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.     

基于入侵性杂草优化算法的有噪独立分量分析方法

针对传统独立分量分析(ICA)算法在含噪情况下分离效果不好,容易陷入局部收敛的问题,提出基于入侵性杂草优化(IWO)算法的有噪独立分量分析方法.以分离信号负熵和为目标函数,选用高斯密度函数估计负熵,消除目标函数中的不稳定项,提高算法的稳定性和准确性;采用入侵性杂草优化算法估计混合矩阵,提高算法的全局寻优性能.仿真结果表明:与传统Fast ICA和Fast NoisyICA算法相比,文中算法的分离信号和源信号的相似因数更大,随着信噪比增加,相似因数趋向1,可以更好地估计源信号;PI指标明显小于其他两种算法的,可以更为精确地估计混合矩阵.研究结果对有噪ICA信号处理有一定参考意义.     

CDMA盲自适应独立分量多用户检测器

为了解决码分多址（CDMA）下行链路中仅需期望用户的扩频码和定时的盲自适应多用户检测的问题,基于独立分量分析（ICA）的理论,采用探查性投影追踪法,结合负熵和修正函数构造出新的代价函数．运用非多项式函数简化了负熵运算,而采用修正函数克服了独立分量分析的不确定性．经过理论推导和仿真验证,该算法计算量小,收敛速度较快,在恶劣的信噪比和多址干扰中具有优异的信干噪比和误比特率性能,因此该检测器抗多址干扰（MAD和远近效应能力强,很有实用价值．同时该算法对用户数敏感性小,在线处理方式也适用于非平稳信道．     

基于独立分量分析的混叠跳频信号分离算法

为解决混叠跳频信号的分离问题,在深入研究独立分量分析（ICA：Independent Component Analysis）理论基础上,结合跳频通信的特点,提出了基于独立分量分析的混叠跳频信号分离算法,实现了对混叠跳频信号的盲分离。该算法将基于负熵最大化的FastlCA算法应用到混叠跳频信号分离中。通过仿真实验表明,该算法能成功地排除乘性噪声干扰,完成对混叠跳频信号的分离。虽然分离信号的幅度、相位等参数较源信号发生了变化,但并不影响后续工作。这一过程在未知任何先验参数的条件下完成,并取得了较好的分离效果,为跳频通信信号的分离工作提供了新思路。     

盲自适应独立分量多用户检测器

为了解决码分多址（CDMA）下行链路中仅需期望用户的扩频码和定时的盲自适应多用户检测的问题,基于独立分量分析（ICA）的理论,采用探查性投影追踪法,结合负熵和修正函数构造出新的代价函数.运用非多项式函数简化了负熵运算,而采用修正函数克服了独立分量分析的不确定性.经过理论推导和仿真验证,该算法计算量小,收敛速度较快,在恶劣的信噪比和多址干扰中具有优异的信干噪比和误比特率性能,因此该检测器抗多址干扰（MAI）和远近效应能力强,很有实用价值.同时该算法对用户数敏感性小,在线处理方式也适用于非平稳信道     

基于核独立分量分析的混合语音信号分离

提出利用核独立分量分析来分离混合语音信号的盲信号处理方法.介绍了基于核函数ICA的原理和基本算法,然后利用该方法分离混合语音信号.实验结果表明：利用基于核独立分量分析的方法可以得到较为理想的波形.     

基于快速独立分量分析的多维混合信号盲分离

介绍了一种用于盲信号分离的快速独立分量分析方法(FastICA).该方法以信息论中的负熵作为估计输出分量之间统计独立的目标函数,通过优化该目标函数,得到快速独立分量分析的迭代算法.由于该迭代算法不需计算输出分量的高阶统计量,收敛速度快.通过线性混合时间信号分离和图像信号分离的仿真实验表明Fas-tICA算法可以快速有效地分离这些信号.     

基于改进固定点ICA算法的图像盲分离

独立向量分析根据信源统计独立特性对观测信号进行分离运算,目前采用较多的是固定点独立分量分析（FastICA）。考虑到图像信号分离中,图像信号复杂多样,信息量大的特点,采用改进固定点ICA算法对图像进行分离,克服了采用固定点ICA算法计算量大、收敛速度慢的缺点。文章采用随机提取的独立图像做实验,取得了稳定性较强的效果。     

FastICA遗传神经网络算法

针对反向传播（BP）算法和基于负熵固定点迭代快速独立分量分析（FastICA）方法各自的优缺点,提出了FastICA遗传神经网络算法,对滚动轴承进行故障识别.首先对信号进行FastICA分离,得到振动信号故障信息的独立分量,每个独立分量对应着相应的能量,将各个独立分量的能量构成特征向量;其次利用遗传算法对BP神经网络的初始权值和阈值进行优化,得到遗传神经网络;最后将特征向量作为遗传神经网络的输入样本进行故障识别.利用该方法对滚动轴承多类故障信号进行识别,提高了故障识别能力.     

独立分量分析及其在语音处理中的应用

独立分量分析（ICA）是信号分解技术近年来的一项新发展。区别于PCA（主分量分解）和SVD（奇异值分解），它不是按能量的大小进行分解，而是要求被分解出的各分量互相独立。本文介绍了ICA的提出，含义及算法，最后仿真实验了其在语音处理中的应用，并给出了实验结果。     

一种基于负熵的快速定点盲源分离方法及其试验验证

论述了负熵最大化的基本原理和判断条件,在此基础上建立了一种基于负熵、通过数学迭代的方法得到的快速定点抽取算法。该算法具有迭代次数少的显著优点。通过仿真验证了算法的有效性,并将该算法应用到实际语音信号的盲分离实验中。实验结果表明,所建立的算法对盲源分离具有优良的性能,通过与基于峭度的算法对比,发现该算法具有很好的鲁棒性。     

基于ICA和神经网络的手写体字符识别系统

探讨独立分量分析在字符识别系统中的应用.在分析图像处理及其特征提取的基础上,提出一种可有效提高字符识别精度、降低误识率的基于独立分量分析和神经网络的手写体字符识别系统.实验表明,提出的字符识别系统与单独基于神经网络的字符识别系统相比,其识别率和适应性优越,适合应用于对字符识别精度要求高的场合.     

回波对消中盲源分离算法的研究与仿真

盲源分离因为可以仅根据接收到的观测信号来估计还原源信号,成为近年来在信号处理领域的研究热点.针对盲源分离中的基于峭度的独立分量分析算法在源信号还原的过程中计算量较大的问题,采用共轭梯度方法对独立分量分析法进行优化,优化后的算法收敛速度更快,稳态误差变小.Matlab仿真实验表明,优化后的独立分量分析算法收敛更快,实际分离效果更好.     

Wiener滤波在有噪ICA中的应用研究

由于实际所观测信号常常掺杂有噪声,直接对其进行独立分量分析(Independent Component Analysis,ICA)将会影响ICA的分离性能.本文将Wiener滤波与ICA进行结合,先对有噪信号进行Wiener滤波,再进行ICA分离.应用上述算法,对有噪图像信号进行仿真实验研究,通过比较降噪前后的峰值信噪比(Peak Signal to Noise Ratio,PSNR),说明该算法的可行性和有效性.     

一种针对复值信号的独立分量分析方法

利用独立分量分析方法对相互独立的复值信号进行盲提取,即从统计特性出发,通过变换观测信号,能够获得尽可能相互独立的信号．并在广义EHA准则基础上进行了变化,通过直接挑选非线性函数的方法,实现盲复值信号的提取．利用梯度下降法实现算法学习,仿真实验验证了算法的有效性．     

一种剪切波域的稀疏分量分析方法简

In applications of the image blind source separation, the traditional method of Independent Component Analysis(ICA) computes the mixed matrix by using source image directly, without using the prior knowledge that images can be represented sparsely in the transform domain, and it can not lead to a better effect. Based on the capacity of image sparse representation by shearlet, a method of sparse component analysis in the shearlet domain is presented. The image mixed source is first transformed to the shearlet domain and obtains a shearlet coefficient, then the sparsest coefficient is selected by computing kurtosis, and finally the sparse coefficient is used as the input of the ICA method to realize image separation. The complexity of the solving procedure represents a significant decrease since it chooses a less sparse coefficient. Experimental results show that, compared with the traditional ICA method, the method in this paper leads to a better separation effect and shortens the operation time of the algorithm.     

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.