利用参数表示任意维数正交矩阵的ICA新算法

在独立分量分析 (Independent component analysis, ICA) 中, 寻找去除高阶相关的正交矩阵成为问题关键, 而正交矩阵具有特殊的空间结构, 组成它的每个列向量可视作 RN 中单位超球表面上一点, 当这些点彼此垂直时, 整体就组成一个正交矩阵. 自然地, 这些点可以用其球坐标来参数化. 本文通过观察正交矩阵的几何结构, 找到了任意维数的随机正交矩阵的参数表示方法, 且论证了这种表示的完备性; 同时, 对随机正交矩阵参数表示的随机性做了定量分析; 然后, 利用遗传算法对参数化正交矩阵中的参数进行搜索, 得到了分离结果. 本文称这种算法为 OICA 算法, 并给出了该算法的仿真实验.     

基于快速独立成分分析的RoQ攻击检测方法

降质服务(Reduction of Quality, RoQ)攻击比传统的拒绝服务攻击(Denial of Service, DoS)攻击更具有隐秘性和多变性,这使得检测该攻击十分困难。为提高检测准确率并及时定位攻击源,该文将攻击流量提取建模为一个盲源分离过程,提出了基于快速ICA (Independent Component Analysis)的攻击流特征提取算法,从若干观测网络和终端设备中分离出RoQ攻击流,然后提取表征攻击流的特征参数。接着设计了一种基于支持向量机的协同检测系统和检测算法,通过用已标记的有攻击和无攻击的样本训练SVM分类器,最终实现RoQ攻击的检测。仿真结果表明该方法能够有效检测并定位伪造IP地址的RoQ攻击,检测率达到90%以上,而选取合适的ICA参数会提高检测效果。     

基于ICA与聚类分析的支持向量机分类研究

在ICA与聚类分析的基础上提出了一种改进的支持向量机分类模型——ICSVM模型。ICSVM模型中利用一种指标筛选算法与独立成分分析的方法将各数据指标转化为互相独立成分的数据指标。接着运用K-means方法对独立成分样本数据集进行聚类分析,再由获得的各子类中心数据构造初始的超平面,筛选出靠近初始超平面的支持类与亚支持类,并展开支持类与亚支持类中的样本数据点重新构造超平面,以便对数据进行分类。实验表明,对于样本比较多的数据集,与标准的SVM算法相比,ICSVM算法能够节约训练时间,同时能够提高分类的正确率。     

基于免疫克隆算法的认知无线电多信道联合感知方法

该文研究了认知无线电多信道联合感知的数学模型,并将此模型转换为以认知系统总吞吐率最大化为目标的带约束优化问题,进而提出一种基于免疫克隆的多信道联合感知算法。仿真实验表明所提算法在收敛速度以及稳定性上均明显优于已有的基于遗传算法的感知方法,并且所提算法在对主用户造成相同的干扰条件下能提供更高的系统总吞吐率。     

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。     

应用小波变换和ICA方法的肌电信号分解

基于单通道、短时真实肌电（EMG）记录和模拟EMG信号,提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声,并将独立成分分析（ICA）方法和小波滤波方法相结合去除工频干扰信号,然后再进行幅度滤波,从而提高了系统的速度和强健性。在运动单元动作电位（MUAP）聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EMG分解方法相比,本文方法更快速、稳定。     

运用独立元分析的仿射运动估计算法

目前在视频流中的运动估计都是针对平移运动的,对于旋转和扭曲运动效果很差,采用Oirrak等提出的Fourier方法可实现旋转和扭曲运动估计,但当目标轮廓简单或噪声大时效果不佳．提出用独立元分析(ICA)方法对图像目标的扭曲运动进行估计,该方法对噪声具有很好鲁棒性,克服了Fourier方法对简单物体仿射参数估计效果差的局限性;同时,采用快速ICA算法计算量小,在视频处理和通信领域中有很好的应用前景．     

基于ICA算法的一般人脸动画模式表达

该文基于三维扫描数据抽取特定人面部特征点的三维运动,转化为FAP训练数据。然后通过对获取数据应用独立元分析获得一般人脸动画模式,最终使用ICA参数空间生成任意特定人的面部表情。实验结果表明,ICA比PCA给出更加紧致准确的一般人脸动画表达模式,当两种分量的数目相同时,ICA的重建误差比PCA的重建误差小。表情参数影响动画人脸不同部分的独立性和相关性,改善了不同表情人脸动画的真实性。     

基于独立分量分析的切削声发射源信号分离

针对切削声发射(Acoustic Emission,AE)信号的多目标状态源并行分离问题和同频干扰源分离问题,引入独立分量分析(Independent Component Analysis,ICA)技术作为研究工具,用刀具破损、切屑折断和环境噪声三个AE源的线性混合模拟切削AE信号,尝试用FastICA算法分离目标状态...     

一种基于FastICA的波达方向估计新方法

独立分量分析是一种新颖的盲源分离技术，该方法作为目前信号处理领域的一项新技术，具有非常重要的理论意义和实用价值，已广泛应用于通讯、雷达信号处理、生物医学图像处理、模式识别等众多领域。简要介绍了独立分量分析的基本原理和算法，并提出将快速独立分量分析（FastICA）方法应用于波达方向估计（DOA），通过仿真实验和分析，可以得到DOA的一种简单估计，实验结果亦表明该算法在波达方向估计应用中的可行性和有效性。