基于独立源分析的过程监测及故障诊断方法

多元统计过程控制(MSPC)要求观测数据服从正态分布,而实际的工业过程数据大都不满足正态分布条件。独立源分析(ICA)是近几年才发展起来的一种新的统计方法,可以克服对数据分布的依赖。为此以ICA算法为核心,引入一种新型的过程监测及故障诊断方法。应用ICA提取独立源,利用I2图,Ie2图和SPE图进行故障检测,将变量重构图用于诊断故障。以三水箱系统为背景进行的实验研究,验证了该方法的有效性。     

独立分量分析方法及其在地理与环境科学中的应用

综述了独立分量分析(ICA)问题的模型、原理,以及定义在基本ICA问题上的各种算法,包括信息最大化infomax算法、负熵最大化法、最大似然法等,并对各算法性能作了比较.并介绍了可获得的ICA算法系统fastica和oolabss及其运行平台,说明了ICA在地理与环境问题中的应用.     

基于ICA的消除ERP中伪迹干扰的方法

概述了消除事件相关脑电位(ERP)伪迹的一般方法和存在的问题，介绍了独立分量分析(ICA)的基本原理及其两个关键内容，将ICA算法用于消除ERP伪迹干扰，根据ERP伪迹的特点用ICA算法编写了一组用于盲信号分离和伪迹干扰消除的程序，利用该组程序，进行了仿真实验和消除ERP实测数据中伪迹干扰的处理实验，仿真实验完全分离出了4组人为随机混合的信号，实测信号实验较好地消除了伪迹干扰的影响，实验结果表明，使用ICA算法消除ERP伪迹干扰是一种较理想的方法。     

一种改进的盲信号分离方法

指出了在盲信号分离过程中．基于独立分量分析的定点算法，具有结构简单、运算速度快的特点．但是在有些情况下，该算法是否收敛仍具有不确定性，限制了它的使用范围．基于信息理论原理提出了一种改进的盲信号分离算法，经计算机仿真和对实际生物信号处理的实验表明：该算法在速度和稳定性方面都有很大的改进．     

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）.     

基于ICA的重力固体潮信号的潮汐谐波提取

鉴于传统重力固体潮信号分析方法不能将重力固体潮信号所含谐波分量分解到与不同天体潮汐谐波系一致对应的缺点,根据重力固体潮的产生机理,提出了一种重力固体潮三维正交分解模型.三维正交分解模型中将重力固体潮分解为3个与不同天体潮汐效应相一致的正交信号分量.为了获得3个相互正交的信号分量,采用独立分量分析(ICA)方法处理重力固体潮信号.同时,以负熵作为目标函数,以粒子群优化算法(PSO)作为优化函数来获得更优的解混矩阵.通过实验分析及实验验证可知,此文算法可以将重力固体潮信号正交分解为与三维正交分解模型一致的信号分量,并且各分量所含频谱信息具有与重力固体潮信号中各谐波系理论值相对应的特点,实现了从产生机理上将重力固体潮信号所含谐波分量对应分解到各谐波系中的功能.     

基于混沌自适应烟花算法的雷达信号盲源分离

针对传统独立成分分析(independent component analysis, ICA)方法存在收敛速度慢、分离性能不高的问题,将混沌映射策略与自适应爆炸半径相结合,提出一种基于混沌自适应烟花算法(chaotic adaptive fireworks algorithm, CAFWA)的盲源分离(blind source separation, BSS)方法,并应用于雷达辐射源混合信号分选问题。混沌映射策略可以将初始值在解空间内分布更加均匀,爆炸半径能够根据适应度的优劣自适应改变,保证了所提算法局部搜索的精度,满足了全局搜索的多样性。实验结果表明所提算法可以在无噪和有噪情况下均能很好地分选观测信号,而且具有比传统算法更快的收敛速度和更优异的分选性能。     

基于最大熵独立分量分析的诱发电位特征提取

目的 针对视觉诱发电位(VEP)特征提取问题,提出一种改进的基于信息极大的最大熵ICA算法.方法 通过该算法对多导诱发脑电信号进行独立分量分解,去掉其中包含的噪声干扰成分.并选出与视觉诱发响应相关的主要分量,完成信号的特征提取.结果 将选出的分量投影回头皮电极处,使得VEP中的P3峰更加突出.结论 所提出的方法实现了信号的特征增强,提高了P3成分定位的准确性.     

一种提高Kernel PCA特征提取性能的核优化算法

基于核的主分量分析(Kernel PCA)能够提取数据的非线性特征,但其性能受核参数的影响非常大.提出了一种新的基于特征空间中非高斯分布估计的核参数优化算法.该方法基于Kernel PCA中最优的参数应能导致特征空间中数据具有高斯分布的思想,通过对特征空间中数据的非高斯性结构进行分析,从反面估计其对高斯分布的逼近程度.采用该方法对各种数据进行实验都有很好的效果,表明了该方法的有效性.     

基于独立分量分析的瞬时混合语音信号盲分离算法研究

近些年,信号处理在理论与方法方面发展速度很快,独立分量分析技术已成了信号处理领域内重要的组成部分。讨论了线性瞬时混合情况下,语音信号盲分离的算法,阐述了算法的原理,并进行了实验仿真,以此来证明算法的有效性。