ICA和线性神经网络在带噪语音分离中的研究

用基于独立分量分析（ICA）的盲源分离方法对强噪声背景下的混合语音信号进行分离时,如果忽略噪声的影响则会产生很差的分离效果。为克服此不足,结合噪声对消和盲源分离,提出了一种在强噪声背景环境下的混合语音分离方法,即先将带噪观测信号通过线性神经网络构成自适应噪声对消器,然后采用ICA进行分离,与增加一路噪声作为源信号的分离方法相比,该方法具有更好的分离效果。     

基于快速ICA的混合语音信号分离

介绍了独立分量分析的原理、算法及其特点。考虑到在语音分离中,声音信号复杂多样,但是不同语音源信号保持相对独立的特点,利用盲信号分离的思想,使用改进的FastICA方法用于语音信号分离,以获得独立的声音文件。文中使用两个声音文件做实验,取得了比较满意的效果。     

小波消噪在微弱信号检测中的应用

从信号去噪的角度对小波变换作了分析,并且对用非线性小波从噪声中提取有用信号的算法作了对比研究,给出了几种方法的综合方法——变阈值消噪方法,以得到更好的消噪效果。应用对微弱检测信号的仿真试验验证了变阈值消噪算法的优越性。     

Fast ICA算法在语音信号盲分离中的应用

盲信号处理算法主要有批处理算法和自适应算法两类,导出了一种批处理和自适应相结合的快速独立分量分析(fast independent component analysis,Fast ICA)算法.将该算法应用于语音信号盲分离处理,通过综合实验,从分离前后的波形、频谱图和主要评价参数说明该算法具有良好的信号分离效果.与扩展联合对角化(joint approximative diagonalization of eigenmatrix,JADE)算法和自然梯度(natural gradient,NG)算法比较,Fast ICA算法具有更好的分离效果.     

小波变换在脉象信号消噪处理中的应用

首先简单介绍了小波变换消噪的原理,然后分别利用小波变换和傅里叶变换,对临床采集的脉象信号进行了消噪处理.结果表明,利用小波消噪能够有效地保留脉象信号中的尖峰和突变部分,最大限度地反映了原信号本身的特性,消噪效果较好.     

基于小波变换多分辨率特性的语音消噪方法的研究

小波分析是一种信号的时间——尺度分析方法,特别适合于非平稳信号的分析,具有多分辨率分析的特性,而且在时频两域都具有表征信号局部特征的能力。通过分析语音信号的特性,利用小波变换的多分辨率分析特性,提出了首先对信号进行清浊音判断,其次运用多尺度多闽值方法来抑制包含有噪声的语音信号在不同尺度上的噪声小波系数,从而实现在重构语音信号中消噪的目的,并通过计算机仿真结果验证了该方法的有效性。     

基于小波消噪和盲源分离的信号奇异点检测方法

研究工业过程故障诊断中的信号奇异点检测问题．采用结合小波消噪的盲源分离算法提取有用的源信号,在分析李氏指数和小波变换的极大值与信号奇异点的关系基础上,分析了信号奇异点检测所用的小波尺度及闯值选择方法．实例分析和比较表明,该方法的主要优势在于它对随机噪声的降噪效果明显,而且能有效地检测出信号的奇异点．     

火炮反后坐装置振动信号小波消噪处理

阐述了反后坐装置在整个火炮系统中的重要性,重点比较了针对振动信号的三种小波消噪方法的优劣,并结合反后坐装置振动信号的特点选择多小波去噪方法进行去噪处理,得到了较理想的处理结果,为反后坐装置进一步故障诊断奠定基础.     

基于小波和EMD的语音信号去噪

为了解决语音信号问题,本文在传统小波阈值去噪方法的基础上提出了提出了一种基于经验模态分解的小波阚值去噪算法,并与小波阂值去噪法和EMD去噪效果相比较,试验结果证明,基于经验模态分解的小波去噪效果是相当有效和稳定的．为研究语音信号去噪处理提供了新的手段。     

PCA与ICA相结合的语音信号盲分离

针对ICA用于语音信号盲分离时,由于数据量过大、迭代次数过多引起的收敛速度慢的问题,采用一种PCA和ICA相结合的盲分离算法PCA-ICA。通过PCA对混合语音信号进行白化处理,消除了原始各道数据间的二阶相关性。在仿真实验中,采用相似系数矩阵作为评价混合语音信号分离效果的标准,结果表明PCA-ICA算法与ICA算法相比,在达到几乎相同的相似系数矩阵的情况下,迭代次数减少了90%,从而分离速度提高了3倍,有效地解决了ICA分离算法收敛速度慢的问题。     

基于ICA和EMD的生理信号提取

提出一种新的获取人体生理参数的方法,用摄像头采集人脸的彩色视频,对人脸区域进行颜色通道分离和独立成分分析（ICA）,获取有用信号。使用经验模态分解（EMD）的方法,把信号分解成可以反映出生命信息的固有模态函数（IMF）,再根据所设计的提取准则,分别提取出较为准确的心跳和呼吸信号。用Bland-Altman法进行对比实验分析,结果表明,此方法具有一定的准确性和实用性。     

基于独立分量分析的脑电信号的眼电伪迹消除

介绍了独立分量分析技术的基本概念和原理,及其具有代表性的基于负熵最大的快算独立分量分析算法和基于核空间的独立分量分析算法,并分别对脑电中的眼电伪迹进行去除。通过仿真实验表明了独立分量分析算法较快速独立分量分析算法能更好去除眼电伪迹,具有较好准确性和鲁棒性。     

独立成分分析应用于人脸识别中的几个问题

独立成分分析近年来广泛应用于人脸识别等模式领域。首先对人脸图像进行预处理降维,然后利用ICA算法获得人脸影像独立基成分,利用人脸影像独立基来构造一个子空间,最后利用待识别图像在这个空间上的投影进行人脸识别。针对训练样本个数,训练人数以及独立基数目影响识别率等三个问题进行实验,得出结果并进行分析。     

一种新型ICA算法在RFID系统中的应用

针对无线射频识别系统在通信过程中的防碰撞问题,从信号处理的角度,提出一种基于盲源信号并行分离技术的防碰撞处理算法,其中包括信号白化技术,以及一种改进的独立元分析(ICA)信号并行分离方法.功能仿真结果证明,该算法的吞吐率最高达到69％,与吞吐率只有18％的传统Aloha算法相比,该算法能提高防碰撞能力.     

比差ICA去噪方法在光学功能成像中的应用

在光学功能成像中,极低信噪比会使得样本协方差矩阵具有奇异性,因此导致Emir等人提出的ICA去噪方法在白化预处理过程会出现降维现象,最终使得该方法无法检测出信号。为解决一问题,利用原ICA去噪方法得到的噪声信号与观测信号之间的差异特性,提出了一种比差ICA去噪方法,该方法在信噪比-40 dB情况下能成功检测出信号。利用仿真得到的光学功能成像数据,对比分析了比差ICA去噪方法与传统滤波去噪方法在极低信噪比下的检测性能,结果表明比差ICA去噪方法不仅检测性能明显优于滤波去噪方法,且输出信噪比基本不随输入信噪比的下降而下降。     

参考独立分量的正则化方法

参考独立分量分析（ICA with Reference,ICA-R）充分利用先验知识或参考信号,取得了很好的分离效果,但其中的阈值参数很难选取,且计算量很大。理论分析和实验表明,若阈值选取不当,算法甚至不收敛。通过在FastICA算法的负熵对比度函数中引入ICA-R算法中的接近性度量函数作为正则化项,得到一个简单的改进算法。针对合成数据和实际的ECG数据的仿真实验表明,算法收敛快、提取效果好,同时正则化参数取值非常灵活。     

ICA自适应核估计在多用户检测中的应用

将自适应核估计的ICA算法应用于DS-CDMA系统的多用户检测中,在没有关于混叠信号的分布假设时,根据信号的统计特性自动估计评价函数,采用自适应核密度估计ICA算法检测器的输出初始化独立分量分析的迭代,对任意混叠信号进行盲分离。通过与传统匹配滤波检测和ICA后处理匹配滤波检测进行仿真比对,证明了该算法在DS-CDMA多用户检测中的可行性和优越性。     

独立元分析方法及其在视频分割中的应用

该文详细的介绍了独立元分析方法(Independent Component Analysis,ICA)的基本背景、原理,以及各种独立元分析算法及其特点。同时考虑到在视频分割中,视频图像的内容丰富,物体复杂多样,但是前景物体和背景图像基本上保持相对独立的特点,利用盲信号分离的思想,尝试着把独立元分析方法用于视频分割,以获得相对独立的背景和前景图像。文中用摄像头采集的连续几帧图像做实验,取得了比较满意的效果。     

基于ICA特征的运动阴影检测算法

为防止运动阴影在视频图像序列中被错误地检测为目标,必须提高阴影检测算法的准确性和普适性。为此,从独立分量分析(ICA)的原理及其特性出发,提出一种基于空间变换技术的运动阴影检测算法。该算法通过对视频序列建立高斯混合背景模型产生自适应背景,利用ICA技术对其进行空间变换提取特征,再通过背景与当前帧图像对应像素点在特征空间的位置特征来分类运动阴影与前景目标。实验结果表明该方法能够较好地抑制噪声,减少光照变化的影响,准确地检测出阴影。