粉、蛋白质分别建立了各自最优含量测定模型.结果表明,所建模型符合快速测定要求,具有一定的实用价值.     

任意信号源盲分离算法性能研究

1.引言 常用的盲分离算法有二阶统计量方法、高阶累积量方法、信息最大化(Infomax)以及独立成分分析(ICA)等.这些方法取得最佳性能的条件总是与源信号的概率密度函数假设有关,一旦假设的概率密度与实际信号的密度函数相差甚远,分离性能将大大降低.本文提出采用核函数密度估计的方法进行任意信号源的盲分离,并通过典型算例与几种盲分离算法进行了性能比较,验证了方法的可行性.     

基于Gabor变换和盲源分离的旋转机械故障诊断方法

传统的盲源分离方法要求源信号相互统计独立,但是实际机械设备很难满足这个条件。为此,提出了一种基于Gabor变换和盲源分离相结合的旋转机械故障诊断方法。首先通过不同混合信号的Gabor变换系数之间的相互关系,得到源信号间的公共频率成分,然后对观测信号进行滤波处理,得到新的观测信号,最后利用矩阵联合对角化方法进行分离,实现相关源信号盲分离。该方法突破了传统盲源分离方法中要求源信号相互统计独立且最多只能有一个高斯信号的限制,仿真和实验结果验证了该方法的有效性和可行性。     

支管流致噪声干扰下的复值域EFastICA管道泄漏声定位技术研究EI北大核心CSCD

供水管网存在大量分支接头,流体在分支接头的分流作用下产生支管流致噪声,并通过管道与泄漏声信号进行耦合。针对支管流致噪声存在下的供水管道泄漏定位问题。提出一种基于高效快速独立主成分分析(efficient fast independent component analysis,EFastICA)技术的复值域高效快速独立主成分分析(complex efficient fast independent component analysis,C-EFastICA)技术,该算法将时域瞬时线性EFastICA技术的代价函数、约束函数、迭代规则等有效地扩展到复数域,实现对含支管流致噪声的泄漏声信号分解处理。与其他主成分分析(independent component analysis,ICA)类算法固定选择非线性函数不同的是,C-EFastICA根据声信号的广义高斯性特征,自适应地选择非线性函数建立代价函数和迭代学习规则,使得算法对混合信号的分离程度更高。试验结果表明,泄漏信号和支管流致噪声均是超高斯信号,经C-EFastICA分解得到的源泄漏信号对漏点的定位相对误差低于12%,低于传统同类的C-FastICA技术。