维规约技术综述

从属性选择和维变换两个方面对维规约技术进行了概括。首先对属性选择的基本思想和常用算法进行简要介绍;然后对维变换技术中的几种应用最广泛的方法进行了详细研究,主要包括主成分分析及其相关算法、独立成分分析、因子分析、投影寻踪等方法,简要给出了这些方法间的联系和区别,最后指出了维规约技术的现状和发展方向。     

独立分量分析在机械振动信号分离中的应用

针对机械运转时工作环境复杂,监控采集的信号多为混合信号的情况,研究了如何从混合信号中分离出相对应的各振动源信号.采用独立分量分析的分离方法,通过对极大似然估计的目标函数进行简化,基于无需选择学习率的快速不动点迭代的优化方法,选用可同时估计亚高斯和超高斯独立成分的非线性函数估计概率密度,推导出了该算法.最后,对工程中几种特殊情况下的混合信号进行仿真和实验室实测的分离试验.结果表明,算法简单易行,具有快速稳定收敛的性质.     

复合ICA-SVM机械状态模式分类

提出了一种新颖的、基于独立分量分析(ICA)的复合神经网络，用于不同机械状态模式的特征提取。利用支持向量机(SVM)进行最终分类。与通常的基于经验风险最小化(ERM)原理的神经网络方法相比，基于结构风险最小化(SRM)原理的支持向量机分类方法具有更好的推广能力。而借助多个独立分量分析网络，隐藏于多通道振动观测信号中的不变特征得到有效提取，从而实现了支持向量机分类器在分类能力和推广性两者间的合理平衡。     

基于改进Fast ICA BP算法在直肠生理信号处理中的研究

大便失禁是指肛门括约肌失去对粪便及气体排出的控制能力。随着医工学科的交叉发展,提出了使用人工肛门括约肌系统(AAS)来帮助患者治疗大便失禁,重建直肠感知功能,监测直肠压力和诊断直肠病变。本文改进了原括约肌执行机构,分析了直肠受力情况,进行了AAS系统的离体信号采集实验。针对AAS系统在直肠生理信号处理方面的缺失,提出了使用相空间重构(PSR)对一维直肠压力信号进行多维重建,并利用改进的快速独立分量分析(Fast ICA)算法对重构信号进行分离,提取分离后直肠信号的特征分量,采用BP神经网络进行模式识别。实验对比表明,改进的执行机构对直肠平均最大应力基本保持在12 kPa左右,保证了直肠受压区域的正常供血,实现直肠内容物的夹持。该算法迭代次数少,分离效率高,直肠功能平均诊断率达89.5%,可以实现直肠生理信号的初步处理。     

应用独立分量分析的激光测风雷达湍流频谱分解

针对大型风力发电机机组中常见的脉动湍流、风机尾流与涡流等湍流信号,研究了利用自然梯度下降的独立分量分析方法的湍流频谱分离效果,以区分中心风速与湍流信号,提高风机机组的综合工作效率。首先分析了风机组中常见湍流信号的后向散射与频谱分布特点,然后依据这些特点设计了对应的独立分量分析模型。在仿真结果符合要求的基础上,进行了双目激光雷达天线的风速采集与实际分离效果检测。实验结果表明,在大气折射率结构常数C2n≤10-14同时广义大气常数α≥4的通常情况下,利用双目信号能够分离出一个湍流中心和一个中心风速。对1 s内两个谱峰的波动范围进行统计,获得(2.59±0.05)MHz的中心风速以及(1.22±0.19)MHz的湍流中心估计,且二者的平均信噪比分别为25.93 dB和31.01 dB,能够在获得稳定的中心风速估计的同时得到一个较为稳定的湍流中心估计。     

基于互信息量的神经网络语音盲分离算法

盲分离技术由于不需要知道信号的先验信息而得到广泛应用。利用神经网络信息后向传播的特点,在Infomax算法的基础上,提出一种改进的基于互信息的语音盲分离算法,以神经网络为优化结构,并以输出熵为目标函数,实验证明,算法能很好提取信号的独立分量,完成混合信号的分离。     

一种基于语音场景分析的听觉模型

从语音场景分析的角度提出了一种听觉模型。文中采用独立分量分析中的FastICA算法对场景中的混叠语音进行分离,完成了听觉分辨功能。对于听觉功能中的说话人验证问题,结合优化时频分布和距离测度方法完成了验证过程。通过对实验结果的详细评估说明提出的模型具有较好的处理效果,很好地模拟了人类听觉功能,误判率仅为2.4%。     

小波域基于MFA_ICA检测的数字图像水印算法

基于MFA_ICA（Independent Component Analysis based on Mean Field Approximation）理论提出了一种数字图像水印算法。该算法利用MFA_ICA进行水印和原始图像的估计,并用估计出的独立分量检测水印是否存在。与传统线性相关检测器相比,该算法消除了原始载体的干扰,检测性能明显提高。重要的是,不仅通过仿真实验证明了该算法较强抵抗JPEG压缩、剪切和白噪声等攻击的能力,而且从理论上也给出了严格的证明。     

极值斜率经验模式分解结合独立分量分析的单通道盲分离

针对单通道盲分离领域先验信息不足的问题,提出了一种基于极值斜率经验模式分解和独立分量分析的单通道盲分离算法。首先通过极值斜率经验模式分解算法以不同尺度逐次分解混合信号的波动和趋势,得到一组固有模态函数。然后将其作为独立分量分析算法的输入信号,从得到的独立分量中萃取出与源信号相似的独立分量,通过重构算法恢复源信号,达到分离目的。实验信号采取仿真信号和实际信号,实验结果表明,该算法不需任何先验信息,鲁棒性强,能较快地得到良好的分离效果。     

基于盲源分离的航空发动机故障诊断

提出了一种改进的基于ICA法的航空发动机故障信号分析方法,通过将观察信号分块并利用各块来修正分解矩阵,使其能更准确、完整地利用信号所含信息.最后,将该方法应用于发动机振动信号的分离,仿真结果与理论基本相符.该方法对于航空发动机转子振动故障诊断具有一定的参考价值和理论指导意义.