独立成分分析应用于fMRI数据研究

运用独立成分分析对fMRI数据进行分析,得到了一组有代表性的脑激活区,包括时间序列与实验设计一致的脑激活区和心跳、眼动、头动引起的激活区,给出了与它们相对应的时间序列,结果表明独立成分分析是进行fMRI数据分析的一种有效手段。     

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.     

基于独立成分分析和相关分析的fMRI功能连接方法

利用功能磁共振成像(functional magnetic resonance imaging, fMRI)技术,深入研究和探讨独立成分分析(independent component analysis, ICA)和相关分析在功能连接方面的应用,并应用于静息状态功能连接,考察在阿尔茨海默病(Alzheimer's disease, AD)的病理条件下人脑默认网络(default mode network)的异常,从而加深对AD病理机制的理解和认识.     

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.     

改进的ICA算法及其在fMRI信号上的应用

针对目前广泛使用的两种独立成分分析(ICA)算法(fixed-point算法和infomax算法)在处理功能磁共振成像(fMRI)数据时速度较慢的特点,给出了独立成分分析的一个优化模型,在此基础上,提出了一种快速的牛顿型迭代算法.该算法采用修正后的牛顿迭代形式,使收敛速度达到三阶.将文中算法与其它两种算法应用于实际fMRI数据,实验结果表明,文中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,在处理大数据量的fMRI信号方面有明显的优势.     

基于信息典型相关分析的盲源分离算法

针对盲源分离问题,将互信息理论与典型相关分析理论相结合,提出了一种基于信息典型相关分析的盲源分离算法.该算法首先利用模式搜索法求解,得到混合信号向量的线性组合与混合信号向量延迟的线性组合之间互信息最大的信息典型向量,互信息计算中的概率密度函数由高斯核密度估计.然后,将信息典型向量依次与接收的混合信号数据阵相乘.完成对源信号的逐一抽取和分离.仿真实验结果表明,该算法不仅能有效分离包含超高斯信号成分的混合信号和包含亚高斯信号成分的混合信号,还能分离同时包含这2种成分的混合信号以及病态混合信号.     

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.     

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CCA的fMRI时空模型数据处理的方法

在目前大脑认知功能的研究中,人们常常采用功能性磁共振(fMR I)技术.相关分析是常见的用于检测fMR I数据的方法,而其检测的准确度有一定局限性.在典型相关分析(CCA)基础上将时域相关系数与空域相关系数有机结合,并得到新的相关系数进行阈值分割,进而对fMR I数据进行提取.经过仿真数据与实际fMR I数据的应用分析,证明了本算法的有效性.     

典型相关分析的基本思想和方法步骤

典型性相关分析在相关分析中有其独特的作用,在实际应用中十分广泛,本文介绍了典型相关分析的基本思想和方法步骤。     

利用特征信息的加权典型相关分析算法

典型相关分析（canonical correlation analysis,CCA）是一种寻求同一对象的2组变量之间最大相关性的多元统计方法,通过线性组合各组特征提取出对应的典型相关特征。但在简单地线性组合各组特征时,传统的CCA并未考虑特征的本征属性信息,无法区分主要特征和次要特征。充分运用特征本身的方差信息和提取后的典型相关信息,提出一种利用特征信息的加权典型相关分析（weighted canonical correlation analysis,WCCA）。一方面,利用方差信息对原始特征进行加权处理,使得原始特征的重要性更加具有区分度;另一方面,利用典型相关性对提取后的特征进行加权处理,既进一步增强了特征的主次关系,又保留了小相关性的特征信息。综合这2方面的特征信息,WCCA提取后的特征在分类和识别上更具有表现力。在ORL和AR人脸数据库以及对象识别数据库COIL20上的实验结果验证了该方法的有效性。     

有样本缺失的稀疏交叉视图的多重集典型相关分析

从融合多组特征的角度出发,以多重集典型相关分析算法(MCCA)为研究基础,通过稀疏保持自适应选择样本局部信息,然后通过在同类样本之间计算权重矩阵,将样本类别信息嵌入到算法中,再利用多种视图之间的交叉相关项,克服不同视图样本必须成对出现的局限,提出一种有样本缺失的稀疏交叉视图的多重集典型相关分析算法(multiset canonical sparse cross-view correlation analysis with missing samples,CSMCCAM)。在手写体数据集和CENPARMI数据库上验证本文的算法,得到CSMCCAM算法分类精确度优于LPMCCAM等典型相关分析算法,并且对缺失样本数目不敏感。     

Fabric defect detection using independent component analysis and phase congruency

A novel method based on independent component analysis and phase congruency is proposed for detecting defects in textile fabric images. By independent component, we can obtain textile structural features of fabric-free images. By phase congru- ency, structure information is reduced, which can distinguish the defect region from the defect-free regions. Finally, we have the detecting result from binary image which is obtained by a thresh- old step, Compared with other algorithms, the proposed method not only has robustness with high detection rate, but also detects various types of defects quite well.     

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.     

基于斜投影的卷积信道盲信号分离

为实现卷积混合信号的盲分离,提出了一种基于斜投影的子空间方法,首先设计"过去"、"现在"和"未来"的观测数据空间,并通过斜投影将卷积混合转化成为线性瞬时混合;然后采用静态分离算法重构源信号。该方法利用了观测数据矩阵的结构信息直接获得线性瞬时混合的数据模型,不需要进行高维子空间代价函数的优化,运算量相对小。计算机仿真验证了算法的有效性。     

Removal of jamming using independent component analysis in non-cooperative passive detection system

Due to electronic jamming transmitted by hostile electronic jamming equipments and unintentional jamming from other illuminating sources in the complex electromagnetic environment,the performance of non-cooperative passive detection systems may degrade it significantly.To solve the problem,a receiving frame with multiple channels for signal preprocessing is designed and a theoretical analysis to the received signals in the complex electromagnetic environment is provided.Furthermore,a scheme for jamming removal using independent component analysis is proposed.Simulation results demonstrate the proposed scheme appears as a very appealing solution for removal of jamming and an approximate 10 dB signal to distortion ratio over traditional schemes is obtained.