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.

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。

基于带参考信号独立分量分析的高光谱图像目标探测

提出了一种用于高光谱图像目标探测的预处理方法,目的是提高目标光谱的准确性,进而提高有监督目标探测算法的精度.该方法将实验室或野外获取的目标光谱作为参考信号,利用带参考信号的独立分量分析方法,从图像中提取出与参考信号相关性最大的独立分量作为新的目标光谱.仿真和实际高光谱数据的实验结果表明,所提出的方法能较大提高目标光谱的准确性,从而较大提高目标探测算法的精度.

参考独立分量分析固定点算法

参考独立分量分析将源信号的先验信息以参考信号的形式引入到算法中,仅实现期望源信号的抽取,消除了传统独立分量分析中抽取信号的不确定性;以期望信号和参考信号的接近性度量作为目标函数提出了一个固定点算法,避免了人为选取步长,同时通过优选初值进一步提高算法的收敛速率。针对合成数据和实际的心电图数据仿真实验,证明了算法的有效性和更好的收敛性。

快速收敛参考独立分量分析方法

为提高参考独立分量分析收敛速度,提出了改进的快速收敛参考独立分量分析方法。该方法首先采用预白化方法对观测到的信号进行处理,降低后续处理算法的复杂度,然后采用收敛速度更快、结构更简单的牛顿迭代方法对其进行优化,提高其收敛速度。理论分析表明,改进后的算法相对现有算法每次迭代的计算量基本相同;实验仿真结果表明,相对现有方法,改进后的算法具有较快的收敛速度,且误差保持不变。

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。

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。

约束独立分量分析在无线通信信号分离中的应用

无线通信信号的调制方式识别是复杂电磁环境下频谱检测和频率控制的重要研究目标,为了实现频谱共存条件下调制信号的模式识别,通过利用范围区间和灵敏度参数构造参考信号,提出了一种带参考信号约束的独立分量分析(CICA)算法进行无线通信信号分离,实验仿真表明CICA算法能够很好地分离出感兴趣的信号,在0dB信噪比下分离信号和源信号的相似系数高于60%,与传统ICA方法相比,分离效果有了明显的提升。

改进的参考独立分量分析算法

鉴于参考独立分量分析定义了所谓的接近性度量函数和与之相关的不等式,并把它作为约束项引入到负熵对比度函数中,取得了很好的分离效果,但存在若阈值选取不当则算法不收敛的问题.提出一个改进算法,算法的优化函数为负熵对比度函数和参考独立分量分析算法中的接近性度量函数之积,巧妙地避开了这个难以确定的阈值参数.针对合成数据和实际ECG数据的仿真实验表明,改进算法收敛快、提取效果好.

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。

基于相空间重构和ICA-R的轴承故障特征增强方法

针对实测滚动轴承早期故障信号中故障特征频率成分微弱、难以识别及提取的问题,设计了一种结合相空间重构(phase-space reconstruction,简称PSR)和参考独立分量分析(independent component analysis with reference,简称ICA-R)的故障特征增强方法。利用相空间重构将一维时域信号拓展到高维,再进行参考独立分量分析,将所感兴趣的轴承故障特征频率成分进行增强。该方法相比传统频率提取方法具有效果好、对干扰频率抑制明显的特点。仿真结果和工程实测信号表明,该方法对滚动轴承早期故障特征提取有效可行,具有一定工程应用价值。

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.

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.

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。

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.

基于ICA预处理的ANC参考信号获取

传统有源降噪(ANC)系统希望将声场的能量全部抵消,忽略了有用信号的存在。针对这一情况,本文设计了一种基于独立分量分析(ICA)有噪瞬时混合模型的预处理系统,利用分离矩阵信息和输出信号峭度值的计算,解决了排列模糊和尺度模糊问题,为有源降噪提取出纯净的参考信号。理论分析和仿真结果表明,在语音信号受干扰影响较小,其余混合信号信噪比不断恶化的情况下,仍可以有效并准确地分离出语音信号。

ICA-R算法在旋转机械故障信号提取中的应用

能否有效地提取故障信号的特征是对旋转机械进行故障诊断准确与否的关键所在。本文在介绍独立分量分析方法的基础上研究了基于参考信号的独立分量分析(ICA-R)算法,首先针对轴承与齿轮两类典型的旋转机械故障信号进行仿真,然后模拟出四路观测信号,同时根据先验知识建立参考信号,最后运用ICA-R算法对观测信号进行特征提取,并与仿真的故障信号进行对比分析。结果证明,ICA-R算法在旋转机械故障信号的特征提取中具有很强的优势,可实现弱故障信号的有效提取。