ICA算法在工频失真度谐波分析应用中的研究

电量波形失真度是影响电能计量准确性的一个重要因素。目前测量失真度的方法分为两类：基波剔除法和频谱分析法。根据失真度的测试原理、通用测试方法及特点,将ICA算法应用于工频失真度的谐波分析中。经数据分析和处理表明,该算法有效地还原了各次谐波的幅度,提高了失真度的测试精度,为数据采集设备提供了合理的测试方案。     

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。     

局部放电脉冲信号ICA提取技术的初步研究

为了提高局部放电在线监测的灵敏度,根据独立成分分析(ICA)基本模型的定义,提出将背景噪声信号与局放脉冲信号看成两个相互独立的信号源,不同观测点获取的观测信号为两者的线性混合,从而可以实现两者的分离的方法。利用ActiveX自动化技术实现了可用于局放脉冲信号提取的ICA软件模块;基于双通道超宽带检测技术,对加噪后的直流下油纸绝缘针板缺陷模型的局放脉冲序列提取进行了试验研究并且利用峭度准则与试验电压极性相结合的方法消除了局放脉冲提取的ICA含混性问题。实验结果表明:该方法能够提取被背景噪声完全淹没的脉冲信号,可以恢复出单个局放脉冲波形、脉冲波形之间的相对幅值关系以及脉冲极值所对应的时间点等重要局部放电信号信息。     

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。     

桌面虚拟化技术研究与应用

主要介绍桌面虚拟化技术的现状,虚拟化关键技术和系统解决方案。详细比较了桌面虚拟化的2个主要技术：系统虚拟化技术和远程登录协议,比较了主流产品的特征与特点,最后,讨论了系统部署和实施过程中需要注意的问题和发展趋势。     

基于独立成份分析的证券市场分析

为研究独立成分分析用于证券市场分析,首先介绍了独立成分分析的理论基础,然后介绍了一种独立成分分析的具体算法Fastica算法。为分析出对股票成交量影响的因素,进行了几只重点股票交易额的ICA分离实验,并对实验结果进行了分析研究,从而找到了影响股票交易量的几个重要因素,揭示出了股票交易额变化的几个重要原因。结果说明ICA是揭示隐藏在想象背后的原因的有效手段,非常适合于对证券市场的分析。     

基于改进独立分量分析的高光谱数据分类研究

高光谱数据波段数目多,光谱信息量大,采用传统的分类方法无法取得较好的精确分类效果.针对上述问题,结合独立分量分析(ICA)和概率神经网络(PNN)在高光谱数据特征提取及分类中的优势,提出了一种改进的独立分量分析与概率神经网络相结合的高光谱数据分类方法,首先采用改进的独立分昔分析对高光谱数据进行降维,然后采用概率神经网络对提取的独立分量进行分类.通过仿真实验结果表明,方法可以在获得较高分类精度的同时大大节省分类的时间.     

基于独立分量分析的图书馆个性化及时服务

针对读者个性化服务质量的问题,提出了基于独立分量分析的图书馆个性化及时服务系统;简要给出了系统总体和个性化服务关键子系统的体系结构;重点讨论了利用独立分量分析方法改善系统个性化服务质量的问题.实验结果显示,利用此方法进行图书分类和读者群体聚类的效果较理想;读者群体和图书类别之间可产生随读者个性或图书主题变化而变化的动态映射关系,这种映射关系可以改善个性化服务质量.     

基于ICA与Bayes的判别分析模型

简要介绍了Bayes判别分析模型的特点及存在的问题,概括了独立成分分析(ICA)的特点及发展现状,提出了基于ICA与Bayes的判别分析模型--IBD模型.该模型首先利用ICA的方法将相关性数据指标转换为互相独立的数据指标,并通过卡尔曼滤波方式滤去高频数据,有效地去除了噪声,最后利用Bayes方法对转换的数据进行判别分析.实验结果表明,当数据之间存在相关关系时,IBD模型的判别分析效果要优于Bayes与Fisher判别分析模型.     

基于峭度的一种RobustICA算法

介绍了由V.Zarzoso and P.Comon提出的一种新的基于峭度的独立成分分析算法RobustICA (Robust Independent Component Analysis),并比较了和FastICA在收敛性和信号质量方面的不同.该算法的主要优点在于可以选取最佳步长,可以选取任何不为零的独立成分,并且解决盲分离信号排序问题,同时提升当信号存在坏点和伪局部极值点时的鲁棒性.仿真实验结果表明了该算法相对于FastICA算法减少了迭代次数和加快了收敛速度,同时在小样本空间下均方误差SMSE也明显优于FastICA算法.