单通道时变ICA算法及其在大坝变形分析中的应用

EEMD-ICA算法具有良好的单通道分离性能,但其使用的Fast ICA是一类离线批处理算法,没有时变处理能力。因此,本文研究了在线盲源分离的单通道独立分量分析(ICA)算法——EASI算法,该算法可用于识别混合矩阵缓慢变化,提出了一种基于EEMD的单通道时变ICA算法,即基于EEMD的单通道EASI算法(EEMD-EASI),并将其应用于五强溪大坝位移监测数据的单通道时变ICA分离中。模拟试验表明,EEMD-EASI算法在单通道时不变和时变混合情况下都具有良好分离效果;而大坝变形分析实例进一步表明EEMD-ICA算法能够分离出温度效应位移分量及时效分量,从时变混合矩阵可以看出大坝蓄水几年后趋于稳定。

时变幅度LFM干扰下的单通道盲分离算法研究

针对时变幅度LFM干扰下的单通道通信信号与干扰盲分离问题,本文提出了一种基于遗传粒子滤波的单通道扰信盲分离新算法。该算法首先建立了受扰信号的状态空间模型,并利用遗传重采样粒子滤波得到通信码元和未知参数的最大后验估计。针对标准粒子滤波中存在的粒子退化现象,本文引入了遗传进化操作来迭代估计优质粒子,在减少了所需粒子数量的同时,加快了算法的收敛速度,使新算法在时变幅度LFM干扰的影响下具有较好的分离效果。非扩频通信信号仿真实验表明,新算法在干信比小于15dB,信噪比大于16dB的条件下,可以有效地从单路接收的受扰信号中分离出通信信号与LFM干扰。

相空间重构单通道ICA算法及其在变形监测数据去噪中的应用

常用的去噪方法需对数据序列进行多尺度分解实现去噪,而未考虑信号本身的关联和特征。相空间重构单通道ICA算法依据相空间重构将一维信号扩展到高维相空间,从信号本身获取其隐含的动力学特征,从而利用独立分量分析分离有用信号和噪声。实验证明相空间重构的单通道ICA算法能够实现信号去噪,其去噪能力与多尺度分解去噪方法相当。此外,算法无须多尺度分解,自适应强,且适用于变形监测信号去噪。

单通道独立分量分析算法的比较分析

分析单通道ICA方法中不同算法的适用范围和优劣程度,通过仿真实验证实了单通道ICA算法在单通道信号分离的实用性,并讨论了单通道ICA算法在变形分析中应用的可行性。