独立成分分析方法在盲源信号分离中的应用

独立成分分析（ICA）在国内尚属一门新型的方法,介绍了ICA的原理及其算法,然后介绍了该算法在盲源信号分离中的具体应用,并将此方法与主成分方法（PCA）进行了比较。结果表明,ICA在盲源信号分离中将是一种很有潜力的方法。     

参考独立分量分析固定点算法

参考独立分量分析将源信号的先验信息以参考信号的形式引入到算法中,仅实现期望源信号的抽取,消除了传统独立分量分析中抽取信号的不确定性;以期望信号和参考信号的接近性度量作为目标函数提出了一个固定点算法,避免了人为选取步长,同时通过优选初值进一步提高算法的收敛速率。针对合成数据和实际的心电图数据仿真实验,证明了算法的有效性和更好的收敛性。     

独立成分分析方法在指纹提取中的应用

为了提高指纹图像识别的准确性和可靠性,先对指纹图像采用主成分分析(PCA)算法进行预处理,去除指纹图像的二阶统计特征相关.用ICA算法对加噪的指纹图像进行提取识别,并利用统计方法确定混合矩阵,实验表明:在一定的条件下,ICA能够很好地分离混合图像,提高准确性和可靠性.     

基于独立分量分析的胃动力信号检测

为消除多通道体表胃动力阻抗信号采集时形成的混叠现象,研究基于独立分量提取胃运动信息的新方法.开发四通道的胃动力检测系统,并进行健康人体胃动力阻抗信号采集实验.将获得的原始胃阻抗信号采用FastICA算法实施盲分离,分析分离的独立源成分,并对分离的胃运动独立源成分进行频谱特征分析.应用独立成分分析可以有效消除叠加到阻抗信号中的背景噪声干扰,提取到胃运动源信号.研究表明:独立分量分析用于多通道胃动力信号的盲分离是有效的.FastICA算法原理简单、收敛速度快、去噪效果明显,能有效地应用于胃动力阻抗信号的检测.     

过完备ICA 算法在语音信号提取中的应用

在语音信号处理中常用麦克风采集语音,然后用算法进行提取和分离,目前常用的有独立分量分析（Independent component Analysis,ICA）算法。但是当麦克风个数少于说话人的个数时,即欠定情形,此时语音信号的提取需采用过完备ICA算法。提出了一种基于过完备ICA算法的两步算法：估计混合矩阵的几何算法和估计源矩阵的最短路径法。该算法能在欠定情形下对语音信号的提取有很好的作用,仿真实验验证了这一结果。     

独立成分分析算法及其在脑电图中的应用

研究脑电图成像的数据处理问题时,独立成分分析(ICA)是一种新的信号处理统计方法,被广泛用于各个领域.脑电图就是,利用独立成分分析从混合信号中还原出源信号,通过目标函数,如极大似然估计,信息最大化和互信息最小化等,对源信号的概率密度函数(PDF)进行估计.在基于互信息最小化算法的基础上,提出一种新的独立成分分析算法,算法中的核心参数是由信号本身来确定的,能使所估计的PDF更加准确,从而提高分离的性能.最后,用新的ICA算法来实现脑电图(EEG)信号的盲源分离,结果表明,算法可以快速有效的分离其源信号,且准确性优于Boscolo提出的非参量ICA模型.     

基于独立成分分析的跳频信号盲分离

近年来,ICA（Independent Component Analysis,独立成分分析）已成为处理BSS（Blind Source Separation,盲源分离）问题的主要手段,同时也受到人们越来越多的关注。该文首先介绍ICA,然后引入FastICA算法的推导过程,最后通过MATLAB仿真将跳频信号进行盲分离,并与梯度算法所得的仿真结果进行对比分析。通过算法验证,经FastICA处理得到的分离信号与源信号相关系数的绝对值不小于0.99,与梯度算法比较可以明显地得到FastICA是一种更为有效的跳频信号盲分离方法。     

核独立成分分析在fMRI数据中的应用

介绍了一种全新的功能核磁共振数据（fMRI）分析方法即核独立成分分析方法,它是核方法与典型相关分析方法的综合运用。将Bach和Jordan提出的核独立成分分析方法应用于功能核磁共振成像数据分析,并基于实验所得的时间序列与参考函数的相关系数的大小,比较了该方法与经典的成分分析方法-主成分分析（PCA）方法与快速不动点算法（FastICA）的实验结果。结果表明,对fMRI数据而言,核独立成分分析方法和FastICA算法要优于PCA算法。     

一种结合信噪比的独立成分分析算法

针对传统独立成分分析算法存在的不足,在简要介绍独立成分分析的基本原理和相关算法的基础上,提出一种结合负熵与信噪比的独立成分分析法.推导了算法的关键公式,给出了实现算法,并进行了计算机仿真实验,分别使用传统算法和改进算法对模拟产生的合成数据进行分离.通过对实验结果进行的计算分析表明了所提出的改进算法比基于负熵的传统算法具有更佳的信号分离能力,能更好地从混合信号中估计出源信号.     

基于鱼群算法的独立成分分析算法研究

独立成分分析（ICA）只需要知道源信号较少的先验知识（如统计独立性等）,仅由观测信号便能恢复出源信号的特性,因而得到了广泛应用。ICA的目的是寻找变换矩阵,使输出信号经变换后各成分之间尽可能的统计独立,其关键是建立一个目标函数,使得最大化（或最小化）目标函数的解便是所要找的变换矩阵。首次将人工鱼群算法（AFSA）与ICA相结合,提出了基于AFSA的独立成分分析算法。以负熵极大化作为目标函数,通过人工鱼的觅食,聚群和追尾行为,更新人工鱼的位置,得到全局最优解,从而得到分离矩阵。与自然梯度法相比,鱼群算法精度更高,收敛速度更快,仿真实验表明了将鱼群算法应用于独立成分分析的可行性和有效性。     

混沌背景中微弱网络传输信号有效检测仿真

针对传统微弱信号检测方法存在检测准确性较低、检测时间较长等缺点,提出混沌背景中微弱网络传输信号有效检测方法。根据Wiener-Khinchine定理对信号函数计算,并经过傅里叶变换获得信号的自相关函数与其相对应的功率谱,利用周期图法分析获得微弱信号的检测原理,运用Briot-Bouquet引理进行计算,根据计算结果证明瞬态信号以及周期信号的存在,并以此为基础构建混沌背景下噪声的检测模型,从预测误差中检测出在噪声层下的微弱网络传输信号。仿真结果表明,所提方法能够快速检测出在混沌背景下的微弱信号,且检测时间较短、检测误差较低,可广泛引用在现实生活中。     

Cyclic maximization of non-Gaussianity for blind signal extraction of complex-valued sources

This article presents a new algorithm for the blind extraction of communications sources (complex-valued sources) through the maximization of negentropy approximations based on nonlinearities. A criterion based on the square modulus of a nonlinearity of the output is used. We decouple the arguments of the criterion so that the algorithm maximizes it cyclically with respect to each argument by means of the Cauchy-Schwarz inequality. A proof of the ascent of the objective function after each iteration is also provided. Numerical simulations corroborate the good performance of the proposed algorithm in comparison with the existing methods.     

人脸检测中基于自适应ICA的特征提取算法

如何从图片中提取出有效特征来区分人脸与非人脸一直是一个难题.文中提出了利用自适应独立成分分析(Self-Adaptive ICA)算法对图像结构信息非常敏感的特点,有效地从大量正面人脸图片中分离出人脸的局部特征,从而利用这些局部特征基底有效地表示人脸图片.自适应ICA算法的优点是能自适应的拟合图像数据的统计性质,而不用预先设定.通过比较待检测的人脸图片与非人脸图片在这组特征基底上的投影系数,可以较好的区分二者.实验结果也表明这种特征提取方法可以找到一组很好的人脸特征基底.使用这种方法构造的弱分类器的分类准确率在相同的误检率下比Boosted Cascaded方法中的弱分类器高1% ～ 1.5%.     

盲信号分离技术研究与算法综述

盲信号分离技术是从接收信号中恢复未知源信号的有效方法,已经成为神经网络和信号处理等领域新的研究热点。首先介绍盲信号分离的发展状况,然后在介绍了盲信号分离的线性瞬时模型、线性卷积模型和非线性模型的基础上,对相应模型求解算法的基本原理、特点进行了阐述,接着还对与盲信号分离紧密相关的盲信号抽取技术进行了综述,最后指出盲信号分离技术的研究方向和广阔的应用前景。     

高分辨雷达信号的平移不变KPCA特征提取算法

研究高分辨雷达信号特征提取,针对传统提取平移不变特征存在信息损失量大、识别的准确率低的问题,提出了一种平移不变KPCA特征提取算法。首先计算高分辨雷达信号的原点矩,并在低信息损失的前提下利用高分辨雷达信号相对原点矩的位置来描述原信号,从而消除高分辨雷达信号的平移敏感性。然后结合KPCA特征提取算法得到平移不变的特征信号。最后应用SVM分类器对特征信号进行分类识别。实验证明,改进算法识别率高于雷达目标识别系统中的传统特征提取算法,略低于KPCA特征提取算法,且在常用雷达探测距离内都能够保持较高的识别率。     

独立分量分析技术在语音信号处理中的应用

独立分量分析是近年来发展起来的一门新的信号分离和数字分析技术,因为不需要知道信号的先验信息而得到广泛应用。混迭语音信号盲分离由于实际应用成为信号处理领域研究的热点。介绍了ICA的原理、含义及EASI算法,并仿真了该算法在语音信号盲分离中的应用。试验证明,用EASI分离语音信号可以取得较好的性能。     

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。     

混沌同步在弱信号检测中的应用研究

分析了Duffing方程的基本形式;阐述了基于混沌信号相平面变化进行弱信号检测的工作原理,针对目前利用混沌检测弱信号中存在的两个关键问题;提出了一种利用混沌同步特性检测弱信号的系统模型,利用此系统解决了混沌检测弱信号中存在的两个问题,实验证明了此方案的可行性,为混沌同步在弱信号检测的实际应用奠定了基础.     

天然气压气机械设备故障信号时频分析特征提纯

天然气压气站压气机械设备工作环境恶劣,故障多发,而机械设备的故障状态下的振动噪声信号是研究机械设备故障诊断的有效载体。为有效进行故障诊断,需要对机械设备的故障信号进行提纯分析和特征提取等研究。提出基于时频分析技术的WVD和Hough变换结合的方法对低信噪比的故障信号进行提纯算法。首先分析了非平稳信号处理技术的基本原理,对原始信号的滤波和检测、频谱分析等处理,分析了时频分析特性和对应的条件,提出采用时间均值、频率均值、时间散布和频率散布四个特征值作为时频分析的特征提取量。仿真实验以某天然气压气站某型压缩机故障振动下采集信号样本为研究对象,进行提纯滤波和特征提取仿真,仿真实验得到降噪滤波和WVD及Hough变换算法下的检测结果,表明在强干扰背景SNR为-8dB下,有卓越的滤波降噪和检测性能,特征提纯检测性能相比传统算法提高18％以上。为天然气压缩机故障诊断奠定了可靠的理论基础。     

基于Chua电路混沌同步在弱信号检测中的应用研究

文章分析了基于混沌检测弱信号的原理,针对目前利用混沌检测弱信号中存在的两个关键问题,构造出一种利用基于Chua电路混沌同步检测弱信号的系统,利用此系统解决了混沌检测弱信号中存在的问题,实验证明了此方案的可行性,为混沌同步在弱信号检测的实际应用奠定了基础。