基于独立分量分析的电网谐波检测研究

为了能够提高电网的安全可靠性,避免电压波形的畸变,将独立分量分析技术应用于电网的谐波检测中.首先,讨论了谐波对电网的危害;然后,研究了独立分量分析的基本理论;其次,设计了基于独立分量分析的谐波检测算法;然后,提出了基于独立分量分析的电网谐波检测步骤;最后,进行了基于独立分量分析的电网谐波检测仿真分析,仿真结果表明独立分量分析技术能够准确地获得电网中谐波的幅值和频率,能够提高电网谐波的治理水平.     

传统独立分量分析和变分贝叶斯独立分量分析的比较

通过试验比较了传统的独立分量分析(ICA)和变分贝叶斯独立分量分析(VbICA)在源信号分离中的能力,试验研究表明,无噪声环境下的盲源分离,两种方法都能得到很好的分离性能.然而,噪声环境下的源信号分离,变分贝叶斯独立分量明显优于传统独立分量分析,特别是随着噪声的增强,变分贝叶斯独立分量的优势就越明显.另外,变分贝叶斯独立分量可以估计源信号的数目,而传统独立分量分析往往事先假设源信号的个数已知,否则无法进行源信号分离.     

基于独立分量分析的机械故障信息提取

独立分量分析是盲源分离的一种新方法，其处理的对象是相互统计独立的信号源经线性组合而产生的一组混合信号，最终目的是从混合信号中分离出各独立的信号分量、为此，论证了机械振动信号盲源分离的可行性，并对盲源分离中的“源”赋予了新的含义，利用互相关函数估计不同通道之间的时延参数，适当截取后组成混合信号再进行盲源分离，可以保证振动信号分离的有效性、盲源分离技术在涡流传感器失效故障诊断和早期碰摩故障诊断的成功应用，表明该技术在机械设备状态监测和故障诊断中有着广阔的应用前景．     

应用独立分量分析提取机器的状态特征

以大型轧钢机和滚动轴承试验台为研究对象，应用独立分量分析方法分离机器的声音信号，并提取其状态特征，同时指出，对信号进行自相关预处理，可以突出信号的非高斯成分，较好地满足独立分量分析的前提条件，即源信号统计独立，因此，采用基于峭度的快速独立分量分析（ICA）算法，成功地分离出了信号的一些独立成分及对应的发声零部件，研究结果表明，根据信号结构选择预处理的方法十分重要，正确的预处理可以使独立分量分析有效地提取机械信号中的特征。     

基于独立分量分析的热波检测图像增强

热波检测中直接获取的原始热图序列存在"高噪声、低对比度"等问题。为了抑制噪声的不良影响,提高热波方法检测缺陷的能力,基于独立分量分析方法对试验获取的热波图像进行增强去噪处理,采用性能指数对图像的增强效果进行评价。图像增强结果表明该算法较好地保留了原图像的信息,获得了较好的去噪效果。     

独立分量分析法降噪技术研究

研究了在超声检测时利用独立分量分析法对检测信号进行噪声处理技术,在试验中采用Matlab软件对人工加工的焊缝缺陷检测出来的源信号数据进行独立分量分析迭代分离后,再将所得的信号数据分离出源信号与噪声信号,经处理后恢复的缺陷图像明显可以改善之后的焊缝质量评定准确度.结果表明,采用独立分量分析法对噪声分离后更能精确识别检测信号中的缺陷信息,减少由于源信号与噪声的重叠造成了对焊缝缺陷的误判.     

基于噪声独立分量分析的多用户检测

针对独立分量分析算法忽略噪声这一缺点,引入基于噪声模型的噪声独立分量分析,得到基于噪声独立分量分析的多用户检测方法.并与基于无噪模型的算法进行仿真比较,结果表明本文引入的方法性能更优,稳健性更好,对实际信道的适应性更强.     

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.     

基于快速独立分量分析的盲多用户检测算法

为了抵抗多址干扰的影响,充分利用了各个用户信号之间的独立性,使用负熵作为非高斯性测度,提出了一种基于快速独立分量分析的盲多用户检测算法.该算法在干扰用户的扩频码未知情况下能够获得优异的符号估计性能.通过与传统匹配滤波器、MMSE检测算法比较,实验结果表明在同步CDMA信道中,MAI较低的时算法检测性能与MMSE检测器的性能接近,随着MAI增加,算法的性能明显优于MMSE算法.     

基于独立分量分析的盲解码接收算法

为了解决广义频分复用(generalized frequency division multiplex,GFDM)系统接入信号中现有快速傅里叶变换(fast Fourier transform,FFT)解码算法需要先进行同步的缺点,通过独立分量方法研究了异步情况下基于独立分量分析(independent component analysis,ICA)的解码算法.该算法可以在未知传输延时和载波偏移的非同步情况下,对多用户GFDM系统信号进行盲分离和解码,降低了定时和频偏估计误差对解码性能的影响,同时不需要去除循环前缀,增加了接收信号的能量,提高了解码性能.理论分析和仿真结果表明:在平稳信道环境下,随着循环前缀的长度增加,基于ICA的解码算法相比于传统的FFT解码算法至少获得约2 dB的性能增益.     

基于独立分量分析的运动目标检测

针对阈值比较法对环境适应能力弱,基于独立分量分析(ICA)原理提出了一种新的检测方法.首先将图像作为观测矢量,根据主次分量组合关系修改观测矢量,然后利用矩阵分离运算分割出运动区域.观测矢量的修改是在相邻两帧间进行重组和拓展,以达到突显运动和抑制噪声的目的.该方法的优势在于无阈值限制,自适应地分割运动区域,能适应较为复杂的背景环境,且处理速度满足实时性要求.实验结果验证了方法的有效性与鲁棒性.     

基于独立分量分析的普适人脸识别系统

在模式识别领域,变量间的高阶统计关系开始受到更多关注.但目前许多人脸识别系统一方面依赖二阶统计关系,另一方面又需先采用主分量分析技术对样本进行降维.主分量分析技术自身却对二阶统计关系敏感,因此需要寻找一种对高阶统计关系敏感的算法作后续处理.为此作者提出了一种基于独立分量分析的普适人脸识别系统,并与传统的基于Fisher线性判别规则的人脸识别系统进行了比较分析,重点讨论在光照方向大幅度变化和人脸图像不完整情况下两种系统性能的优劣.理论分析和实验结果均证实,在这两种情况下,基于独立分量分析的普适人脸识别系统的性能优于传统的基于Fisher线性判别规则的人脸识别系统的性能.     

多用户检测与独立分量分析:进展与展望

系统地评述了多用户检测及独立分量分析(ICA)的新近进展,分析了各算法的特点,并且在此基础上提出了两类基于ICA算法和前馈神经网络结构的多用户检测方法.理论分析和仿真实验表明,在不同的通信信道中,ICA方法在性能上有所差异,但都具有稳健性好、计算量小、结构简单、易于电路实现的特点.     

基于独立分量分析的车牌字符识别

利用独立分量分析提取字符特征,以信息理论中负熵作为估计输出分量之间独立性的目标函数,并在此基础上对待识别字符进行重建,通过对重建模型的误差分析进行字符识别.对3000个车牌字符的识别实验,取得了较高的识别率,证明其算法的有效性和鲁棒性.     

基于独立分量分析的盲信号分离研究

独立分量分析是一种基于高阶统计量的信号分析方法,近年来作为信号处理的强有力的分析处理工具得到广泛的关注和研究。本文首先介绍了独立分量分析的基本概念和数据模型,然后对比较流行的各种独立分量分析算法进行了剖析和总结,最后对独立分量分析的应用和发展趋势作了展望。     

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。     

基于遗传算法优化独立分量分析

本文主要结合遗传算法全局收敛的特点优化独立分量分析,通过实验表明该算法有良好的算法性能和分离效果．     

基于独立分量分析的字符识别方法

该文介绍了独立分量分析(ICA)的基本原理，给出了应用于字符识别的ICA算法，得到一组独立基的投影系数．在此基础上，组合欧氏距离和马氏距离实现字符分类．该方法已在汽车牌照字符识别中得到应用．     

涡流检测信号的独立分量分析预处理

提出将一种求解盲源分离问题的独立分量分析(Independent Component Analysis,ICA)算法应用于自然裂纹涡流检测(Eddy Current Testing,ECT)信号的预处理中。利用一种基于负熵极大的FastICA算法,分别对实验产生的疲劳裂纹和应力腐蚀裂纹ECT信号进行了处理,实现了ECT信号中缺陷分量与探头提离信号、部分噪声信号的有效分离。为了验证算法的有效性,同时采用小波分析算法对相同ECT信号进行了去噪处理。结果表明ICA算法在ECT信号处理中具有独特优势。     

独立分量分析和流形学习在VSC-HVDC系统故障诊断中的应用

提出一种基于独立分量分析(ICA)和局部线性嵌入流形学习算法(LLE)的新型高压直流输电(VSC-HVDC)系统故障诊断方法.由于随机噪声的干扰,单个传感器测得的系统故障信号无法直接用于故障检测,故使用快速ICA对多通道传感器测得的直流电压和电流信号进行盲源分离处理以恢复去噪的系统故障源信号;然后利用LLE挖掘潜藏于恢复信号中的子流形,提取故障敏感特征;最后将LLE提取的故障特征量作为支持向量机(SVM)的输入,建立系统故障诊断模型.通过对系统交流相对相故障、交流相对地故障以及复合故障等仿真信号进行分析,表明所提出的ICA-LLE方法能够有效地提取故障关键特征,并在3维空间将故障特征隔离,从而得到满意的SVM故障识别效果,且SVM分类精度比只使用LLE提高了近20%.