基于独立成分分析的强背景噪声去噪方法

由于许多传统的去噪方法在强背景噪声情况下提取声音信号的能力变弱甚至失效，提出应用独立成分分析(ICA)方法对声音信号进行特征提取，并证明了这种ICA变换能增强语音和音乐信号的超高斯性．在此基础上，应用ICA基函数作为滤波器，通过阈值化的去噪方法对含有强高斯背景噪声的声音信号进行去噪仿真实验．结果表明，本方法明显优于传统的均值滤波和小波去噪方法，为强背景噪声下弱信号的检测提供了新的途径．     

ICA特征提取技术在背景噪声建模与分析中的应用

应用infomax学习规则对船舶辐射噪声信号进行独立成分分析(ICA)特征提取,并证明了ICA变换能增强信号的非高斯性.在此基础上,根据稀疏编码的特性,利用阈值化的方法将船舶辐射噪声信号有效去噪.通过对含有海洋环境噪声的船舶辐射噪声信号的去噪实验,证明了本方法的有效性,并且去噪结果明显优于传统的几种去噪方法.     

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.