一单元ICA-R快速算法

一单元参考独立成分分析是一种有效的利用先验信息抽取一个期望源信号的方法。峭度是随机变量非高斯性的一个经典度量。基于约束独立成分分析理论,以峭度的绝对值为对比函数推导出一种快速一单元ICA-R算法。并针对该算法的收敛特点,给出一个优选初值去提升算法的收敛速度。最后,通过计算机模拟实验验证了该算法的有效性,同时所给优选初值加快算法收敛的性能也得到验证。

基于ICA-R的目标运动变化检测

针对实时场景下复杂背景动态变化的特点,在ICA(独立分量分析)模型的基础上,本文将带参考信号的独立分量分析(Independent Component Analysis with Reference,ICA-R)方法引入到目标跟踪环节,该算法能够检测出两帧图像之间目标运动变化而不是背景变化部分,克服了目前大多数基于简单差分模型的变化检测算法计算量大,抗噪声、抗抖动性能弱的问题.实验结果表明,这种方法能够准确地提取出实时场景中目标的运动变化区域,并具有很强的鲁棒性.

基于带参考信号的ICA算法的脑电信号眨眼伪差的分离研究

独立分量分析(ICA)是一种从混合信号中提取统计独立的分量的一种方法。本研究提出了一种基于带参考信号的ICA算法的脑电信号眨眼伪差的分离方法,可以得到纯净的脑电信号。这个方法的主要思路是:先选取一导眨眼伪差比较明显的数据,从中获得眨眼伪差的参考信号,再用ICA方法把眨眼伪差第一个提取出来,最后得到消除伪差后的EEG信号。详细讨论了使用带参考信号的ICA算法消除眨眼伪差的方法与步骤,并给出了应用于真实信号的实验结果。

带参考向量的ICA电子鼻背景干扰消除算法

针对电子鼻伤口感染检测中的背景干扰问题,提出一种带参考向量的独立分量分析(ICA)背景干扰消除算法。利用ICA分解传感器阵列信号并提取独立分量,通过计算独立分量与参考向量的相关性,区分有用信号和背景干扰,采用神经网络分类器进行模式识别。实验结果表明,该算法能消除电子鼻背景干扰,提高伤口感染检测的准确率。

基于参考信号的ICA方法进行诱发电位单导提取

诱发电位(EP)信号的检测与分析技术是临床医学诊断神经系统损伤及病变的重要手段之一,但是EP信号总是淹没在人体自发产生的脑电图信号(EEG)中。因此,为利用EP信号诊断神经系统的损伤和病变,本文使用带参考信号的独立分量分析(ICA)方法从混合信号中快速将EP信号提取出来。计算机模拟表明,采用带参考信号的ICA方法可以从单导混合信号中有效地将EP信号提取出来。

多参考信号的ICA方法及其在去除脑电伪差中应用

为消除脑电信号中的心电、眼电等伪差,在已有的不动点算法和带参考信号的独立分量分析算法的基础上,提出了一种多参考信号的独立分量分析方法.该方法通过计算各伪差在各路观测信号中的比重,去除伪差对观测信号的影响,从而得到较为纯净的脑电信号.所提方法相对于传统的fast ICA算法具有更小的计算量,并且不需要对分离的独立源进行人工干预,同时也是对ICA-R算法的一种扩展,解决了其只能提取单路源信号的缺点.仿真实验证明该方法更切合实际情况,而且能够更加有效地去除脑电信号中的多个伪差.

基于多参考信号ICA的目标语音提取方法

为了能够在强噪声、干扰声等复杂环境下提取干净的目标语音,提高输出信号的信噪比和信干比,本文提出了一种基于多参考信号ICA算法的语音提取方案。该方法利用声源定位、波束形成和小波分解等算法结果作为参考信号,应用基于负熵的FastICA算法估计目标语音。使用麦克风阵实测语音信号的仿真实验证明,本文提出的算法能有效地抑制背景噪声和干扰声,恢复目标语音波形和语谱图。与常规波束形成和ICA算法相比较,本文的处理方法有更好的性能,输出信号的信噪比和信干比更高。

基于EMD的ICA语音增强

传统ICA方法是将所有源信号都从混合信号中都提取出来,而参考独立分量分析(ICAR)通过将一些先验信息引入到ICA学习算法中,从混合信号中仅提取期望源信号.本文为了从混合语音信号中提取出期望的语音信号,采取的是基于经验模态分解(EMD)方法来获取功率谱包络作为参考信号,继而把参考信号运用到ICA-R算法中,达到语音增强的目的.计算机仿真和性能分析结果表明,此方法在有噪声干扰的情况下达到语音增强的目的.

基于Bessel函数展开的ICA语音增强

将源信号的先验知识以参考信号的形式引入到独立分量分析(ICA)学习算法中,从混合信号中仅提取期望的源信号。依据语音信号传播机理和Bessel函数展开系数对语音信号的表征能力,给出基于Bessel函数展开的参考信号构建方法,从混合语音信号中提取出期望的语音信号。仿真和性能分析结果表明,该方法能在噪声干扰的情况下达到语音增强的目的。

基于ICA预处理的ANC参考信号获取

传统有源降噪(ANC)系统希望将声场的能量全部抵消,忽略了有用信号的存在。针对这一情况,本文设计了一种基于独立分量分析(ICA)有噪瞬时混合模型的预处理系统,利用分离矩阵信息和输出信号峭度值的计算,解决了排列模糊和尺度模糊问题,为有源降噪提取出纯净的参考信号。理论分析和仿真结果表明,在语音信号受干扰影响较小,其余混合信号信噪比不断恶化的情况下,仍可以有效并准确地分离出语音信号。

基于单通道FVEP提取的虚拟式颅内压无创检测仪器的实现

研究单通道FVEP信号提取的综合分析方法及其应用。考虑单通道FVEP信号提取的特殊性,引入了参考源通道以满足独立分量分析的应用条件,从而实现单通道FVEP信号与背景EEG噪声的分离;考虑参考源通道与实际检测中的背景噪声不完全匹配而可能带来的消噪效果不理想的问题,利用叠加平均技术与叠加次数的平方根成正比的特性,通过少次的叠加来进一步提高单通道FVEP信号的信噪比;最后利用多分辨率小波变换的多分辨率特性,实现FVEP信号的有效提取。此方法用于虚拟式颅内压无创检测分析仪的临床实验证明了本方法在实现颅内压无创检测方面的有效性。

多切面分类改进独立成份与支持向量机集成故障诊断方法

本文采用多切面分类方法改进独立成份(ICA)与支持向量机(SVM)集成诊断方法.在高维独立成份特征空间中采用多切面分类方法在不同切面上分别建立SVM故障分类模型.对不同切面的分类情况进行故障识别,改善ICA--SVM集成故障诊断性能.将ICA--MSVM集成故障诊断方法对动态执行器基准平台(DAMADICS)的19种阀门故障模式进行仿真验证,结果表明改进的ICA--MSVM方法有效地提高了故障诊断精度.

参考独立分量的正则化方法

参考独立分量分析(ICA with Reference,ICA-R)充分利用先验知识或参考信号,取得了很好的分离效果,但其中的阈值参数很难选取,且计算量很大。理论分析和实验表明,若阈值选取不当,算法甚至不收敛。通过在FastICA算法的负熵对比度函数中引入ICA-R算法中的接近性度量函数作为正则化项,得到一个简单的改进算法。针对合成数据和实际的ECG数据的仿真实验表明,算法收敛快、提取效果好,同时正则化参数取值非常灵活。

基于Bessel函数展开的语音信号ICA-R算法

为了解决语音信号参考独立分量分析(ICA with Reference,ICA-R)算法中参考信号选取难的问题.依据语音信号传播机理和Bessel函数展开系数对语音信号的表征能力,提出了基于Bessel函数展开的语音信号建模方法,利用Bessel函数展开系数作为变换系数,用少量的系数构建ICA-R中的参考信号来实现对期望语音信号的提取,并将该方法运用到语音信号隐藏技术中.仿真实验结果表明该方法能够较好地从混合语音信号中提取期望语音信号,并能有效地实现语音信号的隐藏与恢复.

基于带参考信号独立分量分析的高光谱图像目标探测

提出了一种用于高光谱图像目标探测的预处理方法,目的是提高目标光谱的准确性,进而提高有监督目标探测算法的精度.该方法将实验室或野外获取的目标光谱作为参考信号,利用带参考信号的独立分量分析方法,从图像中提取出与参考信号相关性最大的独立分量作为新的目标光谱.仿真和实际高光谱数据的实验结果表明,所提出的方法能较大提高目标光谱的准确性,从而较大提高目标探测算法的精度.

参考独立分量分析固定点算法

参考独立分量分析将源信号的先验信息以参考信号的形式引入到算法中,仅实现期望源信号的抽取,消除了传统独立分量分析中抽取信号的不确定性;以期望信号和参考信号的接近性度量作为目标函数提出了一个固定点算法,避免了人为选取步长,同时通过优选初值进一步提高算法的收敛速率。针对合成数据和实际的心电图数据仿真实验,证明了算法的有效性和更好的收敛性。

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不等式,并把它作为约束项引入到负熵对比度函数中,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函数和参考独立分量分析算法中的接近性度量函数之积,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.

约束稳健独立分量分析在滚动轴承故障诊断中的应用

独立分量分析方法广泛应用于机械设备故障诊断领域。在稳健独立分量分析方法的基础上,结合故障特征频率先验信息,提出了一种约束稳健独立分量分析方法。该算法首先讨论了如何产生参考信号,然后定义了参考信号和期望信号的接近性度量函数,最后提出了改进的稳健独立分量对比函数。仿真和试验结果表明,该算法在收敛速度和计算精度方面都明显优于传统的Fast ICA算法。