基于信息论的盲源信号分离

 从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题.独立分量分析是解决这一类问题的新技术,而基于信息论方法的分离技术是独立分量算法中最常用的分离算法.基于信息论算法中主流的FastICA算法和自然梯度优化算法,使用几组不同的信号进行分离,从理论分析和仿真结果表明了FastICA算法的优越性.     

典型ICA算法在盲源分离中的实现

独立成分分析在神经网络、高级统计学和信号处理等研究领域具有广阔的工程应用前景。文章介绍三种典型的独立成分分析算法,即Infomax算法、Extended-ICA算法和Fast-ICA算法的原理,通过三种算法对三路随机混合信号进行的分离实验,说明了ICA算法在盲源分离技术中的应用与实现,并对三种算法的分离性能进行了对比和分析。     

探测胎儿心电图信号的半盲提取算法

提出用于从孕妇身体上测得的心电图信号中分离胎儿心电图信号的半盲提取算法,优化函数为基于负熵的快速不动点算法FastICA中的负熵对比度函数和胎儿心电图信号的自相关函数之积.因为胎儿心电图信号的自相关函数在特定时刻存在峰值点,所以其与负熵对比度函数乘积的极值点能给出胎儿心电图信号的可行估计.针对合成数据和实际数据的仿真实验验证了本算法的有效性,表明算法对峰值点位置的估计值具有鲁棒性.     

基于盲源分离的心室晚电位信号检测

采用快速独立分量分析方法研究了心室晚电位信号的特征提取和检测,提出了利用通道扩展的方法,将有限的2通道数据扩展为4通道数据.通过快速独立分量分析方法进行盲源分离,实现了心室晚电位信号与正常心电信号的完全分离.仿真结果表明,利用独立分量分析方法对心室晚电位信号的特征检测是一种行之有效的手段.     

快速定点独立分量分析在盲源分离中的应用

独立成分分析（ICA）在国内尚属一门新型的方法。本文介绍了快速定点独立分量分析的原理和算法,并介绍了该算法在盲源信号分离中的具体应用,并将此方法与主成分方法（PCA）进行了比较。文中通过实例给出了这种方法的应用效果。结果表明,ICA在盲源信号分离中是一种很有潜力的方法。     

基于小波分析的盲源分离

提出一种新盲源（BSS）分离算法是在独立分量分析（ICA）算法中引入离散小波变换技术分解出有用信号．ICA是一种线性非高斯统计方法,不仅能够使研究对象相互独立或尽可能独立,而且能突出源信号的本质结构．笔者采用的新盲源算法能够将时-频ICA相结合,实现了较好的盲源分离．     

新的ICA算法实现成组fMRI信号盲分离

独立成分分析(ICA)方法已被成功地用于处理功能磁共振成像(fMRI)信号,但主要是用于处理单个被试的fMRI信号,对于多个被试的情况却很少考虑.为此利用一种扩展的ICA方法--Group ICA来处理多个被试的fMRI信号,结果表明这种方法在保证结果准确性的前提下,可以大大减少计算量,快速获得统计结果.计算中应用的是NewFP算法,统计结果表明这种算法在估计激活的时间动力学准确性上优于FastICA算法.     

盲源分离法在火花塞离子电流信号分离中的应用

针对发动机燃烧过程在线监测中,以火花塞作为传感器测量并分析离子电流信号时,测得的离子电流信号易受到火花点火干扰的问题,将基于独立分量分析的盲源分离方法应用于实测火花塞电流信号的分离.采用盲源分离法对实测火花塞离子电流信号进行分析,能够很好地抽取出无火花尾干扰的离子电流信号和点火火花尾信号,其离子电流在上止点附近和压力峰值附近分别出现明显的火焰前锋区和焰后区两个峰值.对同一转速、不同废气再循环(EGR)率的实测离子电流信号进行了盲源分离,结果表明:随着EGR率的增大,离子电流的两个峰值均会减小,且峰值出现的时刻均有所推迟,同时点火火花尾对离子电流信号的干扰也会增强.     

超高斯和亚高斯混合信号的盲分离算法研究

基于超高斯与亚高斯混合信号模型,提出一种新的信号即时混合盲分离算法,改进了Bell信息传输最大化盲分离准则,选择了两个固定的非线性函数近似超高斯与亚高斯信号的概率密度函数。实验表明,与参数方法比较,减少了复杂性和计算量,可以有效对各种源信号的线性即时混合进行分离。     

一种自适应神经网络的信号盲分离及实验

介绍一种提高收敛速度的基于自适应在线学习的盲信号分离算法,以Kullback-Leibler散度作为代价函数,运用随机梯度下降导出算法,在估计分离矩阵的同时更新学习率。实验证明,该算法对于混合图像信号能够有效地分离,利用自适应学习参数提高了盲信号分离的收敛速度及算法性能,结果证实了算法的有效性。     

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。     

2021年 第27卷 第2期 电子期刊

随着人工智能物联网(artificial intelligence & internet of things, AIoT)的发展, 硬件技术的飞速进步, 更多的智能音箱进入人们的生活, 人机交互方式也从早期的遥控变成了人声控制. 但设备中麦克风采集到的语音信号往往含有大量噪声和干扰人声, 为此需对麦克风采集到的语音进行语音分离处理. 常用的技术有频域独立成分分析(independent component analysis, ICA), 但是频域ICA存在次序不确定性问题, 即将分离出的源1分量分类到源2通道, 将分离出的源2分量分类到源1通道, 从而导致分离性能大大降低. 为此, 提出一种基于语音能量比来解决频域ICA中次序不确定性问题的算法, 有效地提高了分离性能. 在SiSEC(Signal Separation Evaluation Campaign)、ChiME(Challenge for Computational Hearing in Multisoure Environments)数据集上对分离性能进行实验, 所得结果比已有算法均有提升, 且针对强混响环境下的混合信号依然保持良好的分离性能.     

基于参考独立分量分析的语音增强方法

参考独立分量分析（independent component analysis with reference,ICA—R）将源信号的先验知识以参考信号的形式引入学习算法中,可以从混合信号中仅抽取期望的源信号．基于ICA—R提出了一种语音增强新方法．通过比较语音信号和多种噪声信号的特点,合理地构造了具有语音信号重要特性的参考信号,进而应用ICA—R从多种加性噪声中抽取了期望增强的语音信号．计算机仿真和性能分析结果均表明了该方法的有效性．     

基于差分进化算法的重力固体潮信号独立分量分析

为了提取出重力固体潮信号中的独立谐波成分,基于地球自转与月球、太阳相对于地球轨道变化的正交关系建立一个天体间引潮力的分解模型.为了实现对三者所产生的潮汐谐波的分解,将差分进化算法用于独立分量分析中,用以提高整个算法的效率,改进实验的观测精度,从而更有效的得到与该模型相一致的独立成分.实验中,对昆明地区的实测信号进行了处理并与理论值进行了对比,结果表明,该方法可以将重力固体潮信号中各潮汐谐波分量间关系揭示出来且与分解模型相对应,各分量所含的频谱信息与理论值相一致,说明该方法是一种有效的、对重力固体潮信号进行独立分量分析的新方法.     

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．     

级联双稳随机共振降噪下的有噪ICA研究

研究了强噪声混合条件下的独立分量分析（ICA）问题．提出了一种将级联双稳随机共振（SR）用于有噪ICA盲源分离的方法．该方法利用级联双稳SR对时域波形降噪的优良特性，先对有噪ICA信号进行SR输出，再进行ICA盲源分离．实验结果表明，利用上述方法可以有效提高有噪ICA的分离效果．     

基于ICA的盲信号分离算法研究

提出了一种以独立分量分析(independent component analysis,ICA)[1]为核心的盲分离算法,给出了用盲信号分离技术来分离心电信号的方案,并对模拟信号进行了分离。实验是有效的且鲁棒效果良好。     

基于ICA-R的复值信号抽取方法

参考独立分量分析( independent component analysis with reference, ICA-R )通过引入参考信号而实现期望实值源信号的抽取,具有消除传统ICA输出顺序不确定性和显著降低运算量等优点.为此将ICA-R的优势拓展到期望复值源信号抽取.首先,将N维复值ICA问题转化为由其实部和虚部组成的2N维实值ICA问题;然后,利用期望源信号的实部参考信号或虚部参考信号进行ICA-R;最后,根据转换混合矩阵的结构特点,消除ICA-R抽取信号实部与虚部间的幅值不确定性,进而得到无附加相移的期望复值信号.计算机仿真和性能分析结果表明了所提方法的有效性.     

fMRI信号盲分离的一种独立成分分析算法

建立了独立成分分析(independentcomponentanalysis,ICA)的一个优化模型,在此基础上,给出了一个新的梯度算法,称之为Orth-ExtBS算法.该算法结合了ExtBS算法和FastICA算法,兼顾两者的优点,形式简单,易于应用,能有效地盲分离具有超高斯和亚高斯分布源的混合信号,获得更准确的分离效果和较快的收敛速度.将新的算法与其他两个算法(FastICA和ExtBS)分别应用到大型fMRI数据中,通过比较发现,新算法在估计激活的时间动力学准确性上要优于其他两个算法.