基于盲源分离的一种快速独立分量分析算法

基于盲源分离理论提出了一种快速独立分量分析 (FastICA)算法 .该算法以负熵作为独立性判决准则 ,在迭代过程中引入遗忘因子 ,加快了算法的收敛速度 .仿真结果表明 ,该方法能快速、有效地分离混迭信号     

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.     

改进的参考独立分量分析算法

鉴于参考独立分量分析定义了所谓的接近性度量函数和与之相关的小等式,并把它作为约束项引入到负熵对比度甬数中,取得了很好的分离效果,但存在若阈值选取不当则算法不收敛的问题.提出一个改进算法,算法的优化函数为负熵对比度甬数和参考独立分量分析算法中的接近性度量甬数之积,巧妙地避开了这个难以确定的阈值参数.针对合成数据和实际ECG数据的仿真实验表明,改进算法收敛快、提取效果好.     

快速定点独立向量分析在语音信号盲分离中的应用

针对包括环境噪声的混叠语音信号分离困难问题,提出一种新的频域快速定点独立向量分析模型,对混叠语音信号进行盲分离.该模型中的每个源信号以向量形式混合,模型采用二次泰勒多项式把牛顿迭代算法直接应用于复变量对照函数,通过最优化使牛顿迭代规则更加简单和清晰.对实际采集的语音信号进行仿真,实验证明算法很好地分离了卷积盲源信号,新算法具有良好的收敛性和较高的准确性.     

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.     

一种基于独立分量分析的变速跳频信号盲分离方法

针对当前跳频信号盲分离算法计算量大,精确度不高的问题,结合变速跳频信号采用不断加快的跳速和“跳速多变”的策略,提出了一种利用信源间的独立性解决变速跳频信号盲分离问题的方法。同时,采用负熵最大化寻优算法加快了传统独立分量分离算法运算速度。通过仿真实验与处理实际数据结果表明：与其他方法相比,该方法在不需要任何先验信息的条件下,可以在低信噪比的情况下较好地分离出各个变速跳频信号,同时能够精确恢复出变速跳频信号的跳频图案,在20 dB信噪比的情况下,分离后相似系数可以达到99%。该研究为变速跳频信号盲分离问题提供一个新的解决途径。     

微弱裂纹信号的ICA盲源分离提取

针对机械设备关键基础部件早期故障信号提取困难这一问题,提出了一种基于独立分量分析(ICA)的盲源分离去噪方法。采用Fixed-point ICA算法和基于负熵的判据,对不同信噪比下金属裂纹信号进行提取。研究结果表明,此方法受噪声强度及信号频段的影响比较小,可有效提取出所需信号;且获得的信号波形失真很小,是一种较好的微弱信号提取方法。     

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。     

独立分量分析及其在信号处理中的应用

独立分量分析是近年来由盲源分离技术发展而来的一种多维信号统计处理方法,可以根据源信号的基本统计特征,由观测数据最终恢复出源信号.该方法在很多与信号处理相关的领域有强大的应用潜力.文中简要介绍了独立分量分析的基本概念、原理及各种独立性判据,综述了独立分量分析在语音信号处理、图像处理、移动通信等领域的应用,最后结合笔者的研究探索,总结了独立分量分析的研究进展和发展趋势.     

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．     

仿生智能优化算法及其在盲源分离中的应用

传统盲源分离(Blind Source Separation,BSS)采用梯度方法对目标函数进行优化来确定最优解,但梯度算法无法解决收敛速度和稳态精度两者之间的矛盾,而且可能落入局部最优.为了解决上述问题,仿生智能优化算法逐渐被引入到BSS中,取得了传统优化算法无法比拟的优良特性,为BSS问题优化求解提供了一条全新的途径.介绍了几种仿生智能优化算法,描述了BSS的基本概念和数学模型,最后对几种仿生智能优化算法在BSS的应用情况进行了总结.     

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.     

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。     

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图像盲分离算法

基于独立分量分析的算法在盲信号的分离问题上有着良好的性能,本文深入研究了该算法,并在实验的基础上对该算法进行了改进,文章最后给出的实验仿真结果表明,改进后的算法在分离混合图像上是非常有效的.     

基于改进粒子群算法的独立分量分析

提出一种有效的基于改进的粒子群算法的盲源分离算法.首先引入进化速度和聚集强度来更新粒子群算法中的动态惯性权重w,然后定义基于改进PSO的独立分量分析算法的适应性函数,最后给出算法的具体步骤.实验结果表明,改进的ICA算法可以快速有效地得到BSS的最优解.     

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.     

基于盲源分离的大容量图像数字水印方案

文中提出了一种基于盲源分离的大容量图像数字水印算法.将水印像点所对应的序列依次叠加到图像小渡系数中,以增加水印的容量;同时,根据视觉最小可察觉误差值,限制水印最大强度.实现了水印的不可见性.运用基于独立分量分析的盲源分离方法,在水印的嵌入方式和水印强度未知的情况下.将水印和图像数据进行盲分离以获取水印.通过测试.该算法是有效性的.     

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.