基于遗传算法的超亚高斯混合信号盲分离

针对基于扩展信息最大化算法的盲源分离算法在分离超亚高斯混合信号时依赖于信号的峭度估计且对初始分离矩阵和步长较为敏感的问题,提出了一种基于遗传算法的盲源分离算法。该算法以分离信号之间的互信息作为代价函数,采用非多项式函数的逼近方法解决了互信息求解过程中涉及到的负熵的计算问题,用遗传算法代替梯度寻优算法最小化代价函数。仿真结果表明:在分离超亚高斯混合信号时,该算法计算简单,鲁棒性好,迭代100次时性能指数值达到0.025 5,分离性能优于基于扩展信息最大化算法的盲源分离算法。     

齿轮泵压力信号的负熵基ICA特征提取和故障诊断

齿轮泵动态压力信号蕴含了丰富的状态信息,是齿轮泵的关键性能参数之一;负熵是随机变量独立性的自然测度,反映了机械信号信息的动态变化特征。为了进行基于齿轮泵动态压力信号的故障诊断,在引入经验模态分解技术的基础上,提出了齿轮泵压力信号的负熵基ICA特征提取方法,并进而联合最小二乘支持向量机,探讨了基于ICA和LS-SVM的齿轮泵特征提取和故障诊断方法;理论和试验研究表明,基于负熵的ICA特征提取和故障诊断方法是有效的。     

基于QR分解的最大负熵盲分离算法

提出了一种新的实时线性混叠信号盲分离算法。该算法先采取白化混叠信号将混叠矩阵转换为正交矩阵,然后基于QR分解理论,并结合源信号相互独立时负熵最大的特点而导出。该方法避免了目前许多学习算法中矩阵逆的计算,从而大大地减少了分离的计算量。理论分析与仿真结果表明该算法不仅具有很好的分离效果,而且也减少了分离时间,其效果均优于Andrzej(1996)和Pham(1999)的相应结果。     

一种基于独立分量分析的数字字符识别方法研究

在深入分析独立分量分析这一方法的基础上，使用一种负熵最大化的FastICA方法，对传统的数字字符识别模板库进行特征的二次提取，并采用一种改进的矢量量化方法进行识别。实验证明，ICA方法比PCA的识别率要高，并且计算量小于传统的方法。     

基于独立分量分析的多分辨率遥感图像融合算法

研究了目前常用的遥感图像融合方法，提出了基于独立分量分析的多分辨率遥感图像融合方法，分析了用于独立分量分析的目标函数（如峭度、近似负熵和互信息），给出了独立分量分析的优化快速算法，并详细描述了提取源信息独立分量的具体步骤。最后，将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合，与采用主分量分析法融合的图像相比，图像质量得到很大的提高。     

基于负熵最大化盲抽取的雷达信号分选研究

研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快.     

Estimation of Shape Parameter of GGD Function by Negentropy Matching

In this paper we present a novel method for the estimation of the shape parameter of the Generalized Gaussian Distribution (GGD) function for the leptokurtic and Gaussian signals by matching negentropy of GGD function and that of data approximated by some non-polynomial functions. The negentropy of GGD function is monotonic function of its shape parameter for values corresponding to super-Gaussian and Gaussian distribution family. The simulation results have been compared with those obtained by existing methods such as Mallat’s method and Kurtosis matching method. It has been found that the proposed method is effective and useful in the cases where we have a few observation samples and distribution is highly spiky.     

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.     

数据采集片上系统动态性能测试的新方法

提出一种新的方法用于高精度数据采集片上系统的动态性能测试。该方法利用高维空间几何矢量投影的思想,将正弦响应信号向由其各次谐波组成的正交基投影来拟合测试数据,以残差的负熵作为拟合结束的判据,使残差最大限度接近白噪声,避免了传统以残差最小为判据的过拟合问题。实验证明了该方法的有效性。     

基于负熵的人员脚步震动信号检测识别算法

提出一种基于震动信号的人员脚步检测识别算法,该算法根据信息论中的负熵概念,采用高阶累积量的负熵近似计算方法.仿真与实测结果证明,与一般的模式识别算法相比,该算法具有三个重要的优点,包括环境适应性强、识别准确率高和运算量小.这些优点使得该算法更适用于能量受限、随机自组的无线传感器网络,能够在野外环境下准确、简单的检测识别人员脚步震动信号.