基于独立成分分析的自适应图像滤波算法

近年来提出的独立成分分析（ICA）算法基于非高斯分布度量,可以有效提取图像边缘等重要信息。基于FastICA算法,利用＂MIT图像数据库＂分别对不同场景图像集进行图像块采样,构建基于单一场景的训练集,训练各训练集得到ICA滤波器,得到并分析各组ICA滤波器对同类型图像集的滤波结果。实验表明ICA滤波可以实现不同场景图像的稀疏编码,且滤波结果具有对训练集自适应拟合能力。     

基于独立成分分析和小波变换处理两相流信号

为克服噪声信号给速度测量带来的影响,提供了一种基于独立成分分析(ICA)和小波变换处理两相流信号的方法。首先介绍独立成分分析(ICA)的基本原理及其实现方法,并利用此方法对两相流信号进行处理;根据傅立叶变换确定信号的频谱;然后介绍小波变换和空间滤波的基本原理,并利用小波变换确定信号的带宽;并根据带宽求出固体速度。最后给出仿真实验结果。结果表明:这种方法可以满足固体速度测量的需要。     

船舶低频电磁信号的控制

船舶螺旋桨旋转产生的低频信号对船舶的安全构成了威胁。本文阐述了这种低频电磁信号产生的原理,并研制了一套自动控制装置,经过模拟实验验证,能够有效控制这种低频电磁信号。     

基于独立成分分析的钻头振动信号识别方法研究

在海上丛式井井眼防碰监测中,风险邻井套管头检测到的钻头振动信号受到平台噪声干扰,针对钻头振动特征信号难以分离识别的问题,提出了一种基于独立成分分析（ICA）分离同频率范围信号的方法。首先对采集到的信号作限幅滤波处理以滤除部分干扰噪声,然后应用ICA方法分离获得不同源的若干路独立信号（其中包含钻头振动信号）,根据独立信号时-频特征分析,结合先验知识实现钻头振动特征信号的识别。通过丛式井防碰现场数据表明该方法可以有效地分离识别钻头振动信号,以提取出信号的能量为标准,能够准确判断钻头趋近风险井套管程度,达到在防碰预警目的。     

深部地质信息的超低频电磁探测研究

对被动式超低频电磁探测技术的场源问题、噪声的滤除,以及超低频电磁波与地下物质相互作用机理进行了探讨和实验。零磁场实验表明传感器在地面接收的超低频电磁波来 自地下地层等地质体的辐射。由于场源和探测环境的复杂性,对传感器接收的原始超低频电磁波数据进行软、硬件滤波处理,消除工频干扰和随机噪声,得到了干扰影响小的探测曲线。塔里木塔参1 井的探测试验表明,被动式超低频电磁探测技术可以快速准确的探测深部地质信息。     

一种超低频交流电源的研究

本方案提供了一种新型的超低频电源,该电源结构简单、造价低廉、工作可靠,改善连铸小方钢坯质量的效果显著。     

基于自适应独立成分分析的化工过程监测

针对独立成分分析（independent component analysis,ICA）方法应用于过程监测时如何选择独立成分（independent component,IC）的问题,提出了自适应独立成分分析（adaptation independent component analysis,AICA）方法。AICA方法首先利用分离矩阵建立关联矩阵,该关联矩阵表示IC的相似性,同时通过核密度估计选择概率密度最小的IC作为特殊独立成分（particular independent component,PIC）,再通过关联矩阵选择与PIC具有相似变异特征的几个普通独立成分（common independent components,CICs）,最后将PIC与CICs用于构造监测统计量。将AICA方法应用于田纳西-伊士曼（Tennessee Eastman,TE）仿真过程,测试结果表明所提方法对于过程监测是有效的。     

基于独立成分分析的数字水印研究

提出了一种新的利用独立成分分析提取数字水印的方法,把原始图像和数字水印图像在空间域直接混叠,得到两个嵌入水印的图像.通过对混合矩阵的控制实现水印的不可见性.把混合后的图像作为盲源进行分离,在整个提取过程中不需要原始图像和混合矩阵信息.仿真实验表明该方案很好的实现了水印的不可见性和鲁棒性的统一.     

超低频地磁信号谱分析系统研究与实现

针对超低频地磁信号谱的特点,利用MATLAB的数据显示与分析功能,完成了超低频地磁信号谱分析系统,系统共分为数据文件格式化、原始数据显示、数据谱分析三大模块,能够对采集到的数据按指定条件进行批量格式化并显示为二维分布图,同时可以对数据进行傅里叶变换或小波分析,也可以观察其维格纳分布图,实现了与国外同类软件相同的功能;采用本软件,对安阳信号采集站1980年5月12日的数据进行了处理,达到了预期效果.本系统具有自有知识产权,可有效提高地磁研究工作者的研究效率.     

测量超低频信号相位差的一种方法

考虑到测量超低频信号相位差的特殊性，介绍一种比较简单的、易于实现的测量方法。     

基于独立成分分析的运动车辆检测算法

根据独立成分分析原理,提出了一种基于固定点算法的运动车辆检测方法,并使用光谱冗余方法解决了独立成分分析检测结果通道不确定的问题。该方法将交通图像序列看作是由背景图像和运动车辆图像混合而成的观测信号,采用独立成分分析方法分离背景图像和前景运动车辆图像。独立成分分析方法能够分离出大量的背景信息如道路2边的树木和建筑物等,但分离出的前景图像仍包含有少量的路面信息,又一次结合光谱冗余方法去除了少量的路面信息,最终实现了运动车辆的检测。通过实验证明基于固定点算法的运动车辆检测方法有较强的抵抗图像背景灰度变化的能力,即使在外界天气、光照明显变化的情况下,依然可以准确、清晰地检测出运动的车辆,是一种具有较好鲁棒性的运动车辆检测方法。     

基于独立成分分析和支持向量机的入侵检测方法

提出了一种入侵检测方法,该方法采用独立成分分析方法获取入侵行为模式的高阶统计信息,并将输入模式空间映射到相应的独立成分空间,然后利用支持向量机对小样本、高维数据泛化能力强的特点,在独立成分空间中用支持向量机原理构造广义最优分类超平面.数值实验表明,所提方法可大大降低特征空间维数,具有较好的分类正确性.特别是当高斯核参数σ值在1~3之间时,利用该方法的漏检数仅为标准支持向量机算法的1/9,这说明它能有效地获取入侵行为的本质特征,对新的入侵行为有比较好的识别能力.     

基于核独立成分分析的盲多用户检测算法

针对部分多用户检测算法需要对信道参数进行估计的缺点，提出了一种基于核独立成分分析的盲多用户检测算法．该算法根据源信号的不同分布情况，在重建核希尔伯特空间内选取不同的非线性函数作为对比函数，将信号从低维空间映射到高维空间．在高维空间，接收端利用已知信息，将目标用户扩频码作为解混矩阵的初始值，利用自适应方法进行迭代，有效地解决了盲信号分离的无序性，实现了目标用户信号的提取．仿真实验表明，该算法的误码率性能在用户数量增大和远近效应严重的情况下都远优于基于匹配滤波器的单用户检测器，与传统独立成分分析方法相比更具灵活性和鲁棒性．     

基于ICA-R的目标运动变化检测

针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference, ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.     

基于独立分量分析的混合声音信号分离

论文简要介绍了有关独立分量分析（ICA）的基本理论和算法;探讨了独立分量分析在混合声音信号分离中的应用。针对ICA输出结果排序的不定性以及在长时间记录声音信号的过程,ICA混合模型系数存在时变性等问题,提出了一种结合小波变换和独立分量分析的解决方法;试验结果表明,该方法能有效地提高运算效率并获得较好的分离效果。     

Application of Kernel Independent Component Analysis for Multivariate Statistical Process Monitoring

In this research,a new fault detection method based on kernel independent component analysis (kernel ICA) is developed.Kernel ICA is an improvement of independent component analysis (ICA),and is different from kernel principal component analysis (KPCA) proposed for nonlinear process monitoring.The basic idea of our approach is to use the kernel ICA to extract independent components efficiently and to combine the selected essential independent components with process monitoring techniques.I2 (the sum of the ...     

基于核独立分量分析的盲多用户检测算法

针对DS-CDMA通信系统中的盲多用户检测问题,提出了一种改进的核独立分量分析(KICA)算法.该算法首先将五阶收敛的牛顿迭代公式引入到传统的FastICA算法中,同时还引入了一种新的核函数——混合核函数来解决非线性混合信号的分离问题,从而实现了多用户信号检测.最后将所提出的算法与传统的FastICA算法和KICA算法进行仿真比较.结果表明:所提出的算法不仅收敛速度较快,而且具有较小的误码率.     

独立分量分析的自然方法

基于半参数密度估计给出了构造独立分量分析目标函数的一种方法.其主要特点是只需要源信号密度存在以及包含了超饱和问题的解决.最后给出了一个数字模拟.     

基于核独立元分析的非线性工业过程故障诊断

复杂工业过程的数据具有非高斯、非线性特性,在进行故障检测时,利用核独立元分析(kernel independent component analysis, KICA)方法能有效解决这一问题。然而,由于在处理数据时使用了核函数,无法将线性的贡献图方法直接用于故障诊断,因此采用一种基于改进KICA结合非线性贡献图的方法,对非线性工业过程进行故障检测与诊断。该方法利用基于超松弛因子的FastKICA方法建立监控模型,得到检测故障信息。在发生故障后,通过非线性贡献图法诊断故障变量。最后,选用带钢热连轧工业过程实测数据进行仿真,通过与传统贡献图方法比较,结果表明此方法能够对非线性数据进行有效可靠的故障检测和故障诊断,验证了非线性贡献图的有效性。     

基于核状态空间ICA的非线性动态过程故障检测方法

针对工业过程的非线性和动态特性,提出一种基于核状态空间独立元分析的故障检测方法.采用核规范变量分析法将非线性动态过程数据映射到核状态空间,得到去相关的状态数据.对状态数据的各时延协方差矩阵进行加权求和得到状态数据的时序结构矩阵,进而建立ICA统计模型,从状态数据中提取独立元特征数据,并构造监控统计量检测过程故障.在Tennessee Eastman过程上的故障检测结果表明,相比于传统的基于动态核主元分析的故障检测方法,该方法更加灵敏地检测到故障的发生,提高故障检测率.