改进的FastICA在盲图像分离中的应用

盲源分离（BSS）是信号处理领域的一个热点问题。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。为了有效地对混合图像进行盲源分离,介绍了一种基于改进的快速固定点算法（FastlCA）,对经过随机线性混合后的模糊图像进行盲源分离。仿真结果显示,该算法可以很有效地对线性混合图像进行盲源分离。     

基于小波变换与ICA结合的EP信号提取研究

针对脑电信号非侵入采集造成被采集信号中含有较多高频噪声信号并且信号难以被干净分离的特点,设计一种将独立分量分析法（ICA）与小波变换法相结合的一种改进型算法,实现对已分离的脑电信号降噪提取作用。通过小波变换,滤除目标信号中的高频信号,将该信号重构为ICA算法的输入信号,克服独立分量分析法不能区分噪声的缺点。将两种方法结合提取脑电信号中诱发电位的提取,将小波包滤波后的信号重构为ICA的输入信号,有效的降低了噪声信号对EP信号的影响,在信源分离中取得了良好的效果。     

基于双树复小波和ICA的电网谐波检测方法

针对电网当中谐波严重的污染问题,提出一种基于双树复小波变换和ICA的电网谐波检测方法。该方法在不需要任何先验知识的情况下,先将混合的电网信号经过两个并行的实小波变换实现信号的分解和重构,得到各分量的最佳分解信号;结合ICA算法对分量信号继续进行盲源分离,解决了分解后频率混叠的问题,可以有效提取和分离电网谐波信息。相较于传统离散小波变换,双树复小波变换处理混合的电网信号时具有更低的频带能量泄露特性。通过仿真模拟电网谐波信号进行实验分析,表明了将双树复小波变换和ICA应用于电网谐波信息提取和分离的有效性。     

非线性信息融合技术在火力发电机组故障诊断中的应用

火力发电机组的振动信号往往是多种振源信号的非线性混叠,由此给火力发电机组故障诊断中特征信号的提取与分析带来了强烈的干扰。针对此问题,提出了基于小波-非线性独立分量分析(independent componentanalysis,ICA)的火力发电机振动信号非线性盲分离与特征提取新方法。首先,利用小波去噪技术消除加性噪声的影响;然后,通过径向基函数(radial basis function,RBF)神经网络,并结合线性ICA算法估计去噪信号的非线性混合解混函数,实现信号的非线性盲分离,得到火力发电机振动故障的关键信号源;最后,利用小波包分解提取分离信号的统计特征并作为识别损伤状态的有效参数,应用RBF神经网络分类器对火力发电机故障类型进行智能识别。对某发电站的火力发电机实际故障振动信号进行实验分析,结果表明,所提出的非线性盲分离模型能够从含有加性噪声的非线性振动源混合观测信号中提取故障振动源,得到故障信号的可靠特征,取得较好的故障诊断效果,且故障检测精度比线性盲分离技术提高了4.4%以上。     

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。     

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.     

独立分量分析在介质损耗角测量中的应用

基于Rogowski线圈的电气设备电流信号测量中可能会受到现场的噪声干扰,容易给介质损耗(介损)角测量带来较大误差。针对这个问题,本文提出了一种使用独立分量分析(ICA)处理电流信号,然后使用数字化算法计算介损角的算法。文中首先介绍了盲信号处理的原理,给出了ICA的FastICA算法的原理和计算步骤,然后对实际测量所得电气设备的电流信号叠加高斯白噪声(脉冲噪声),使用FastICA算法处理获得了信噪比较高的电流信号。对含噪声信号使用中值滤波、3δ滤波和53H滤波和ICA,滤波所得信号使用了介损角数字化算法计算,结果表明盲信号处理方法有效地抑制了噪声,很大程度上提高了介损角测量的准确性,为实现不改变电力系统一次接线的信号取样方式做了一些有益的尝试。     

基于EMD的单通道变压器振动信号盲分离

针对工程应用中测量通道数小于源信号数的问题,提出欠定盲源分离方法分离单通道混合信号。首先,利用经验模式分解(EMD)将单通道变压器振动信号分解成一系列本征模态函数(IMF),并采用邻近奇异值差值法估计源信号个数。然后,根据估计出的源信号数进行虚拟信号重组,将欠定盲源分离问题转化为适定盲源分离问题。最后,经独立分量分析(ICA)得到分离后的变压器振动信号,并分别进行频谱分析。通过与快速ICA算法的分离结果进行对比,验证了该方法的有效性。     

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。     

独立分量分析在谐波源辨识中的应用

为了确定电力系统谐波污染责任和治理责任,提出一种基于独立分量分析ICA(independent componentanalysis)的谐波源辨识方法。利用独立分量分析可以将相互独立的源信号从其线性混合的信号中分离出来的特点,将谐波源看作相互独立的源信号,对其混合后的电压信号进行计算可分离出相应的谐波源信号,完成谐波源的辨识。在Matlab软件中对电弧炉、饱和变压器这类典型的谐波源进行仿真并验证。结果表明该方法有很好的检测和判别效果。     

多变量数据分析及应用研究

在统计信号处理及其相关领域,多变量数据的描述和分析一直是人们广泛关注的研究课题.在现有的多变量数据分析方法中,基于二阶统计特性的主分量分析(PCA)和基于高阶统计特性的独立分量分析(ICA)是两种非常有代表性的方法.本文在简要介绍PCA和ICA基本原理的基础上,结合脑电消噪问题,对两种方法的性能和特点进行了较深入地比较.实验结果表明,在非高斯信号处理上,独立分量分析方法具有明显的优势.     

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。     

基于独立分量分析的电压闪变检测方法

独立分量分析利用信号的高阶统计量快速准确地实现信号的分离和恢复。提出利用独立分量分析和同步滤波相结合的电压闪变检测方法。首先,采用同步解调的方法将包络信号和工频电压相乘的形式转变为包络信号和中心频率为100 Hz的双边带调幅信号的线性组合;然后依据负熵最大化的独立性准则和基于固定点的Fast-ICA算法进行盲信号分离;对分离得到的包络信号进行幅值修正,实现真实信号的估计。仿真结果表明该算法能准确分离平稳和非平稳的电压闪变信号的包络信号,且对幅值和频率的检测精度高。     

基于FastICA和Prony算法的低频振荡参数辨识

传统Prony算法进行参数辨识存在对信号噪声非常敏感的缺点,同时对输入信号有较高的要求。因此,本文首先介绍独立分量分析(Independent Component Analysis,即ICA)和FsatICA基本原理,然后提出将FastICA算法和Prony算法相结合的低频振荡参数辨识方法。该方法首先以广域测量信号作为输入信号,然后利用FastICA方法对输入信号进行预处理而达到降噪,最后利用Prony算法对滤波后的信号进行分析得到电力系统低频振荡参数。通过对理想信号和四机两区算例分析,验证了此方法在FastICA去噪之后,能够提高Prony提取低频振荡参数辨识的准确性、快速性和抗噪能力。     

基于FastICA-MP算法的次同步振荡模态参数辨识

WAMS在电力系统中的应用越来越广,使得电力系统次同步振荡模态参数在线辨识成为可能。但系统中存在大量电力电子设备,造成了WAMS采样信号中存在较强的噪声干扰,影响了振荡模态参数辨识的准确性。鉴于快速独立分量分析可以实现噪声信号与原始信号的有效分离,提出首先通过快速独立分量分析对采样信号进行预处理,然后将滤噪后的信号通过矩阵束算法进行辨识得到振荡模态参数。通过此方法可以进一步提高矩阵束的辨识准确度。通过理想仿真算例和国内某特高压直流输电系统作为实际仿真算例进行分析。仿真结果表明,快速独立分量分析可有效分离噪声信号,提高了矩阵束辨识准确性,为后续阻尼控制器的设计奠定了基础。     

基于独立分量分析的工频通信中的谐波干扰消除

双向工频通信系统是一种基于配电网络的通信系统。通信信号在配电网中传输时,其背景信号中必然含有大量的谐波成分,这会给通信信号的检测带来极大的困难。该文根据双向工频通信的信号特征,提出了基于独立分量分析的谐波消除方法。该方法在消除谐波干扰的同时,有用信号成分几乎不被破坏。通过Matlab对此方法进行了验证,取得了良好的效果。     

基于PPCA-1.5维能量谱的滚动轴承故障诊断

针对强背景噪声下滚动轴承的非线性、非平稳故障特征提取不足的问题,提出了融合概率主成分分析(PPCA)及1.5维Teager能量谱的故障特征分析方法。首先对信号进行概率主成分分析,通过对信号降维重构信号,提取信号故障特征主成分,去除强背景噪声干扰;然后对重构信号进行1.5维能量谱分析,从而获得轴承故障特征谱信息。利用所提方法对滚动轴承模拟数据及实验数据进行分析,结果表明与集合经验模态分解(EEMD)包络谱相比,采用PPCA与1.5维能量谱的分析方法在进行滚动轴承故障高阶倍频提取时具有一定的优势。     

基于局部放电主成分因子向量的油纸绝缘老化状态统计分析

提出一种新的局部放电模式——脉冲相位分布(17RPD)模式特征参数提取方法,用于油纸绝缘老化阶段的判定。通过对油纸绝缘内部气隙模型的加速老化试验,以及老化过程中局部放电信号的定期采集,采用主成分因子分析方法,从传统的PRPD图谱统计特征参量中提取出一组新的局部放电主成分因子向量。新的主成分因子不仅彼此之间完全独立,而且各自具备清晰的物理意义,并最大程度地概括了PRPD图谱所包含的信息。基于不同老化阶段的主成分因子向量聚类分析表明,它对油纸绝缘的老化状态判别结果可以为绝缘状态诊断提供具有重要参考价值的信息。     

电厂开关柜局部放电振动信号降噪方法研究

针对电厂开关柜运行环境复杂,振动干扰较强,又需要保留振动干扰、分析振动干扰特征的问题,将基于相空间重构的ICA降噪方法应用到电厂开关柜局放振动信号中,进行信噪分离。首先依据相空间重构,在不破坏信号本身动力学特征的情况下构造高维相空间矩阵。然后利用独立分量分析方法进行信噪分离,提取有用振动信号。仿真信号和实际检测数据的应用表明,所提方法与小波法降噪能力相当,甚至更优;且不需要考虑最优小波基和最佳分解层数,自适应强,易于实现;且适用于电厂开关柜局放振动信号降噪。     

A detection method of differences of polarization angles between three‐component signals

I describe a new method of detecting differences of polarization angles, azimuth and elevation angle, between two three‐component signals. The differences of polarization angles are calculated directly from nine cross‐correlations between two three‐component signals. I compare the performance of this method to a conventional method based on a polarization filter, which uses Principal Component Analysis, in a computer simulation. When data length is shorter than a period of a sinusoidal signal, which is used as a signal in the simulation, the new method shows both less dispersion and less bias of errors than the polarization filter does. © 2002 Wiley Periodicals, Inc. Electr Eng Jpn, 141(1): 45–53, 2002; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.10044