低复杂度的fMRI脑激活区定位的盲分离算法

功能磁共振成像(FMRI)是一种医学影像技术,由于具有非侵入性和较高的时空分辨率等优点现已被广泛应用于脑区定位。然而传统的FMRI信号分离算法复杂度太高,运行时间长,不利于FMRI技术更有效地应用于脑功能的研究。针对传统FMRI脑区分离算法的计算复杂度问题,提出了一种基于二阶哈达码变换的盲分离算法。先计算fMRI数据中血氧水平依赖(BOLD)信号的相关函数,然后对其进行特征值分解得到解混矩阵,以此实现激活脑区定位。由于哈达码只由1或-1构成,因此可减少BOLD信号相关矩阵计算的复杂度。仿真结果表明,相比高阶统计量的独立分量分析(ICA)和二阶统计量的傅里叶变换盲分离算法,该算法的计算时间分别只有其25%和50%,而定位误差却较为接近。

基于盲源分离的钢筋混凝土梁非线性振动特性分析

将盲源分离技术应用于结构非线性振动特性分析,在小波软阈值去噪的基础上,用二阶统计量盲辨识(SOBI)算法从结构的振动信号中分离出第一阶振动分量,然后利用Hilbert变换得到频率与振幅的关系。在数值仿真算例的基础上,采用钢筋混凝土简支梁和预应力箱梁的试验数据,验证了在分析结构非线性振动特性时,盲源分离技术抗噪性好,比短时傅氏变换更易操作。结果表明:在较小损伤的情况下,利用非线性振动特性识别结构损伤程度,有时比由基于线性振动的模态识别得到的结构频率改变的方式更可靠。