基于多用户检测的ICA算法

讨论了通信系统中常用的ICA算法,并用性能指数对算法的性能进行了评估.独立分量信号用亚高斯信号、超高斯信号描述,将若干个独立分量信号进行线性混合以此来模拟通信系统中的信号.实验结果显示JADE-ICA的算法性能指数最低,性能最好,是通信系统较好的选择.     

基于ICA的白噪声消除方法研究

为了消除润滑油内金属磨粒检测系统(metal debris detection system,MDDS)输出信号中混合的高斯白噪声,提出了一个基于ICA的算法对两路输出信号进行消噪处理.对两路信号添加前缀信号,并按照所述步骤进行两次ICA后得到三路独立源信号,根据ICA前后前缀信号幅值和相位的变化校正ICA分离结果的幅值和相位,完全恢复源信号.对MDDS的输出信号进行仿真以验证算法的去噪效果,实验结果表明,该算法可以有效地消除输出信号中的白噪声.     

基于ICA域的噪声图像边缘检测算法

文中介绍了一种基于独立分量分析(ICA)的鲁棒性边缘检测算法.实验证明由自然图像训练得到的ICA基底函数大部分是稀疏的、局部化的,且和人类的感受域具有相似特性.该边缘检测方法中,目标图像首先通过ICA基底函数转化,然后利用一种新的滤波算法(软门限法)消除噪声分量,并且仅用相对比较稀疏分量(稀疏ICA基底函数)来检测或重建边缘.提出的算法应用于不同类型的的噪声图像,并且和传统的边缘提取算法进行了比较.实验结果表明,该算法即使在高水平噪声图像中,也能够提取出比较清晰且无任何模糊的图像边缘信息.     

消除噪声的ICA盲多用户检测

针对已有的基于独立分量分析（Independent Component Analysis,ICA）的盲多用户检测中为了便于分析经常将噪声信号忽略,从而造成系统检测性能下降的问题。提出了基于ICA的盲多用户检测的改进算法,该算法不仅能抑制远近效应和多址干扰,而且利用信号子空间和有效无偏估计原理可最大限度地消除被忽略的噪声,提高了系统的容量。通过Matlab实验仿真,验证了该算法的有效性和实用性。     

基于ICA方法和遗传算法的胎儿心电信号提取

现有独立分量分析(ICA)方法易陷入局部极优值,从而使提取出的胎儿心电信号(FECG)中常混有部分母体心电(MECG).为解决该问题,本文提出一种基于独立分量分析和遗传算法(GA)的新的胎儿心电信号提取方法.该方法首先利用遗传算法在全局空间内搜索最优值,然后又通过基于峭度的固定点算法的迭代核加强局部搜索,因而增强了算法的分离能力.该算法适用于超高斯和亚高斯信号同时存在的情况,并且具有遗传算法所有的收敛性强的优点.实验结果表明,该算法可以成功地分离混叠信号,而且与传统的独立分量分析方法相比,具有更优异的分离能力,提取出的胎儿心电信号噪声小,几乎不混有母体心电.     

带参考向量的ICA电子鼻背景干扰消除算法

针对电子鼻伤口感染检测中的背景干扰问题,提出一种带参考向量的独立分量分析(ICA)背景干扰消除算法。利用ICA分解传感器阵列信号并提取独立分量,通过计算独立分量与参考向量的相关性,区分有用信号和背景干扰,采用神经网络分类器进行模式识别。实验结果表明,该算法能消除电子鼻背景干扰,提高伤口感染检测的准确率。     

基于ICA的特征不变性目标识别

在图像目标识别中，目标图像平移、尺度和旋转不变性是一个重要前提，而高阶矩特征存在稳定性差的缺点．提出采用主分量分析(PCA)方法确定目标在最大方差意义下主轴的旋转角度，并结合稳定性好的低阶矩特征实现目标的平移、尺度和旋转不变性变换；然后利用独立分量分析(ICA)良好的目标特征抽取能力，在各目标特征空间重建目标模型，并通过对重建模型的误差分析实现目标识别；最后通过PCA确定目标旋转角度测试和ICA目标识别测试两个实验，证实了本文算法的鲁棒性和准确性．     

基于快速ICA算法的混合图像分离

简要阐述了独立分量分析的基本原理,介绍了一种基于峰度的快速ICA算法,最后给出了一个应用该算法进行混合图形分离实例.     

基于ICA新算法的图像盲分离

提出了一种基于非参数熵的图像盲分离新算法。该方法根据K—L散度作为信号之间独立性优化准则，不利用概率密度函数知识，由观测向量直接估计m—spacing熵，通过穷举搜索法寻找目标函数的最小值从而获得最佳旋转矩阵进行盲源分离，适合图像像素分布多样性特点。大量实验证实，该算法鲁棒性好、分离指标高、性能优于传统FASTICA、自然梯度等自适应算法。     

基于ICA的相位编码信号欠定盲分离算法

针对二相编码信号时域或频城上不充分稀疏的情况,提出了欠定盲源分离中估计混合矩阵和恢复源信号的新方法.首先,利用二相编码信号成型模型的特异性,将欠定盲分离问题转化成卷积盲分离问题,然后通过抽头延时将其转化为线性瞬时混叠问题,通过独立分量分析(ICA)方法对延时后的观测信号进一步处理.为了准确地分离出源信号,利用峭度准则对...     

一种基于ICA的同态盲反卷积算法

盲反卷积是图像处理、语音信号处理、通信、系统辨识和声学等许多研究和应用的基本问题,具有重要的理论与应用价值。根据无损检测中盲反卷积问题的特点,提出了一种新的基于ICA的同态盲反卷积算法。该算法首先将检测信号变换到复倒谱域,将卷积混合模型变为线性混合模型,即ICA问题;然后通过ICA将系统冲击响应和输入信号分离;最后,根据分离的复倒谱信号,重构其时域信号。论文提出的盲反卷积算法具有运算量小,计算速度快,分离精度高等特点,且不受信道是否为最小相位信道的影响。计算机模拟和实验数据都证明了算法的有效性。     

一种改进的小波域维纳滤波的图像降噪算法研究

针对小波域维纳滤波图像降噪存在计算速度慢和降噪效果较差,本文提出一种改进的小波域维纳滤波算法,将阈值化处理引入小波域维纳滤波,通过阈值化处理小波变换后的系数来提高降噪效果。依据改进算法的具体过程和算法步骤,运用MATLAB进行算法仿真,仿真结果表明,改进的小波域维纳滤波算法进行图像降噪可以有效地提高图像的信噪比,降噪效果良好,同时计算速度较快,节约时间。     

极化SAR图像相干斑抑制的ICA方法与分析

极化合成孔径雷达(synthetic aperture radar,SAR)图像为雷达图像中的信息处理和获取提供了更为便捷的途径。提出了基于独立分量分析(independent component analysis,ICA)的极化SAR图像相干斑抑制方法。该方法将极化SAR图像斑点噪声的乘积模型,变换为应用ICA的信号加噪模型。并且将HV/VV的比值图像,也作为ICA的输入数据。分别使用几种不同的ICA算法,得到了分别对应于HH、HV和VV极化的3幅降噪图像,并对结果进行了比较分析。实验结果表明,应用ICA算法可以有效地降低极化SAR图像的相干斑噪声,提高图像质量。     

基于噪声分析的椒盐噪声降噪处理方法

针对传统的中值滤波降噪方法不能有效去除图像中的椒盐噪声,提出基于噪声分析的椒盐噪声降噪处理方法。算法根据椒盐噪声仅仅改变图像部分像素值为0和255、其余像素并未改变的特点,首先判断图像的噪声点和信号点,针对噪声点,统计邻域中信号的个数,然后根据信号的个数决定采用某个邻域的中值去代替噪声点,从而达到去除椒盐噪声的目的。仿真实验表明,该算法能有效去除图像的椒盐噪声并较好地保留图像的边缘细节信息。     

基于PCA及ICA的双空间特征提取算法

任何一种单子空间特征提取算法都不能在任何情况下优于其他子空间算法,但是采用双子空间却可以克服单子空间的局限性。为了提高分类结果的正确率,提出了一种基于PCA及ICA的双空间特征提取算法,该算法采用ICA作为PCA的补空间进行特征提取,其目的是将在PCA子空间中难以识别的样本,再次投影到ICA子空间中进行识别。该算法可分为以下两个步骤:首先进行预分类,即在一个子空间内同时使用两种分类器对测试样本进行分类,若某个测试样本被两种分类器划分到不同的类,则将该测试样本加入到新测试样本集中;然后将新测试样本集中的测试样本再次投影到另一个子空间中进行分类识别;最后,将识别结果与预分类结果一起进行正确率测试。在ORL及FERET人脸库上的实验结果表明,该算法的模式识别率明显优于传统的特征提取算法。     

基于分块处理的三维非局部均值降噪算法

现有二维非局部均值降噪算法仅能抑制三维图像的层内噪声,无法利用层间信息对图像进一步降噪。针对该问题,分析印刷电路板在锥形束CT系统中所成图像的自相似性,将现有二维算法扩展到三维空间,提出基于分块处理的三维非局部均值降噪算法。实验结果表明,该算法可进一步抑制噪声,具有较高的计算效率。     

EMD-ICA联合的信号处理方法研究

经验模态分解(EMD)方法和独立分量分析(ICA)方法在信号处理中各有优势与缺陷,详细介绍了这两种方法,深入分析了EMD-ICA联合技术在信号降噪和信号提取中的实现过程,并对该方法在电力工程、机械工程及地震工程中的研究应用作了详细介绍。     

带干扰传输链路中分布式光纤信号无损降噪算法研究

为了提高接收端信号准确性,降低链路传输过程中的信号干扰,为此设计了带干扰传输链路中分布式光纤信号降噪算法设计。提取分布式光纤信号的时域与频域特征,得到信号输出功率。在确保信号输出功率最大的前提下,将信号分解、映射到相空间内,根据奇异值分解定理,获取信号奇异谱,根据信号奇异分析样本信号,结合小波包分解及软阈值算法完成分布式光纤信号无损降噪。实验结果表明,所提算法的光纤信号降噪效果优于实验对比方法,且信号无损伤,同时该算法运行效率更高,具有可靠性与实用性。     

基于数字助听器声音场景分类的噪声抑制算法

提出了一种基于声音场景分类的噪声抑制算法。算法使用调制滤波法对纯语音、纯噪音和含噪语音3种场景进行分类,并根据分类结果调整噪声抑制算法参数集,得到不同的抑制系数。本文方法在助听器测试系统中取得了良好的实验效果,场景分类正确率在95%以上。在不同噪声类型情况下,经过本文算法处理的输出语音信号取得了良好的信噪比和MOS评分的提升。本文算法可以有效地提高数字助听器输出语音质量。