基于独立分量分析的混叠跳频信号分离算法

为解决混叠跳频信号的分离问题,在深入研究独立分量分析(ICA:Independent Component Analysis)理论基础上,结合跳频通信的特点,提出了基于独立分量分析的混叠跳频信号分离算法,实现了对混叠跳频信号的盲分离.该算法将基于负熵最大化的FastICA算法应用到混叠跳频信号分离中.通过仿真实验表明,该算法能成功地排除乘性噪声干扰,完成对混叠跳频信号的分离.虽然分离信号的幅度、相位等参数较源信号发生了变化,但并不影响后续工作.这一过程在未知任何先验参数的条件下完成,并取得了较好的分离效果,为跳频通信信号的分离工作提供了新思路.     

基于独立成分分析的人脸图像特征提取与识别

特征提取是人脸识别的关键环节之一。文章首先简述了独立成分分析（ Independent Component Analysis,ICA）的基本模型和原理,介绍了快速独立成分分析FastICA方法特征提取的一般过程。然后给出了FastICA算法中分离矩阵的并行计算算法。最后,利用ORL人脸图像数据库在Matlab环境下进行了仿真实验。实验结果表明,FastICA方法是一种有效的特征提取方法,并讨论了影响分类识别的几个因素。     

独立成分分析算法及其在生物特征识别方面的应用

独立成分分析方法(ICA)是最近几年发展起来的一种新的信号分离方法。本文综述了独立分量分分析的基本原理和数学模型。然后介绍了信息最大化(Informax)法、互信息最小法和极大似然估计法。最后讨论了独立成分分析在生物特征识别方面的应用。     

基于约束独立成分分析的高光谱图像指纹提取

提出了一种约束独立成分分析的指纹提取方法,对传统独立成分分析模型加入组分"和为1"约束,同时基于提出的模型发展了新的优化规则.利用高光谱图像丰富的波段信息,对指纹与背景的混合像素进行光谱分解,提取出指纹的信息.真实实验和模拟实验证明:所提方法可以有效地提取不同背景分布特点的指纹信息,指纹形状十分完整,提取精度优于最小体积约束的非负矩阵分解(MVCNMF)、和为1约束的非负矩阵分解(NMF+ASC)、基于增广拉格朗日的单形体提取(SISAL)等传统方法.     

基于独立成分分析的运动车辆检测算法

根据独立成分分析原理,提出了一种基于固定点算法的运动车辆检测方法,并使用光谱冗余方法解决了独立成分分析检测结果通道不确定的问题。该方法将交通图像序列看作是由背景图像和运动车辆图像混合而成的观测信号,采用独立成分分析方法分离背景图像和前景运动车辆图像。独立成分分析方法能够分离出大量的背景信息如道路2边的树木和建筑物等,但分离出的前景图像仍包含有少量的路面信息,又一次结合光谱冗余方法去除了少量的路面信息,最终实现了运动车辆的检测。通过实验证明基于固定点算法的运动车辆检测方法有较强的抵抗图像背景灰度变化的能力,即使在外界天气、光照明显变化的情况下,依然可以准确、清晰地检测出运动的车辆,是一种具有较好鲁棒性的运动车辆检测方法。     

基于独立成分分析的钻头振动信号识别方法研究

在海上丛式井井眼防碰监测中,风险邻井套管头检测到的钻头振动信号受到平台噪声干扰,针对钻头振动特征信号难以分离识别的问题,提出了一种基于独立成分分析（ICA）分离同频率范围信号的方法。首先对采集到的信号作限幅滤波处理以滤除部分干扰噪声,然后应用ICA方法分离获得不同源的若干路独立信号（其中包含钻头振动信号）,根据独立信号时-频特征分析,结合先验知识实现钻头振动特征信号的识别。通过丛式井防碰现场数据表明该方法可以有效地分离识别钻头振动信号,以提取出信号的能量为标准,能够准确判断钻头趋近风险井套管程度,达到在防碰预警目的。     

增广独立成分分析用于果汁饮料中防腐剂的快速测定

采用正交设计法配制16组包含苯甲酸钠、山梨酸钾、对羟基苯甲酸甲酯钠3种防腐剂水性混合样品,分别测其紫外-可见(UV)光谱.果汁样品通过离心,取上清溶液,稀释一定的倍数测定其UV光谱.将果汁样品紫外光谱数据与模拟水样光谱融合得到增广光谱矩阵,采用独立成分分析(ICA)提取增广光谱矩阵中独立组分(IC)的浓度轮廓,将实际样品中3种防腐剂以外的其他成分作为背景加以扣除,以模拟标准样品3种防腐剂对应的浓度轮廓回归分析得到3种防腐剂测定的独立成分回归(ICR)模型,实际样品中防腐剂的IC值代入ICR模型预测得到相应防腐剂含量.将浓度IC轮廓进行最小二乘回归分析得到与其对应的光谱轮廓,可用作防腐剂与作为其他成分的背景信号的定性分析.方法用于市售某柠檬饮料中防腐剂测试分析,ICR模型的线性相关系数(R)均在0.99以上,测定结果与采用高效液相色谱法相当.     

基于约束独立分量分析的脑电特征提取

针对脑机接口(brain computerinterface,BCI)系统特征提取较慢的现状,提出基于约束独立分量分析(constrainedindependentcomponentanalysis,cICA)的P300特征提取方法.首先,针对各位P300实验被试,通过EEG图像研究其特有P300时域特性;然后,根据P300特性构建参考信号,并将参考信号与独立分量分析(independentcomponentanalysis,ICA)方法结合,基于64导联EEG,提取出与P300相关度最大的独立分量;最后,依据提取出的独立分量构造3维特征向量进行分类.实验采用线性分类器,针对BCICompetitionIIdatasetIIb和BCICompetitionIIIdatasetII两组公共数据集进行了验证.结果表明,提出方法在3次叠加平均下识别正确率达671%,15次达952%,在相同实验条件下,分类时间也较其他方法缩短.     

利用独立成分分析和朴素贝叶斯算法识别含硬石膏储层的岩性

提出了利用独立成分分析结合朴素贝叶斯算法识别岩性的方法,并以某含硬石膏储层为例进行了岩性识别.结果表明,通过与独立成分分析的结合,贝叶斯算法能提高识别岩性的准确度.与单独使用贝叶斯算法相比,二者结合可使识别含硬石膏粉砂岩的正确率提高29个百分点.同时指出,在测井解释的过程中不应忽略算法的应用条件,通过合理的预处理方法,可以使解释过程更加严谨,从而提高测井解释水平.     

基于自适应独立成分分析的化工过程监测

针对独立成分分析（independent component analysis,ICA）方法应用于过程监测时如何选择独立成分（independent component,IC）的问题,提出了自适应独立成分分析（adaptation independent component analysis,AICA）方法。AICA方法首先利用分离矩阵建立关联矩阵,该关联矩阵表示IC的相似性,同时通过核密度估计选择概率密度最小的IC作为特殊独立成分（particular independent component,PIC）,再通过关联矩阵选择与PIC具有相似变异特征的几个普通独立成分（common independent components,CICs）,最后将PIC与CICs用于构造监测统计量。将AICA方法应用于田纳西-伊士曼（Tennessee Eastman,TE）仿真过程,测试结果表明所提方法对于过程监测是有效的。     

独立分量与因子旋转关系分析

解析独立分量分析和因子分析的基本原理,指出独立分量分析的本质是因子旋转,从理论上证实了Varimax和Onhomax等因子旋转与基于峭度的独立分量估计目标函数条件等价。考虑多种类型源信号的情况,提出了基于Varimax的独立分量估计方法。实验表明,在混合矩阵满足稀疏条件下该方法简单有效。     

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．     

基于独立分量分析的遥感影像分类方法

多光谱遥感影像反映了不同地物的光谱特征,其分类是遥感应用的基础。独立分量分析对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析利用了信号的高阶统计信息,对于多光谱遥感影像而言,其去除了波段影像之间的相关性,获得的波段影像是相互独立的。最后通过TM遥感影像数据的分类试验,验证了基于独立分量分析的线性光谱混合分析模型应用于多光谱遥感影像非监督分类的有效性。     

Single-Trial Estimation and Analysis of PVEP Based on Independent Component Analysis

IntroductionPattern- reversal visual evoked potential(PVEP) iswidely used in clinical diagnosis and surgery,because it can reflect the result of the visualprocess consisting of light perception at theretinal,transmittance along the visual pathways,and the final cortical presentation. In practice,thePVEP is a transient signal contaminated by theongoing background electroencephalograph(EEG)and othernoiseswith poorsignalto noise ratio. Toobtain a clear PVEP complex,the ensembleaveraging met…     

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.     

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。     

基于粒子群优化的独立分量分析算法研究

在分析独立分量分析算法的基础上,给出了一种基于粒子群优化的独立分量分析算法。该算法以互信息量最小化为目标函数,通过对粒子群位置矢量和速度矢量更新的改进,得到全局最优值,从而得到分离矩阵。仿真实验表明,基于粒子群优化的独立分量分析算法是一种非常有效的盲源分离算法。     

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.