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。

一种应用幅值信息的一单元定点复数ICA-R算法

参考独立分量分析(Independent Component Analysis with Reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取。然而,目前尚无复数域ICA-R算法。该文在约束ICA框架下,利用期望源信号的幅值信息提出了一种定点复数ICA-R算法,用于抽取某个期望的复数源信号。首先,采用复数fastICA算法的差异函数和关于复数信号幅值信息的不等式约束建立了复数ICA-R模型,然后采用增广朗格朗日函数和K-T条件推导了复数ICA-R定点算法。计算机仿真和性能分析结果表明,由于利用了幅值信息,复数ICA-R的估计性能优于传统的复数fastICA算法。

基于ICA-R的复值信号抽取方法

参考独立分量分析(independent component analysis with reference,ICA-R)通过引入参考信号而实现期望实值源信号的抽取,具有消除传统ICA输出顺序不确定性和显著降低运算量等优点.为此将ICA-R的优势拓展到期望复值源信号抽取.首先,将N维复值ICA问题转化为由其实部和虚部组成的2N维实值ICA问题;然后,利用期望源信号的实部参考信号或虚部参考信号进行ICA-R;最后,根据转换混合矩阵的结构特点,消除ICA-R抽取信号实部与虚部间的幅值不确定性,进而得到无附加相移的期望复值信号.计算机仿真和性能分析结果表明了所提方法的有效性.

基于改进ICA-R算法的多用户信号盲提取

针对单通道通信系统中多用户信号盲源分离(Blind Source Separation,BSS)时出现的干扰问题,提出了一种改进的带参考向量的独立成分分析(Independent Component Analysis with Reference,ICA-R)算法。该算法通过将接近性度量函数的倒数添加到对比函数中,从而得到一个新的对比函数,然后利用拉格朗日乘子法得到最优的权向量,最后,通过线性转换提取出多用户信号。提出的改进的参考独立分量分析算法与先进的ICA-R方法相比具有更快的收敛速度和更高的提取精度。仿真结果表明,该算法能够有效地提取出多用户信号,并且提取精度高,算法的鲁棒性好。

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.

独立成分分析在随钻地震信号处理中的应用

随钻地震是利用钻头破岩发出的信号作为震源,进行钻头前方地层预测的一门技术。随钻地震记录信噪比低,波场非常复杂,其数据处理的关键是从钻柱顶端加速度传感器的记录中分离出来自钻头的振动信号,作为与地面记录互相关的源函数。本文利用独立成分分析方法对钻柱顶端安装的两个加速度传感器的6个分量进行处理,并利用相应的混合矩阵和波形特征,对各种独立成分来源与特征进行分析。利用得到的独立成分和地表地震记录做相关处理,并从地面记录道中估计出了地滚波、钻具折射波和直达波,提高了处理资料的信噪比。此法表明,独立成分分析方法对于解决随钻地震多种信号的混叠问题和提高随钻地震数据处理的质量非常有效。

基于参考独立分量分析的语音增强方法

参考独立分量分析(independen t com ponen t ana lys is w ith reference,ICA-R)将源信号的先验知识以参考信号的形式引入学习算法中,可以从混合信号中仅抽取期望的源信号.基于ICA-R提出了一种语音增强新方法.通过比较语音信号和多种噪声信号的特点,合理地构造了具有语音信号重要特性的参考信号,进而应用ICA-R从多种加性噪声中抽取了期望增强的语音信号.计算机仿真和性能分析结果均表明了该方法的有效性.

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.

基于扩频码周期性的单通道直扩通信半盲分离抗干扰算法

为克服传统盲源分离抗干扰方法需要多副接收天线这一技术瓶颈,提出一种单通道下基于扩频码周期性的直扩通信半盲分离抗干扰算法。该方法基于扩频码的周期性,利用符号级过采样,把单通道多径慢衰落信道模型转化为多通道瞬时混合模型,同时将训练序列作为先验信息以约束条件的形式引入到盲分离代价函数中,直接从混合信号中提取出期望用户数据,而达到抗干扰的目的。仿真结果表明,在多址干扰和单/多音干扰下,当信干比为-60dB时,随着归一化信噪比Eb/N0的增加,未分离信号的误码率几乎不变,并在10^-0.3附近波动,而经过所提抗干扰算法处理后的信号误码率逐渐降低,并最终稳定在10^-4～10^-5。

基于负熵最大化的机械振源半盲分离方法

为了快速、有效地分离传感器观测信号中的机械振源信号,提出一种负熵最大化的机械振源半盲分离方法.该方法根据目标振源的振动特性构造相应的参考源信号,将参考源信号和分离的目标振源信号的均方误差作为约束条件引入到盲源分离的对照函数中,通过求解约束最优问题,实现目标机械振源信号的分离.试验结果表明,基于负熵最大化的半盲分离方法能快速、有效地分离出目标振源信号,为机械振动信号的监测与故障诊断提供一种新的方法和思路.

基于约束独立分量分析的矿用齿轮故障诊断研究

针对矿用齿轮传动故障信号较弱,极易被其他振动信号所淹没,使得已有诊断方法在矿用齿轮故障诊断中的应用受到限制,难以提取出齿轮故障特征信息的问题。将约束独立分量分析(CICA)这一理论方法应用于矿用齿轮振动故障诊断,通过对齿轮传动振动的分析,建立齿轮振动约束独立分量分析(CICA)参考信号,用于提取齿轮振动信号中的故障信息(即独立分量)。研究实例表明,应用约束独立分量分析(CICA)方法,能有效提取出矿用提升机齿轮减速箱中齿轮的故障,为矿用齿轮传动振动故障诊断提供一条新途径。

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。

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.

MW-cICA算法在滚动轴承故障诊断中的应用

为了提取强背景噪声下滚动轴承故障特征信息,提出了一种多小波预处理的约束独立分量分析(MW-cICA)算法。该算法首先对输入信号进行多小波降噪处理,提高信号信噪比;然后应用约束独立分量分析方法提取故障特征。与传统的小波独立分量分析(W-ICA)方法相比,该方法具有如下优势:1)由于多小波具有单小波所不能同时具有的正交性、对称性、紧支性和高阶消失矩等特点,因而对信号的降噪效果更加明显;2)引入参考信号作为约束条件,使得算法直接收敛于期望信号,提高了运算效率;3)建立基于故障模型的参考信号能够更加接近于真实期望信号,提高算法性能。仿真结果表明,多小波比单小波具有更好的降噪效果,基于故障振动模型的约束独立分量分析比传统的FastICA算法运算效率更高。将该算法运用于滚动轴承内圈故障试验中,可成功提取出内圈故障特征信号。

改进的参考独立分量分析算法

针对参考独立分量分析收敛速度较慢的问题,提出了两种基于改进的快速收敛牛顿迭代方法的参考独立分量分析方法。该方法首先对观测信号进行白化预处理,避免观测信号矩阵求逆运算,减少了算法的计算量;然后采用修正的具有三阶收敛速度的牛顿迭代方法对参考独立分量分析的代价函数进行优化,推导出快速收敛的参考独立分量分析算法。仿真实验结果表明,改进后的算法是有效的,算法收敛速度相对原算法提高了1.7倍,相对现有算法提高了1倍,而且误差更小。

引入参考信号的新峭度快速不动点算法

在盲源分离和独立成分分析中,峭度是衡量随机信号非高斯性的常用对比准则,通过不同类型的算法对其进行优化,找到非高斯性极大值点,即实现了源信号的提取或分离。例如,基于峭度的快速不动点算法,它是一种收敛速度很快的算法。最近,Marc Castella等人提出了一类基于所谓"参考信号"的对比准则,以及对应的梯度最大化优化算法,这些算法具有很好的收敛性能。受其启发,文章以一种类似的方式将"参考信号"思想应用到峭度中,得到一种新颖的对比函数,并基于该新峭度对比函数,提出了一种新的快速不动点算法。与经典的基于峭度的快速不动点算法相比,该算法极大地提高了收敛速度,尤其是随着信号样值点数的增加,该算法的优势会更加明显。文章分析和证明了该新峭度对比函数的局部收敛性,给出了新算法的详细推导过程,仿真实验验证了该算法的性能,并与经典算法进行了比较分析。

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。

基于训练序列的跳频通信下变频参考ICA抗干扰方法

针对跳频通信盲分离抗干扰过程中采样率高、需要额外信号提取单元的难题,通过对跳频通信系统进行下变频处理,提出一种基于训练序列的参考ICA抗干扰方法。首先构建跳频通信盲分离的下变频处理模型;然后通过引入训练序列作为参考信号,利用参考独立分量分析算法,从导频下变频混合信号中获得期望信号的分离向量;最后基于此分离向量,从业务下变频混合信号中直接提取出期望信号。不仅降低了系统的采样率,而且节省了信号识别与分选的工作开销,同时由于滤除了部分带外干扰和噪声,改善了分离效果。仿真结果表明:新算法的误码率性能与Baseband-JADE、Baseband-Fast ICA相当,相比于RF-JADE、RF-Fast-ICA算法及RF-ICAR算法,新算法具有更好的分离效果,可明显改善跳频通信在强干扰下的误码率性能。