圆形传感器阵列多运动声源二维波达方向估计

针对超定条件下多运动声源目标二维波达方向角估计中,传统的波束形成法、MUSIC法等不能分辨临近目标、需要设置立体传感器阵列等问题,提出了基于圆形传感器阵列的独立分量分析算法。算法结合完全正交分解和GIVENS旋转实现数据的在线预白化并更新,采用向量来表示传感器和运动目标的方位角,通过结合独立分量分析算法和波束形成法,间接估计出了运动源的二维方向角,最后进行了数值模拟实验并与传统MUSIC方法进行比较。结果表明,该方法能够准确地探测和识别多运动声源目标的数目并估计其二维波达方向,为智能地雷目标探测提供了新方法。     

独立分量分析研究

概述独立分量分析的基本理论,总结三个等价目标函数:非高斯最大化、互信息最小、极大似然估计,总结三类常用优化方法:自适应法、固定点迭代法、Jacobi法。介绍含噪独立分量分析、欠定独立分量分析、核独立分量分析等新近的方法,简述独立分量分析的一些应用。     

不完全信息条件下的电力负荷曲线估计

为了保证电力系统更经济、可靠的运行,对电力系统状态的估计要求越来越严格,对算法的要求也越来越高。本文将核主分量分析算法和独立分量分析算法结合应用到不完全信息条件下的电力系统用户曲线估计中,基于实测数据的实验结果表明了该算法的有效性。与传统ICA相比,这种结合算法具有更好的学习能力,稳定性,准确性和推广性。     

基于独立因子分析法的信号盲分离的应用

现有的盲分离算法绝大部分是独立分量分析法,然而在实际应用中,独立分量分析法有诸多的限制条件.针对该问题,本文提出一种基于独立因子分析法(Independent Factor Analysis,IFA)的信号盲分离算法.独立因子分析法结合了一般的因子分析法、主元分析法以及独立分量分析法的优点,用于解决混合语音信号的盲分离问题.实验结果证明:独立因子分析法可以处理信源数目不同且数据包含强噪声的情况.数据信噪比越低,独立因子分析法的优势更为显著.     

基于等效平差因子的方差-协方差分量估计

充分挖掘观测量的信息,利用矩阵变换将随机模型的方差-协方差分量估计转化为函数模型的均值参数的估计,借助最小二乘理论得到方差-协方差的最小二乘估计.进一步通过矩阵的正交变换引入等效平差因子,然后通过二次型定理提出了基于等效平差因子的方差-协方差分量估计的新方法.算例表明,基于等效平差因子的方差分量估计的效果要优于最小二乘方差分量估计.     

基于广义伽玛分布的灵活独立分量分析算法

针对基于拉普拉斯分布灵活独立分量分析算法收敛速度较慢的问题,提出了一种基于广义伽玛分布的灵活独立分量分析算法,该算法把广义伽玛分布概率密度函数作为语音信号概率密度函数的估计,得到一个更加适合语音信号分离的激活函数。将推导出的激活函数应用于独立分量分析(ICA)的自然梯度算法中进行了计算机仿真实验,验证了算法的收敛性能和分离性能。     

部分线性变系数模型的Liu估计

研究了部分线性变系数模型中参数分量的有偏估计问题.基于Profile最小二乘方法和Liu估计法构造了参数分量的Profile-Liu估计和剖面最小二乘广义Liu估计,并在一定的条件下,证明了Profile-Liu估计优于Profile最小二乘估计,剖面最小二乘广义Liu估计优于Profile-Liu估计.     

核独立分量分析在盲源信号分离中的应用研究

提出利用核独立分量分析来分离混合语音信号的盲信号处理方法.介绍了基于核空间ICA的原理和基本算法,然后利用核独立分量分析算法和固定点快速分离算法分离了混合语音信号.试验结果表明:利用基于核独立分量分析的方法可以得到较为理想的分离效果.     

OGWE算法及其在表面肌电信号中的应用

为消除多通道表面肌电信号采集时相互间的耦合串扰,提出一种新的处理方法.在权重估计的基础上,以待分离信号采样点数及维数总的最小计算复杂度作为优化因子.将小波变换和优化后的广义权重估计(OGWE)算法结合,利用小波分析降低观测信号中噪声的影响后作为独立分量分析(ICA)输入信号.从量能值、相关系数等多方面对优化算法与Fas...     

盲源识别中偏态分量的分析方法

针对实际混合信号中许多分量具有偏态分布的特点，提出了一种用于该类混合信号的新的独立分量分析算法，该方法基于旋转原理，通过优化算法搜索最佳旋转角度，具有不需要循环迭代，计算量小的特点，通过盲源分离，由正弦与冲击信号混合的振动信号，证明该方法完全实用。同时，进行了实际混合声音信号的分离，并取得了好的效果。     

基于独立分量分析的缺陷信号除噪

独立分量分析ICA是一项新兴的阵列信号处理方法,在简要介绍ICA概念和定点算法的基础上,将ICA的定点算法应用到缺陷信号除噪中。仿真试验结果表明,ICA的定点算法除噪效果优于传统的数字滤波器,它在缺陷信号除噪中具有较大的应用潜能。     

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。     

基于多维统计分析方法的脑电消噪

基于二阶统计特性的主分量分析(PCA)和基于高阶统计特性的独立分量分析(ICA)是两种非常典型的多维统计分析方法.本文对PCA和ICA基本原理进行了简单介绍,并结合脑电消噪问题,对两种方法的性能和特点进行了比较.实验结果表明,在脑电消噪和特征增强等方面,独立分量分析方法具有明显的优势.     

独立成份分析在径向基函数网中的应用研究

提出应用独立成份分析(Independent omponent nalysis,ICA)降低径向基函数网(RBFN)输入维数的方法,并讨论ICA降维方法对RBFN行为的影响．实验表明基于ICA的降维方法大大提高了RBFN的收敛速度,改善RBFN的行为．     

基于独立分量分析的声发射信号去噪方法

针对声发射信号比较微弱,实际检测信号中常含有强背景噪声的问题,提出了基于独立分量分析(ICA)的信号去噪方法.该方法首先对观测信号进行FastICA分解,得出多导独立分量;再根据一定的时域及频域先验知识,将独立分量中的噪声信号通道置零,利用解混矩阵反演出去噪后的信号.文中通过断铅声模拟发射信号去噪仿真和埋地水管泄漏声发射信号去噪实验,对该方法进行定性和定量分析.结果表明,与常规的去噪方法比较,ICA去噪方法受噪声强度影响较小,能够得到更高的信噪比和更好的相关系数,有利于提高埋地水管泄漏点的定位精度.     

一种改进的ICA算法及其在fMRI信号上的应用

摘要:给出了独立成分分析(ICA)的一个优化模型,在此基础上,提出了一种牛顿型迭代算法,为加快算法的收敛速度,对牛顿迭代进行了进一步修正,使该算法收敛速度达到三阶.本文从理论上阐明了新方法的合理性和优越性,同时将其应用于实际fMRI数据,经与其他两个ICA算法(Fast ICA算法、infomax算法)比较,该算法能够很好地分离出任务成分,同时大大减少了运算量,提高了运算速度,对处理大数据量的fMRI信号有明显的优势.     

规范化自然梯度ICA算法

对基于李群不变性的自然梯度ICA算法进行了改进,提出了一种规范化自然梯度ICA算法.该算法通过引入规范化因子,保证参数矩阵的行列式的绝对值在学习过程中恒为1,避免了参数矩阵剧烈变化,使得学习过程更稳定更快速,这种改进还起到简化目标函数的作用,使得规范化自然梯度ICA算法更加简单便利.在BSS模拟实验中,把常规梯度的ICA算法、自然梯度ICA算法与规范化自然梯度ICA算法进行比较,结果表明新算法的信号恢复精度更高,收敛速度更快.     

一种基于ICA的机械缺陷超声信号提取方法

针对强噪声背景下缺陷超声回波信号检测的问题,利用了基于独立分量分析的方法进行缺陷信号的提取。该方法首先对观测信号进行JADE分解,得出多导独立分量,再根据赫斯特指数,分离缺陷信号和噪声信号。通过对仿真和实测缺陷超声信号的去噪实验研究,结果表明,与小波去噪方法相比,ICA去噪方法能够得到很好的信噪比,有利于强噪声背景下缺陷的去噪处理及微弱信号的提取。     

ICA变化检测的新方法

基于ICA变化检测方法的原理,利用小波变换实现图像块分割的优化,发挥小波变换的正交性和很好的方向性特征,提出了一种基于独立成分分析的变化检测方法.利用这种方法与ICA方法测得的图像扭曲度、平均梯度、图像质量因数方面相比都要好,实验结果证明了文中算法的可行性和优势.     

Eliminate indeterminacies of independent component analysis for chemometrics

An improved method has been proposed to eliminate the indeterminacies of independent component analysis （ICA） for chemometrics. Following the arrangement of principal components analysis （PCA）, the ICA mixing matrix is selected as signal content indexes, and ICA output are sorted and directed. After many times reputations, independent components （ICs） are paired according to the maximum correlation coefficient, and then the mean values of each IC substitutes the original ICs. This indicates that the ICA indeterminacies are eliminated. A simulation example is tested to validate this improvement. Finally, a set of experimental LC MS data is processed without any prior knowledge or specific limitation and the results show that the improved ICA can directly separate the mixed signals in chemometrics, and it is simpler and more reasonable than the simple to use interactive self-modeling mixture analysis （SIMPLISMA）.