基于改进FastICA算法的工控网络恶意节点攻击检测系统设计

为了确保工控系统的安全和可靠性,基于改进FastICA算法,设计工控网络恶意节点攻击检测系统。在工控网络服务器端集群中,从网络服务器端、攻击行为排重模块、恶意节点辨识模块和Fabric攻击行为检测组件等4部分设计工控网络恶意节点攻击检测系统的硬件模块。在此基础上计算Fast初始值,统计ICA单位的不确定性,改进FastICA算法。由此,联合相关攻击行为信息,推导恶意节点的攻击分离条件。实验结果表明,按照1∶1的负荷标准分配待测数据,所设计系统可以有效检测恶意节点攻击行为,得到的恶意节点实时检测数量值与额定值的拟合度接近100%,能够较好维护网络体系的运行稳定性。

基于FastICA算法的电力线通信OFDM信号分离方法

提出了一种基于快速独立成分分析(FastICA)算法的电力线通信正交频分复用(OFDM)技术信号分离方法。该方法在FastICA算法对2路观测信号进行解混处理的基础上,将解混信号的前导字段幅度归一化后分别与OFDM符号的前导序列的对应字段进行互相关,取相关值中最大值较大的解混信号作为通信信号,实现了通信信号和噪声的正确识别。定义分离比值为2路相关值中最大值的比值,作为解混效果的评价标准。通过设置合适的分离比值阈值,实现了期望的解混效果。以解混信号的前导字段为参考相位,采用DBPSK调制解调方式,实现了接收数据与解混信号相位无关。建立了MATLAB通信系统仿真模型,仿真结果验证了该方法在低信噪比条件且无纠错编码功能时仍具有较好的通信效果。最后基于硬件平台对算法的可实现性进行了验证测试。

基于FastICA算法的物理漏损流量分析模型

为解决传统供水管网物理漏损流量分析模型模拟准确度不高、无法体现物理漏损流量与水头关系的不确定性等问题,基于快速独立成分分析(FastICA)算法构建物理漏损流量分析模型.该模型将供水总流量划分为用水流量和物理漏损流量,并视为2个源信号.以供水总流量和管网入口处水头2个参数为输入参数,通过源信号分离获得2个流量的波形信息,通过比较相关系数确定源信号的顺序,通过水平衡方程确定物理漏损流量的真实尺度,实现物理漏损流量在时间序列上的模拟.该模型输入参数易于获取且有效避免了物理漏损流量与水头关系的复杂性,在单水源供水管网中模拟准确度较高,并且在供水管网水力模型节点流量分配中得到了较好的应用.

轴承故障诊断FastICA算法性能优化方法

为提高FastICA算法的收敛平稳性和速度,克服FastICA算法对初始值选取敏感的问题,提出在最速下降法中引入松弛因子优化FastICA算法中解混矩阵初始值的方法。首先,按最速下降法负梯度原理确定初始值目标函数最速收敛方向,以最快速度选取靠近目标函数解的粗优值;然后,通过引入松弛因子αk,限制目标函数的下降性质,促使其进入牛顿迭代法收敛区域,最终达到收敛。将优化后的FastICA算法应用于轴承故障诊断中,根据多次仿真次数下迭代时长及时长的波动趋势验证优化FastICA算法在平稳性和速度方面优于传统FastICA算法,且不影响FastICA算法的分离性能,能准确诊断出轴承的故障类型。

小波与FastICA结合的阻抗胃动力信号处理方法

研究一种用于多通道体表阻抗胃动力信号采集与信息提取的处理方法。运用作者研制的四通道阻抗胃动力检测系统进行健康人阻抗胃动力信号采集实验。将小波变换的多分辨率特性和FastICA算法的盲源分离特性相结合,把采集的四通道阻抗胃动力信号经小波变换分解重构后作为ICA输入,再经FastICA算法实施盲分离,实现阻抗信号分离与胃动力信息提取。将运动和呼吸干扰对应的部分权值置0,反向投影回观测空间,成功分离出阻抗胃动力信号中的独立成分,从而得到了清晰的多道胃蠕动阻抗波形。新方法对多通道的阻抗胃动力信号的盲分离是有效的,可以实现微弱、混叠的胃运动信息清晰提取。

针对FastICA计算终点判断的算法改进

独立分量分析不能分离高斯分布信号,导致对含高斯噪声系统计算不收敛;FastICA可以从系统中逐个计算出独立分量,通过计算系统残余信息的自相关函数值,判断残余信息属性,找出独立分量分析的计算终点,对FastICA算法进行改进,可以避免无效计算,节省计算时间。改进后的算法可以自动判断含噪声的线性系统的独立分量数目,与预先定义分量数目的独立分量分析相比,具有更好的降噪效果。

一种改进的FastICA算法在胎儿心电提取中的应用

目的为了改进传统FastICA算法对初始权值较敏感的问题,本文提出一种基于超松弛因子改进的FastICA算法来提取胎儿心电。方法首先对Da ISy数据库中的母体腹部混合信号进行中心化和白化处理,去除信号间的相关性;然后在牛顿迭代算法中引入超松弛因子对随机产生的初始权值进行处理,再用改进FastICA算法提取胎儿心电;最后对胎儿心电信号的提取结果通过可视化的波形和量化指标进行评估。结果实验结果显示该算法平均迭代次数由改进前的55次降到15次,信噪比也得到提高,并且改进后算法提取出来的胎儿心电几乎不掺杂母体心电。结论基于超松弛因子改进的FastICA算法,在保持收敛速度的同时,放宽了对初始权值的要求,避免了收敛不平衡,减少了迭代次数,可以提取出比较清晰的胎儿心电。

基于FastICA算法的网络入侵异常信号检测系统设计

为解决传统网络异常信号检测系统存在信号检测准确率差、检测用时较长等问题,提出基于FastICA算法的网络入侵异常信号检测系统设计。系统硬件部分分为三个模块,在系统信号接收模块中,采用INOVONICS 635远程信号监测接收器,将无线电音频或有线音频发送到任何计算机,并辅助系统监测功能,达到信号数据预处理;在信号传输模块中,不断拓展信号传输通道,选择TL信号传输电缆强化信号传输性能,追踪信号状态,实现信号实时监管;系统软件部分主要引入FastICA算法提取网络异常信号以及异常信号特征,从而完成网络入侵异常信号的检测。实验结果表明,该系统对网络入侵异常信号检测能力较强,且工作效率较高。

基于MIMU的FastICA算法钻头故障振动信号分析

为了解决钻头在钻进过程中由于采集到的信息存在信噪比低和钻头与钻柱振动信号互相混叠而难以对钻头故障振动状态进行有效识别的问题。提出一种基于MIMU的FastICA算法来对钻头与钻柱振动数据进行处理分析,从而放大了钻头振动信号特征(正常、松动),提高了钻头振动信号的识别度。首先对经MIMU采集而来的原始数据进行误差分析和预处理,接着使用FastICA算法进行仿真实验,最后采用预处理后的松动状态下钻头与钻柱的振动信号进行实例实验验证。经验证,此方法有效放大了钻头的振动信号特征,有一定的实际意义。

基于复数FastICA算法的盲多用户检测

针对MIMO-OFDM系统,提出了一种基于复数FastICA的盲多用户检测算法.该算法首先利用复数FastICA算法的快速收敛特性来提高多用户的分离速度,同时利用信号的相关函数对复数FastICA算法引起的幅度不确定性和相位不确定性进行了修正,最后将所提出的改进算法与复数自然梯度学习算法(CNGLA)进行仿真比较.结果表明,相比于传统的自然梯度算法,所提算法不仅收敛速度较快,而且具有更低的误码率,另外随着接收天线的增多,信号的分离效果会更好.

基于FastICA算法的电路故障诊断方法

在电路故障检测中针对元件种类较少且同一种元件重复出现的电路,提出基于FastICA(fast independent component analysis)算法的故障诊断方法。该方法首先对电路中的元件进行分类再按信号叠加算法分组建立测试电路,电路正常工作时测试电路不给电。利用FastICA算法对测试信号进行盲分离,初步判断分离结果后与预先建立的元件故障信号库Mf的信号作相关分析判定故障类型。这种故障诊断方法简单易实现且对元件类型没有限制,在检测过程中元件之间没有相互干扰可确保诊断的准确性。仿真表明该方法能有效判断出电路的故障情况。

基于FastICA-SLLE的转子系统故障诊断研究

提出了基于快速独立分量分析(FastICA)和监督局部线性嵌入算法(SLLE)相结合的转子系统故障诊断的方法。采用快速独立分量对多通道传感器信号进行盲源分离,采用监督局部线性嵌入算法对振动信号数据进行降维处理和故障特征量提取,最后将SLLE提取的故障特征量作为支持向量机(SVM)的输入,建立系统故障诊断模型。实验结果表明该方法能够有效地识别转子系统故障,与ICA-MLP、ICA-SVM方法相比,分类精度得到较大的提高,而故障辨识时间则相对较少。

FastICA算法的一种新推导方法

利用CR微分理论,提出快速主成分分析(Fast ICA)算法一种完全基于复域上的新的推导方法,避免了原推导方法中因复值数据拆分引起的推导过程繁琐等不足,更易于算法的扩展.

基于FastICA的盲干扰对齐算法

为克服现有的干扰对齐方法中发送端信道传输信息不足的问题,提出了一种新的盲干扰对齐(BIA:Blind Interference Alignment)算法。在K用户MIMO(Multiple Input Multiple Output)干扰信道中,发射端已经建立起干扰对齐机制条件下,依照盲源分离(BSS:Blind Source Separation)理论,将IA(Interference Alignment)模型与BSS模型相结合,在接收端采用Fast ICA(Fast Independent Component Analysis)算法,建立以干扰对齐为模型的目标函数。对数据进行中心化,通过逐个分离的方法,单独分离每个独立分量,从而提取期望信号。Matlab仿真结果表明,该算法能在未知信道状态信息的情况下有效实现干扰对齐,同时具有较好的误码率。

一种分离噪声盲源信号的FastICA改进算法

大功率机械所产生的非平稳噪声源,用FastICA算法可以有效地分离出噪声信号,但噪声源识别的准确性较低,为此提出了一种分离噪声源的FastICA改进算法。新方法将最大相似准则、优化算法和快速傅里叶变换相结合,对分离信号的不确定性进行了有效校正。经仿真实验验证,新方法能够完整地还原仿真波形信号,表明该改进算法确实可行且准确性较高。

基于FastICA和Prony算法的低频振荡参数辨识

传统Prony算法进行参数辨识存在对信号噪声非常敏感的缺点,同时对输入信号有较高的要求。因此,本文首先介绍独立分量分析(Independent Component Analysis,即ICA)和FsatICA基本原理,然后提出将FastICA算法和Prony算法相结合的低频振荡参数辨识方法。该方法首先以广域测量信号作为输入信号,然后利用FastICA方法对输入信号进行预处理而达到降噪,最后利用Prony算法对滤波后的信号进行分析得到电力系统低频振荡参数。通过对理想信号和四机两区算例分析,验证了此方法在FastICA去噪之后,能够提高Prony提取低频振荡参数辨识的准确性、快速性和抗噪能力。

基于FastICA的输电线路行波故障测距方法

为了解决输电线路故障信号存在抵偿效应导致测距精度不足的问题,建立线性瞬时混合的线路模型。采用快速独立成分分析法(FastICA)对采集的多通道线路故障原始数据(观测信号)进行相关分析,将表征故障特征的各分量逐一提取。以能量比函数对故障分量进行求解,设定能量比阈值以定位故障时刻,实现基于行波原理的线路精确测距。大干扰条件下故障特征受噪声信号干扰,会对测距精度产生影响。对此,FastICA算法能将噪声信号从故障原始数据中分离,避免噪声对测距过程产生的影响,进一步提高测距精度。仿真实验证明:所提出的方法能有效避免噪声干扰的影响,能适应大干扰条件下的故障测距,具有较好的抗干扰性。

基于VMD和改进的FastICA算法的旋转机械故障信号分离方法研究

针对分离出的旋转机械故障信号的非线性非平稳性问题,本文提出一种对旋转机械故障信号分离的方法。首先针对以往利用EMD方法分解的特征信号存在的模态混叠问题,利用VMD方法完成对旋转机械故障特征信号的分解。其次,选取相应的分解后特征信号构成观测序列,利用FastICA算法对观测序列进行分离得到源信号,最后针对FastICA算法的收敛性差、对初始值敏感等缺陷进行改进,提出一种基于VMD和改进FastICA算法的旋转机械故障信号分离方法。经实验验证,该方法提高FastICA算法收敛速度,提升旋转机械故障信号分离质量。

基于改进FastICA的雷达信号分离方法

针对基于辐射源描述字的传统信号分选方法难以适应当前复杂电磁环境的问题,提出基于改进FastICA算法的雷达信号分离方法。该方法利用PCA方法对数据进行降维预处理,采用改进算法循环迭代,得到分离矩阵,再根据分离矩阵提取出独立的雷达信号成分。仿真实验结果表明,该方法所采用的算法能够在复杂电磁环境下分离出源信号,而且较传统FastICA算法具有更快的收敛速度。

基于EMD-FastICA与DGA-ELM网络的轴承故障诊断方法

针对风电机组滚动轴承故障诊断问题,提出基于EMD-FastICA和DGA-ELM的轴承故障诊断方法。首先,用EMD对单通道故障振动信号进行分离并构建多维信号矩阵,计算多维信号矩阵的协方差矩阵并对其进行奇异值分解,借助Bayesian信息准则估计单通道振动信号的源数,接着采样FastICA实现单通信号分离。仿真结果表明,EMD-FastICA能有效地对信号进行分离。其次,从分离后的故障振动信号中提取时域特征值,并用降维遗传算法进行变量筛选,随后引入指数变异概率和混合变异对经典遗传算法进行改进,并建立改进遗传算法优化的极限学习机诊断模型。最后,将经典遗传算法、适值函数标定遗传算法、大变异遗传算法、自适应遗传算法作为对比算法,对滚动轴承故障实施诊断分析。诊断结果表明,文中提出的诊断方法比其他诊断模型效果好。