基于含噪复值ICA信号模型的快速不动点算法

复数快速不动点算法亦称为复数FastICA算法,是盲信号分离的一类重要算法。然而,该算法对被噪声污染的混合源的分离效果较差,尤其是在低信噪比的情况下。这主要是由于在噪声环境下,被白化过后的信号样本的相关矩阵不再是单位阵而是一个对角矩阵。该文基于复信号快速不动点算法,首先将基于含噪复值ICA信号模型的混合源投影到信号子空间,以便进行去噪和去相关处理,然后对现有的复数FastICA算法的学习规则做了修正,从而在迭代更新过程中考虑了噪声的影响,因此将显著提高复数FastICA算法的盲信号分离性能。文中给出了去噪非圆信号nc-FastICA算法的推导和步骤,仿真结果说明了该算法的有效性。

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。

压缩感知中基于快速不动点迭代算法的研究

针对传统迭代算法在解决大规模问题时速度较慢的问题,在介绍了压缩感知中重构的基本模型以及传统不动点迭代方法(FPC)的基础上,提出了一种新的重构算法-快速不动点迭代方法(FFPC)。传统的不动点迭代方法其实是基于算子分裂的方法。为了提高去重构性能,通过引入软阈值和正则化参数的双收缩,逐步迭代恢复原始图像信号,以加快算法的收敛速度,减小重构误差,从而改善图像的重构质量。仿真结果表明,在相同的实验环境下,与传统的不动点迭代算法以及其他算法相比,快速不动点迭代算法重构图像的峰值信噪比较高,相对误差较小,在低采样率下运行时间较少,性能最优。

压缩感知理论下基于快速不动点连续算法的地震数据重建

地震勘探中由于采集成本和采集条件等因素导致的地震数据不完整性极大地影响了地震数据的后续处理。为此,引入了一种压缩感知理论下的快速不动点连续(fast fixed point continuation,FFPC)算法对缺失的地震数据进行重建。首先对地震数据进行小波变换,然后根据要求选择合适的测量矩阵对地震数据进行缺失处理,最后采用FFPC算法重建缺失后的稀疏地震数据。模型数据及实际地震数据测试结果表明,该算法能够很好地完成地震数据重建,重建后的地震数据具有较高的信噪比。相对于不动点连续(fixed point continuation,FPC)算法,FFPC算法耗时更短、重建效率更高;相对于传统的正交匹配追踪(orthogonal matching pursuit,OMP)以及最小化L1范数的谱投影梯度(spectral projected-gradient for L1minimization,SPGL1)等算法,FFPC算法的重建精度更高。

基于MNC-FastICA算法的稳健自适应波束形成

针对导向向量失配的稳健自适应算法主要是基于导向向量不确定集约束,但是其约束参数往往难以确定,提出了基于修正的非圆复值快速不动点算法(MNC-FastICA)的波束形成方法,通过盲分离得到的分离矩阵来构造波束权向量,并对由此产生的信源幅相模糊进行校正。该方法不必预先估计信号来波方向,避免了传统方法中来波方向估计不准引起的期望信号的导向向量失配;对于阵列通道幅相误差导致的导向向量失配,该方法对其不敏感,不必对阵列进行校正。仿真实验与最差性能最佳化(WCPO)等经典方法作了性能对比,结果验证了该算法的有效性和稳健性。

基于FastICA算法的高光谱图像混合像元分解

高光谱图像的波段数很多,独立成分分析能利用相对主成分分析更高的统计分量,不但可以获得去相关的效果,而且可以得到相互独立的结果波段图像.首先讨论了独立成分分析的基本原理,在此基础上介绍FastICA算法,并将其应用到高光谱遥感图像混合像元分解之上.实验结果表明,FastICA算法在解混的同时估计出端元光谱的个数.

改进的ICA胎儿心电信号提取法

独立分量分析(ICA)模型中,有关独立性的假设对模型的可识别性至关重要,然而在实际应用中信号源之间往往有某种程度的联系。孕妇腹部信号是由胎儿心电信号(FECG)和母亲心电信号(MECG)线性混合而成的,但是FECG与MECG之间存在一定的相关性,不是完全统计独立的,针对信号源之间弱独立性的这一特点提出了一种新的非入侵式胎儿心电信号提取方法,试验表明该方法比直接用传统的ICA方法提取的胎儿心电信号噪声小、分离效果好。

独立分量分析在柴油机缸盖振动信号分离中的应用

采用独立分量分析的方法进行了柴油机缸盖振动信号分离的研究.建立了基于Fixed-pointICA算法的4135船用柴油机缸盖振动信号分析模型,分析了这些振动信号的性质.针对实际应用,对采集到的2路混合信号进行分离,得到了各独立分量的时域和频域分布.分离结果表明独立分量分析是一种行之有效的信号处理的新方法.

一种呼吸信号的检测方法

探讨呼吸波形的检测方法,针对现有方法的不足,提出了从肌电提取呼吸信号的检测方法—肌电频谱法。该方法首先利用FastICA算法消除胸部肌电信号中的心电信号成分,再对处理后的信号进行短时傅立叶变换,提取平均平移曲线得到呼吸波形。通过仿真及对实际信号的处理,表明该方法简单有效,可以准确地从肌电信号中提取呼吸信号。

核独立成分分析在fMRI数据中的应用

介绍了一种全新的功能核磁共振数据(fMRI)分析方法即核独立成分分析方法,它是核方法与典型相关分析方法的综合运用。将Bach和Jordan提出的核独立成分分析方法应用于功能核磁共振成像数据分析,并基于实验所得的时间序列与参考函数的相关系数的大小,比较了该方法与经典的成分分析方法-主成分分析(PCA)方法与快速不动点算法(FastICA)的实验结果。结果表明,对fMRI数据而言,核独立成分分析方法和FastICA算法要优于PCA算法。

时变混合系统的在线FastICA算法

现有的多数盲源分离(BSS,Blind Source Separation)算法都是假设混合系统是时不变的,然而在实际的通信系统中混合系统常常是时变的。传统的快速不动点(FastICA)算法具有快速收敛的优点,但是不能直接用于处理混合系统时变的盲源分离问题。为了提高盲源分离算法的收敛速度和对时变混合系统的跟踪性能,改进了传统FastICA算法,将混合信号分段,在各段样本中估计峭度并采用批处理的方法进行分离。仿真实验表明,改进后的FastICA算法能在时变环境中跟踪混合系统的时变,并能有效地抗多音干扰。