一种采用小波滤波的独立分量分析算法

在盲信号处理中,作为一种非高斯性度量之一的峭度,对野值可能非常敏感。提出了一种使用小波滤波的独立分量分析(ICA)算法。首先,采用小波对混合信号进行去噪处理。然后,利用主成分分析PCA对混合信号进行白化。最后采用负熵的独立分量分析算法提取混合信号中的独立分量。实验表明,基于小波滤波的ICA算法能有效地提取源混合信号的独立分量,在噪声环境中具有比快速独立分量分析算法更好的盲源分离效果。     

改进的独立分量分析算法的图像分离技术研究

独立分量分析（ICA）是在盲源分离（BSS）的研究过程中出现的一种全新信号处理和数据分析方法,该方法基于信号的高阶统计量,在图像的处理中起着越来越重要的作用.文章主要将改进的ICA优秀算法优化,并运用于多通道混合图像分离与处理中,通过与基于特征分析的线性变换技术的对比,以及探讨噪声对混合图像的ICA分离的影响,取得了一些有价值的仿真实验结果.从实验结论可以看出,不同ICA算法在混合图像分离应用中的优势得以充分体现,分离有噪图像方面存在的缺陷以及改进方法同样值得关注.     

一种基于ICA和DWT的数字图像水印算法

数字水印是图像处理领域研究的一个热点。独立分量分析（ICA）是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。提出了一种结合独立分量分析（ICA）和离散小波变换（DWT）的数字图像水印方法。该算法将原始图像进行小波分解,然后在小波逼近子图嵌入置乱后的水印图像。数字水印的检测使用了快速独立分量分析（FastICA）的方法,最后对分离出的水印进行增强处理。仿真结果表明该算法有效可行,具有较强的鲁棒性和隐蔽性。     

基于独立分量分析的近红外图像去噪方法的研究与应用

独立分量分析（Independent Component Analysis,ICA）是一种新的盲源信号分离方法,近年来已吸引了信号处理学界和神经网络学界众多学者的研究兴趣.该文提出了基于独立分量分析的近红外图像去噪方法,该方法能有效地处理用黑白CCD传感器监测电力设备所产生的图像,使这种监测方案具有实用价值.文中简单描述了以黑白CCD传感器为核心器件的电力设备在线监测系统,阐述了ICA的基本原理,介绍了基于负熵判据的FastICA算法,给出了所提方法的具体实现步骤及相应的实验处理结果.结果表明利用该方法可以有效的去除监测图像中的噪声,使温度场的显示更清晰,满足了实际的需求.     

一种基于ICA的图像信息隐藏算法

独立分量分析（ICA）是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。信息隐藏是一种新兴的技术,其目的在于将秘密信息隐藏于另一非机密信息中。本文提出一种新的信息隐藏技术,即将Arnold置乱后的秘密图像嵌入到载体图像中,再利用ICA算法从中提取出秘密图像。仿真结果表明该算法有效可行。     

盲源分离技术在振动法检测变压器故障中的应用

变压器油箱表面的振动信号可以反映其内部绕组与铁心的健康状况,具有良好的应用前景。但在油箱表面测得的信号都是绕组和铁心振动信号的混合,且两者相关程度很高,难以用普通分离算法进行分离,不利于分别对绕组及铁心的故障进行诊断。鉴于此,本文提出一种基于子空间独立分量分离法(SDICA)的变压器绕组和铁心振动信号盲源分离方法。首先,对基于SDICA算法的盲源分离方法进行了说明,利用所构建的仿真信号对该算法进行了验证,并与普通盲源分离算法—快速独立分量分离(fastICA)算法的分离结果进行了对比,证实了SDICA算法适用于变压器振动信号的分离;然后,运用SDICA算法对测得的一台试验变压器的振动信号进行了分离,并探讨了测量位置、电压等级以及负载大小对分离结果的影响;最后,将SDICA盲源分离算法在一台现场实际运行的、有一定故障隐患的变压器中进行应用,成功分离出了绕组和铁心振动信号,且绕组信号中包含有丰富的振动故障特征,与该变压器实际的运行情况相符合。本文提出的盲源分离算法可根据在油箱表面测得的多路振动信号直接分离出绕组和铁心振动信号,这对于振动法在变压器绕组及铁心故障诊断中的推广应用具有重要意义。     

基于小波包混合优化的欠定盲源分离方法

为解决欠定盲源分离问题,提出一种基于小波包混合优化的欠定盲源分离方法。 该方法采用小波包变换将观测信号分 解,将观测信号的维数进行扩展,利用互相关系数值剔除冗余的信号分量,欠定盲源分离问题得到转化。 接着使用贝叶斯信息 准则下的奇异值分解方法估计源信号数目,通过白化过程对信号降维。 最后,引入鲸鱼优化算法中的螺旋泡网狩猎行为与莱维 飞行策略,对灰狼优化算法进行改进,将改进后的混合灰狼优化算法与独立成分分析算法相结合,实现重构正定白化信号的分 离,从而得到源信号的近似估计。 通过仿真实验对算法性能进行测试,结果验证所提方法的可行性和有效性。     

基于盲源分离的弱信号检测方法研究

本文对基于盲源分离技术的弱信号检测方法进行了研究,构造了弱信号检测模型.采用基于高阶累积量的独立分量分析算法来对弱信号进行检测.为了证明模型和算法的有效性,对弱语音信号进行实验仿真检测.实验表明,盲源分离技术应用在弱信号检测中是可行的,算法能够有效地提高输出信噪比.随着输入信噪比的降低,输出信噪比的改善效果越明显.当输入信噪比不低于-82dB时,该算法能有效地检测到弱信号源.     

基于ICA盲源分离的声表面波无线传感器信号抗干扰方法

针对声表面波传感器无线信号易受环境中同频信号干扰的问题,设计了基于独立分量分析(ICA)盲源分离的抗干扰算法。该算法对传感器和同频干扰的混合信号进行分离,然后基于分离信号波形的衰减和等幅特征对信号进行判别。MATLAB仿真结果表明,算法能够有效分离混合信号并且保留了源信号的时域波形特征和频域信息。将抗干扰算法在基于数字信号处理器的信号采集和处理平台上实现并进行分离实验,设置不同的传感器信号和干扰信号强度并记录分离和判别结果,实验结果表明,在源信号的信号强度较为接近(信扰比在0.8~1.4范围内)且噪声影响可忽略的情况下,可达到95%以上的传感器信号准确判别率,有效地抑制了同频干扰。     

断路器操动状态声音辨识的优化算法的研究

为解决基于声信号分析的高压断路器在线诊断故障中外界环境干扰问题,提出了一种声音扰动信号辨识的盲源分离方法。首先利用改进的势函数法进行源数估计,然后通过集合经验模态分解(EEMD)算法得到多个IMF分量,重构形成符合聚类源数的多维信号,并利用拟牛顿法优化快速独立分量分析算法,实现声音信号的盲源分离;最后根据包络特征比对获取断路器状态辨识的合闸声音信号分量。实验结果证明,文章提出的方法能够在信源信息未知情况下,从混叠声音信号有效地提取断路器操动产生的有用声信号。     

瞬时频率估计方法对比研究

在信号处理中,线性调频信号（linear frequency modulation,LFM）的参数估计是一类非常重要的问题。本文基于短时傅里叶变换（short-time fourier transform,STFT）、连续小波变换（continuous wavelet transform,CWT）和维格纳（wigner-ville distribution,WVD）分布等三种方法,对两种常用信号（单频信号和线性调频信号）的瞬时频率进行估计,并对其做出比较分析,CWT法适用于单频信号的瞬时频率估计,WVD法适用于调频信号的瞬时频率估计。针对这三种方法出现的边缘问题,用最小二乘法进行拟合,有效的得到解决。     

Noise rejection method for magnetic noise from wire using ICA for magnetocardiogram

In magnetocardiogram (MCG) measurements, magnetic noise from the wire used to suture the sternum after heart surgery becomes a problem. Independent component analysis is an effective method of noise rejection. In this study, MCG measurements were made on a normal subject with the wire attached and without the wire. We performed signal processing by independent component analysis in order to reduce the effect of magnetic noise from the wire. Comparison of the waveforms after this signal processing with waveforms without the wire clearly showed that magnetic noise caused by the wire was reduced. This result clearly shows that independent component analysis is effective for the removal of magnetic noise from the wire. ©2007 Wiley Periodicals, Inc. Electr Eng Jpn, 162(1): 7–14, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20589     

基于DCT和EMD的滚动轴承故障诊断

根据轴承故障振动信号特点,提出了一种离散余弦变换和经验模态分解相结合的轴承振动信号故障诊断新方法。将离散时间序列经过离散余弦变换处理成对应的系数向量,在阈值处理的基础上,重构信号提高故障信号的信噪比;对重构信号进行经验模态分解,通过相关系数计算去除伪分量,并进行频谱分析。仿真信号和轴承故障信号的分析表明,该方法提高了信噪比,降低了EMD运算成本,减少了IMF的数量,保证了IMF的物理意义,成功完成微弱故障诊断。     

复合调制探测系统中频信号的时频重排分析

为了得到伪码调相和锯齿调频复合调制探测系统中频信号的能量时频分布,根据理论推导得到复合调制中频信号是伪随机码与锯齿调频波的差频信号相乘的结果,使用相位分析法和傅里叶变换对复合调制中频信号的锯齿调频波差频信号项进行了详细分析,得到其精确时频域表达式,结合时频重排方法并借助Matlab得到了中频信号的时频分布,继而得到伪码...     

基于FPGA的飞行校验多模信号采集与处理设计

针对仪表着陆系统(ILS)、甚高频全向信标(VOR)等的飞行校验需求,设计了一种基于FPGA的多模信号采集与处理系统。选用普通导航接收机接收信号,以FPGA作为逻辑和时序控制核心。系统包含了模拟信号调理和A/D转换、无线电系统总线(RSB)接口、ARINC 429总线接口、USB总线接口等的相应软硬件设计,首次在国内提出RSB软硬件实现方案。根据ILS与VOR的信号特点,并且分析了FPGA有限字长的影响,设计了数字滤波器,实现了在FPGA上的校验信号处理。经过验证,设计能够为飞行校验平台提供有效的数据,并且具备较强的可移植性,符合要求。     

基于希尔伯特和傅立叶变换的笼型感应电动机转子断条故障检测

针对笼型感应电动机转子断条故障时,频率为（1±2s）f1的故障特征分量容易被基频f1分量所淹没的特点,提出了一种基于希尔伯特变换和连续傅立叶变换的转子断条故障检测新方法。通过定子电流信号作希尔伯特变换取得反映转子断条故障特征的调制信号,然后再滤掉直流分量,最后进行连续细化傅立叶变换,以调制信号的频谱中是否存在2sf1频率分量来判断转子是否发生断条故障。仿真结果表明该方法具有可行性。     

一种心音信号盲源分离方法

为了有效实现单路心音混合信号的盲分离,本文提出了一种基于EMD分解和独立成分函数的单路含噪心音信号盲源分离的方法。首先讨论了单路混合信号的分离模型,含噪信号预处理的方法,以及如何利用EMD变换进行窄带分层和获取独立成分函数的技术;然后通过独立成分函数作为基函数对单路含噪心音信号进行分解,使单路心音信号由一维向量转变为多维向量,从而实现心音信号的盲源分离;最后通过实际的心音分离实验,验证了本方法的实用性,其分离结果的相似度达到0.9792。     

基于GPS同步技术的电力动态监测系统的设计

设计了一种基于全球定位系统(GPS)的同步相量测量装置,用于广域测量系统(WAMS),实现对电力系统关键相量的实时监控。采用基于GPS同步时钟和数字信号处理器(DSP)实现的PMU利用DSP的输入捕获功能,在进行捕获GPS的PPS信号的方法的同时,也对捕获采样信号的频率进行跟踪。采用过零点采样与傅里叶算法相结合,进行信号采样和数据的处理,避免了因频率变化而引起数据误差,提高了PMU的采集精度及抗干扰性。