采用独立分量分析的共道干扰消除

为了消除共道干扰,在接收端利用多天线提供空间复用是一种有效手段. 传统的接收算法必须预先获得准确的信道状态信息(CSI),在很多实际情况下很难满足. 为此提出一种基于独立分量分析(ICA)的干扰消除新算法,该算法不需要估计CSI,仅利用接收信号和通信协议固有的已知信息即可提取出期望信号. 实验结果表明,所提算法的期望信号信干噪比（SINR）性能与最优线性接收算法非常接近,差距小于01dB.     

基于部分独立分量分析的盲源分离

独立分量分析是近年来发展起来的一种可有效应用于盲源分离的多通道信号处理方法，对从观测信号中分离出信源信号有较好的性能．但独立分量分析方法的主要限制之一是信源信号统计独立，而大多数实际应用问题都不能保证这一点，使运用独立分量分析进行盲源分离的效果受到极大的影响．因此．提出了利用特征选择的方法近似获得信源信号中的独立分量，对这些分量上的观测信号运用已有的独立分量分析方法进行盲源分离，获得了较好的分离结果．     

基于负熵极大的独立分量分析方法

独立分量分析（Independent Component Analysis,ICA）是近年来发展起来的一种有效的盲源分离技术（Blind Source Separation,BSS）．本文介绍了独立分量分析的基本理论,用基于最大熵原理的对负熵的估计方法得出了ICA的目标函数,并介绍了基于负熵极大的FastICA算法．MATLAB仿真试验表明：该算法可以较好地分离混合声音信号,具有良好的稳定性,收敛速度较快.     

基于独立分量分析的噪声消除技术研究

为了消除观测信号中的噪声,利用独立分量分析的冗余取消特性,提出一种新的信号消噪方法.引入虚拟噪声分量对观测信号进行扩展,将一维带噪观测信号变换为多维虚拟观测信号.利用高阶累积量,对扩展的多维加噪观测信号进行盲源分离,得到源观测信号,从而实现噪声的有效消除.进行仿真研究以及转子实验台的松动故障振动信号的实验研究,结果证明了这种消噪方法在消除各类加性噪声的有效性.该方法不需要大量的观测样本,无需观测信号为确定性信号的前提假设,实现了对单个观测样本的实时消噪处理.     

基于独立分量分析的胎儿心电信号提取

研究独立分量分析方法在胎儿心电信号(FECG)提取中的应用,视胎儿心电信号与噪声为相互独立的信号源,采用FastICA算法,对来源于同一孕妇的观测信号进行独立分量分离,得到较为理想的FECG,实践证明:采用该方法提取FECG是一种有效的方法.     

基于独立分量分析算法的DS-CDMA盲多用户检测

由非高斯性测度入手,在定义的代价函数中加入包含了期望用户扩频码这个先验信息的修正项,对代价函数进行梯度优化,导出一种基于独立分量分析的多用户检测器．仿真结果表明,该算法在高斯白噪声信道中具有良好的性能．     

基于时频独立分量分析的Wigner-Ville分布交叉项消除法

由于信号混合引起的交叉项严重降低了Wigner-Ville分布的时频分辨率，为此提出一种基于独立分量分析的Wigner-Ville分布交叉干扰项消除法.在无须了解信号混合系数的情况下，通过盲源分离法提取各独立分量信号，给出盲源分离结果不确定的解决方法.建立了包含自项与交叉项的时频分布矩阵，利用时频分布矩阵的联合对角化算法消除独立分量信号之间的交叉干扰项.通过独立分量自项求和重构Wigner-Ville分布，重构的Wigner-Ville分布具有良好的时频分辨率.数值仿真结果验证了算法的有效性.     

独立分量分析在PET图像去噪处理中的应用

独立分量分析（independent component analysis,ICA）是基于信号高阶统计量的盲源分离方法.提出将这种算法与中值滤波和小波滤波相结合应用于正电子发射计算机断层扫描（Positron Emission Tomography,PET）图像的去噪处理中,并与中值滤波和小波滤波进行对比分析.仿真实验证明了本文算法相较于中值滤波和小波滤波在PET图像处理中取得了更好的效果.     

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。     

基于独立分量分析和支持向量机的气液两相流流型识别

为了准确的识别气液两相流流型,提出了将独立分量分析与支持向量机相结合的流型识别方法。首先应用独立分量分析对流型的压差波动信号进行特征参数提取,然后将参数通过支持向量机进行分类处理,从而实现了对流型的识别。经试验证明：该方法可以准确的识别出水平管内的四种流型,整体识别率可以达到96.7%,为流型的在线识别提供了一种新的技...     

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.     

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.     

基于监督式ICA的人脸识别

特征提取技术是人脸识别的关键技术,很大程度上决定着识别结果的好坏.而传统的基于独立分量分析的特征提取方法不仅速度慢且未完全利用特征信息,故提出一种监督式特征提取方法.将类信息引入到独立分量的求取过程中,从而得到更有利于分类的独立分量.这里,主要考虑类内散布度对分类的影响,并推导出新的独立分量迭代公式,将其应用到人脸识别问题中.通过在3个标准的人脸数据库上的实验表明,监督式ICA方法在识别率和识别时间上都优于传统的ICA方法.     

非参数GKNN估计的高效独立成分分析算法

基于概率密度非参数估计的广义k-最近邻估计(GKNN)和线性独立成分分析(ICA)神经网络,提出了一种新的ICA非参数算法,实现了对源信号分布的全“盲”要求．传统的ICA算法不能分离一般的包括超高斯、亚高斯和非对称分布的杂系混合信号,因此它们需知道源信号的一些信息．基于GKNN的非参数密度估计直接由观测信号样本出发,实现了对分离信号评价函数的直接估计,从而在一定程度上解决了ICA算法中如何选取估计信号评价函数的难题．所提算法可以只用一种灵活的评价函数分离任意的杂系混合信号,该算法为ICA的更广泛应用铺平了道路．模拟实验从统计性质和计算时间说明了所提算法性能的优越性．     

Single channel blind source separation based on ICA feature extraction

A new technique is proposed to solve the blind source separation (BSS) given only a single channel observation. The basis functions and the density of the coefficients of source signals learned by ICA are used as the prior knowledge. Based on the learned prior information the learning rules of single channel BSS are presented by maximizing the joint log likelihood of the mixed sources to obtain source signals from single observation, in which the posterior density of the given measurements is maximized. The experimental results exhibit a successful separation performance for mixtures of speech and music signals.     

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．