混合光谱曲线的Fast ICA盲源解混及影响因子研究

混合物高光谱分析是矿物无损检测的关键技术。文中将混合物350~2500 nm区间光谱反射率变化看作时域变化的一维序列信号,将混合物光谱分离转变为时域信号的盲源分离问题。为了分析混合光谱解混速度和准确度的影响因子,采用Fast ICA数学模型对混合物实测高光谱反射曲线进行了盲源解混试验,从解混过程的白化方式、初始权阵,源光谱高斯性3个方面分析了光谱解混的结果,为混合物光谱检测的后期分析提供了研究基础。选取化学纯氧化铜和氧化亚铜混合物、碱式碳酸铜和氢氧化铜混合物为试验对象,采用解混性能指数PI、光谱均方根误差和光谱角距离作为评价指标,开展了源光谱高斯性与g函数、ZCA和PCA白化方式、及单位权、随机权、指定权3种初始权对解混光谱结果影响的对比实验。实验结果表明:Fast ICA算法在未知混合矿物高光谱先验信息的基础上,能够有效分离出混合物组分源光谱,样本分离精度PI值均小于0.18,光谱盲源解混的效果显著。解混后光谱曲线与源光谱曲线在特征趋势上保持一致,具有相同的吸收位置和特征峰,但是存在一定尺度的差异。另外,源光谱的高斯性与解混g函数的选取会直接影响解混结果,亚高斯区间曲线分离精度优于超高斯部分。依据高斯性进行分段解混结果的吸收特征会更加突出,与源光谱反射率数值差异也随之增大;光谱预处理的白化方式会对解混结果精度产生微小影响,经过ZCA白化后解混结果的分离精度、光谱的准确度均略高于PCA白化;在Fast ICA模型3种初始权解混结果对比发现,以初次迭代结果计算的指定权进行迭代解混时,其分离精度、解混准确度及解混时间均为最佳,解混过程更易收敛。结果表明,根据全波段高斯性来选取g函数解混效果最优,分离指数PI小于0.14,光谱角距离在0.1左右,ZCA白化比PCA白化对解混光谱的影响更小,ZCA白化后的两组混合物解混的分离指数在0.1左右,而PCA白化的分离指数PI均高于0.13,当指定权作初始权时有助于提高牛顿迭代中收敛速度,使解混光谱更接近组分已知光谱,指定权的解混时间低于0.2 s,其他两种定权方式均在0.3 s以上。

高斯矩Fast ICA算法在风机振动信号去噪中的应用

设置了转子不平衡、联轴器不对中、风机基座松动、转子径向摩擦和轴承内圈磨损等5种故障,针对风机的振动问题进行了实验研究.在简要分析ICA理论及其算法的基础上,提出应用基于高斯矩的Fast ICA算法对模拟信号及实测离心式风机振动信号进行去噪处理,并分别与EMD及db8小波的滤波去噪效果进行定量比较.结果表明:Fast ICA方法与EMD方法和小波方法一样,能有效地处理短时瞬态及含宽带噪声的信号,但Fast ICA方法不受去噪阈值的影响,也不需要选择小波基函数,更具有通用性和稳定性.

基于四阶互累积量的fast ICA微地震数据噪声压制方法研究

相较于常规地震资料,微地震资料中不同道之间有效信号通常存在时间差,使得采用快速独立分量分析(fast independent component analysis,fast ICA)算法分离微地震有效信号时受不同道之间有效信号时间差干扰,导致部分有效信号被当作噪声而分离。引入四阶互累积量算法消除时间差后,再将fast ICA算法应用于微地震资料进行有效信号与噪声的盲源分离,从而解决上述问题。首先分别介绍了四阶互累积量算法和fast ICA算法,并利用微地震仿真数据测试了四阶互累积量算法的时差估计准确性,再根据时差估计结果对有效信号进行时差偏移,最后对偏移后的微地震数据进行fast ICA盲源分离,从而达到去除噪声的同时保留有效信号并提高信噪比的目的。微地震仿真实验以及实际微地震资料的处理结果表明基于四阶互累积量的fast ICA微地震数据噪声压制方法具有良好的去噪效果。

基于Fast ICA算法的2种储粮害虫活动声信号识别

利用快速独立分量分析(fast independent component analysis,Fast ICA)算法,对混有高斯噪声的2种储粮害虫玉米象Sitophilus zeamais和赤拟谷盗Tribolium castaneum的活动声信号进行去噪,并使用Fast ICA算法识别和分离了2种储粮害虫爬行与翻身的4种活动声信号,证明了使用Fast ICA算法识别混合信号中每种害虫声信号的有效性和准确性。

基于Fast ICA和改进LSSVM的短期风速预测

对风速的准确预测能有效减轻风电场对整个电网的不利影响,同时能提高风电场在电力市场中的竞争能力。首先提出一种基于快速独立分量分析算法和改进最小二乘支持向量机的风速预测模型,对运用fast ICA算法对风速时间序列进行多层分解,得到一系列的独立分量;然后运用改进最小二乘支持向量机模型对分解后的各独立分量风速进行预测;最后对各预测结果进行叠加作为最终的预测风速。算例结果表明,该预测模型能准确进行短期风速的预测。

基于Fast ICA的多说话人识别系统

针对多人混合语音条件下说话人身份难以识别的问题,提出了一种使用快速独立分量分析(Fast ICA)方法分离各个说话人的语音信号,并采用RBF神经网络方法进行说话人识别的策略.由于不同语音源信号保持相对独立,利用盲信号分离的思想,使用Fast ICA方法用于信号的分离,从而对获得的独立语音数据分别提取说话人特征,采用RBF神经网络模型实现多说话人身份的识别.实验结果表明,该方法能有效地实现混合语音条件下的说话人识别.

基于EEMD-Fast ICA-STFT的车用起动电机噪声源识别

提出基于集成经验模态分解(EEMD)、快速独立分量分析(Fast ICA)和短时傅里叶变换(STFT)的噪声源识别方法,对起动电机噪声信号进行声源识别研究。首先采用集成经验模态分解法将单一通道的电机噪声信号分解为一系列本征模态分量,随后用Fast ICA算法提取独立成分,最后利用短时傅里叶变换良好的时频分析特性,对Fast ICA分离结果进行时频分析,结合时频分析结果和电机噪声的先验知识,确定了各独立分量与电机不同噪声源的对应关系。

基于改进Fast ICA-BP算法在直肠生理信号处理中的研究

大便失禁是指肛门括约肌失去对粪便及气体排出的控制能力。随着医工学科的交叉发展,提出了使用人工肛门括约肌系统(AAS)来帮助患者治疗大便失禁,重建直肠感知功能,监测直肠压力和诊断直肠病变。本文改进了原括约肌执行机构,分析了直肠受力情况,进行了AAS系统的离体信号采集实验。针对AAS系统在直肠生理信号处理方面的缺失,提出了使用相空间重构(PSR)对一维直肠压力信号进行多维重建,并利用改进的快速独立分量分析(Fast ICA)算法对重构信号进行分离,提取分离后直肠信号的特征分量,采用BP神经网络进行模式识别。实验对比表明,改进的执行机构对直肠平均最大应力基本保持在12 kPa左右,保证了直肠受压区域的正常供血,实现直肠内容物的夹持。该算法迭代次数少,分离效率高,直肠功能平均诊断率达89.5%,可以实现直肠生理信号的初步处理。

四次样条插值的改进Fast-ICA算法

为提升盲源分离算法的性能和精度,将传统Fast-ICA算法中的二阶牛顿迭代法改进为四阶收敛的牛顿迭代法,对其进行四次样条插值,构造四次样条插值函数,通过误差分析验证该函数的收敛特性,采用Matlab软件仿真分析原算法与改进算法分离同一组信号的能力。结果表明,改进四阶收敛的牛顿迭代法具有四阶收敛特性。改进算法与原算法相比精度和收敛速度分别提升了24%和35%。

基于改进Fast-ICA的电能质量谐波检测

独立分量分析是利用信号的高阶统计量快速准确地实现信号分离和恢复。提出一种改进快速分离算法检测电能质量谐波的方法。在介绍了快速分离算法基本原理的基础上对牛顿迭代法进行了改进,减少了迭代次数,提高了收敛速度;依据负熵极大的独立性准则实现谐波信号的盲分离,再进行幅值修正以实现对真实信号的估计;对分离修正后的信号进行FFT分析,得到幅值和频率,进而实现对谐波的检测。仿真实验结果表明了该算法在检测精度和运行效率上都有所提高。

结合FastICA与EKF的腹部源胎儿心电信号提取

针对腹部源信号,本文提出一种结合快速独立分量分析(FastICA)与扩展卡尔曼滤波(EKF)的胎儿心电信号提取方法。首先抑制原始母体腹壁混合信号中的基线漂移、工频干扰和脉冲伪迹。然后使用FastICA从母体腹壁混合信号中分离得到母体心电信号估计以及含有残留母体心电成分和其他噪声的胎儿心电信号估计。使用EKF对胎儿心电信号估计进行滤波得到残留的母体心电成分估计,将其抑制后获得含噪声的胎儿心电信号。最后再次使用EKF提取得到清晰的胎儿心电信号。采用临床数据进行实验,本文提出的胎儿心电信号提取方法的灵敏度、阳性预测值和F_(1)分数分别为99.27%,94.35%,96.71%,其基于互相关系数和基于特征值分析的信噪比分别为6.1454 dB和6.5096 dB。实验结果表明本文提出的方法在主观视觉效果和客观评价指标上均优于传统的胎儿心电信号提取方法。

基于FastICA和神经网络的红酒主要品质参数红外检测

为实现红酒中酒精含量、pH值以及残糖量的快速检测,对44个红酒样品的红外光谱数据进行了分析。使用快速独立分量分析(FastICA)算法对光谱数据矩阵进行分解,得到独立成分和相应的混合系数矩阵,再利用误差反向传播算法(back-propagation,BP)构造了三层的神经网络结构,建立了ICA-NNR模型。利用此模型对红酒样品的酒精含量、pH值以及残糖量进行预测,根据预测相关系数(r)和预测标准偏差(RMSEP)来评价预测模型的性能,结果表明该模型对红酒酒精含量、pH值以及残糖量测定的相关系数r分别为0.953,0.983和0.994,RMSEP分别为0.161,0.017,0.181。此外,预测样品集中的22个样品ICA-NNR模型预测值与参考值相比,酒精含量、pH值以及残糖量的最大相对偏差均小于4%。这为进一步开发红酒成分红外在线分析仪奠定了基础。

改进的FastICA算法研究

独立分量分析是目前盲源分离算法中最常用的一种方法,其中快速独立分量分析(FastICA)以其收敛速度快而被广泛应用,但FastICA对初始值的选择比较敏感,而且在使用牛顿迭代法时,每迭代一步都需要计算一次函数值和一次导数值,当函数比较复杂时,计算它的导数值往往不方便,用单点弦截法进行迭代,将最速下降法与单点弦截法结合,在保证分离效果的同时使FastICA的迭代次数减少,同时使计算式更加简洁,而且减小了对初始值的敏感性,仿真实验验证了其有效性。

一种改进的双因子自适应FastICA算法

为解决快速独立分量分析算法(Fast ICA)对初值权值敏感的问题,提出一种双收敛因子Fast ICA算法(double convergence factor fast ICA,DCF-Fast ICA)。该算法利用2个不同步长因子的Fast ICA算法进行组合,并通过梯度算法自适应调节两分离权值矩阵的组合系数,从而得到最优权值分离矩阵。理论分析与实验结果表明,DCF-Fast ICA算法比以往改进算法具有更明显的优势,不仅改善了初值权值敏感问题,而且可在几乎不损失分离精度的情况下,使平均分离速度比原算法提高近70%,迭代次数比原算法减少近80%。

改进的Fast ICA算法在事件相关电位提取中的应用研究

事件相关电位的特征提取分析在大脑认知的神经生理基础和临床应用研究中起着非常重要的作用。独立分量分析(Independent Component Analysis,ICA)作为目前比较流行的盲源信号处理算法,其特性非常适合应用于事件相关电位的提取。文章主要讨论了独立分量分析的基本原理、判决条件和算法,针对快速定点算法(FastIn-dependent Component Analysisalgorithm,Fast ICA)迭代次数较多和对初始权值敏感的缺点,我们引入利用梯度法改进的修正因子,在此基础上对Fast ICA进行优化,得到改进算法,改进算法降低了对初始权值的敏感性,减少了迭代次数,从而提高了算法的收敛速度。最后将其应用于ERP信号的提取当中,实验表明,在分离效果相当的前提下,收敛速度得到了较大的提高。

基于改进Fast-ICA的电力谐波检测算法

为了提高Fast-ICA算法对电力谐波的检测速度与精度,在原有Fast-ICA盲源分离算法的检测原理上,对用于数据处理的二阶牛顿迭代法进行改进,使其满足三阶收敛,并给出收敛性证明。通过计算机仿真,在采样频率为7 500Hz、采样点为920的实验条件下,利用该改进算法和原有算法分别对两组含谐波混合信号进行检测。仿真结果表明,改进算法的测量速度平均提高了37%,精确度也得到了较大提高。

基于Fast-ICA的Wigner-Ville分布交叉项消除方法

针对Wigner-Ville分布中交叉项干扰的问题,提出一种基于快速独立分量分析(Fast-ICA)算法的交叉项消除方法。采用Fast-ICA方法将若干独立分量信号从混合信号中分离出来,对各独立分量信号进行Wigner-Ville分析,叠加分析结果,重构原混合信号消除交叉项后的总体Wigner-Ville分布。仿真结果表明,该方法能消除混合信号Wigner-Ville分布中的交叉项,收敛速度快、实时性高,同时可保持较好的时频聚集性。

基于FastICA的低信噪比探地雷达信号去噪

在背景条件复杂的工区,为了提高探地雷达(GPR)勘探资料解释的准确性和可靠性,利用独立分量分析理论进行了强噪声背景下的探地雷达信号去噪研究。阐述独立分量分析(ICA)基本理论,着重讨论了基于负熵最大化的快速独立分量分析(FastICA)算法。应用FastICA算法对单道探地雷达数据和正演含噪雷达剖面分别进行去噪分析,得到去噪后的探地雷达信号。以湖北恩施彭家寨隧道GPR实测数据为例,将Fast ICA算法应用于探地雷达剖面数据去噪。研究结果表明,将FastICA算法应用于探地雷达信号处理,摆脱了传统方法参数设置的束缚,流程简单,在GPR去噪方面有独特的优势,可较好地对低信噪比的GPR原始数据进行噪声去除,有助于突出探地雷达剖面中异常体特征,达到了提高资料解释准确性和可靠性的目的。

FastICA在心电信号降噪中的应用

目的研究基于峭度和负熵的Fast ICA的模型特点,分析两种算法在心电信号去噪中的应用,对ICA在信噪分离中的特点加以分析研究。方法首先利用心电数据库MIH-BIT中单独的心电信号和噪声混合对Fast ICA进行降噪测试,通过降噪后心电信号和原信号对比测试基于峭度和负熵的Fast ICA的降噪效果,然后对Da ISy数据库中的真实含噪心电信号进行降噪,分析其在真实环境中的降噪效果。结果通过多组合成混合含噪心电信号和真实含噪心电信号对两种Fast ICA进行分离测试,发现两种Fast ICA都可成功地分离心电信号和噪声,其中基于峭度的Fast ICA的降噪速度较快,而基于负熵的Fast ICA的精确度较高。结论基于峭度和负熵的Fast ICA可以应用于心电信号的降噪中,并且能够有效降低信号噪声。

改进的FastICA在盲图像分离中的应用

盲源分离(BSS)是信号处理领域的一个热点问题。独立分量分析(ICA)是一种基于高阶统计量的信号分析方法,它可以找到隐含在数据中的独立分量,已广泛应用于信号处理领域。为了有效地对混合图像进行盲源分离,介绍了一种基于改进的快速固定点算法(FastICA),对经过随机线性混合后的模糊图像进行盲源分离。仿真结果显示,该算法可以很有效地对线性混合图像进行盲源分离。