基于快速独立成分分析和支持向量回归的混合馈线线损估算

提出了一种基于快速独立成分分析和支持向量回归的架空和电缆混合配电网的线损估算方法。这种方法以混合馈线所含架空线长度、电缆线长度、馈线首端的有功和无功为特征参数,估计配电网的线损值。采用快速独立成分分析提取特征参数的独立成分,以特征参数的独立成分和线损值为支持向量回归的输入和输出,建立混合馈线的线损估算关系。实测数据的仿真结果表明,所提出的架空和电缆混合馈线的线损估算方法准确、有效、可行。

基于快速独立成分分析的RoQ攻击检测方法

降质服务(Reduction of Quality,RoQ)攻击比传统的拒绝服务攻击(Denial of Service,DoS)攻击更具有隐秘性和多变性,这使得检测该攻击十分困难。为提高检测准确率并及时定位攻击源,该文将攻击流量提取建模为一个盲源分离过程,提出了基于快速ICA(Independent Component Analysis)的攻击流特征提取算法,从若干观测网络和终端设备中分离出RoQ攻击流,然后提取表征攻击流的特征参数。接着设计了一种基于支持向量机的协同检测系统和检测算法,通过用已标记的有攻击和无攻击的样本训练SVM分类器,最终实现RoQ攻击的检测。仿真结果表明该方法能够有效检测并定位伪造IP地址的RoQ攻击,检测率达到90%以上,而选取合适的ICA参数会提高检测效果。

基于快速独立成分分析和能量比函数的串补线路故障测距

串补线路由于具有高度的非线性特性,使得常规的故障测距算法不再适用。为此本文提出一种基于快速独立成分分析和能量比函数的精确测距算法。该算法首先利用快速独立成分分析将故障行波从复杂信号中分离出来,然后运用能量比函数对分离出的信号进行处理,实现串补线路故障行波测距。由于该算法能将噪声分离出来,使得算法具有很强的抗干扰能力。ATP/EMTP仿真结果表明,该算法准确、快速、高效。

改进快速独立成分分析在胎儿心电提取中的应用

背景:胎儿心电图是反映胎儿心脏电生理活动的一项客观指标,获取的胎儿心电图受到母体心电的干扰,如何快捷、有效提取出胎儿心电成为重要的研究课题。目的:用改进的快速独立成分分析算法更快速、准确地将胎儿的心电从母体的心电信号中分离出来,以便更准确研究胎儿心电检查胎儿健康状况。方法:建立加入松弛因子和接近性度量函数的快速独立成分分析算法,旨在观察改进后的算法与原始快速独立成分分析算法在分离母体胎儿心电信号时速度和准确性上的区别。结果与结论:实验结果表明,改进后的快速独立成分分析方法能快速、有效从观察到的胎儿心电混合信号中分离出胎儿心电信号,且同时保留了其他信号。

基于局部均值分解与快速独立成分分析的潜水泵故障诊断

针对潜水泵故障诊断与分析时的信号干扰问题,提出使用局部均值分解与快速独立成分分析相结合的方法。将采集的振动信号进行局部均值分解,得出一系列的乘积函数分量,计算出每个分量与振动信号的互相关系数,选取互相关系数较大的分量进行重构并与振动信号组成矩阵,对矩阵进行快速独立成分分析处理,将处理后的有效数据进行频谱分析,得到最后的频谱图。通过具体实验,对比局部均值分解与快速独立成分分析处理后的正常运行和故障运行的频谱图,实现故障分析与诊断。实验结果表明,经过局部均值分解与快速独立成分分析处理的频谱图能够清晰地分辨出故障特征频率,提高了故障诊断的准确性。

基于快速独立成分分析的高效合作频谱感知方法

针对能量检测无法区分主用户与次用户的局限性,将基于快速独立成分分析的盲源分离算法引入频谱感知以分离主次用户的混合信号。在此基础上,提出一种基于近似负熵的判决准则对分离后的信号进行检测。针对单节点频谱感知的不可靠性,将以上算法拓展到加权合作感知,同时提出一种选择合作感知算法以降低感知数据传输开销和检测延时。仿真结果表明:所提算法能够可靠地检测主用户并能有效地提高频谱利用率。

基于独立成分分析的全波核磁共振信号噪声滤除方法研究

核磁共振测深(MRS)探水仪探测到的纳伏级微弱信号极易受到各种环境噪声的干扰,严重影响信号特征参数的准确提取,导致后续反演解释错误率增高.针对这一难题,提出了基于独立成分分析的快速固定点算法进行信噪分离.首先分析了该算法用于全波MRS信号消噪的适用性;其次,采用数字正交法解决欠定盲源分离问题,提出了频谱校正法实现分离信号幅值的有效恢复.仿真结果表明,该算法能够有效地实现全波MRS信号的信噪分离,且数据拟合后初始振幅和弛豫时间的相对误差小于±5.00%;通过与其他经典算法的对比分析,进一步证明了该算法消噪性能的优越性.将该算法应用到野外实测信号处理,结果证明其能有效滤除环境噪声.

基于傅里叶变换和独立成分分析的木材显微图像特征提取与识别

正确识别木材对木材科学和木材产业具有重要意义。提出一种提取木材显微图像特征并进行识别的新方法。首先进行傅里叶变换得到木材显微图像的傅里叶变换功率谱图,然后进行独立成分分解得到功率谱图的独立基,所提取的特征就是木材显微图像的功率谱图在独立基上的投影系数,最后利用支持向量机对待识别图像在独立基上的投影系数进行分类,实现木材识别。在200幅木材显微图像库上进行小样本实验,取得了较高的识别率。实验结果表明,该方法具有较大应用潜力。

独立成分分析在化学战剂混叠峰识别中的应用

在战场等复杂环境得到的混合气体的红外光谱主次吸收峰交错重叠,因此对其定性识别的特征提取方法就显得尤为重要。采集到的各种化学战剂和有机气体的红外光谱数据都是高维度数据,首先采用中心化后降维进行特征提取来尽可能多地捕获到它所包含的本质信息,由于混合气体的红外光谱是非线性、非高斯性信号,把非高斯性作为独立性度量将各成分作为独立分量分离出来,为了满足实时需求,在传统快速独立成分分析(Fast ICA)算法的基础上对其迭代过程进行优化,并应用极限学习机(ELM)建立模型进行定量分析。实验结果表明:改进算法的迭代次数较传统算法减少,定量分析均方差E=2.392 6×10-4,回归系数R=0.999,说明该方法在不影响分离精度的前提下提高了混合物质中纯物质光谱分离出来的效率。

基于维纳滤波和快速独立分量分析的P300提取方法

应用维纳滤波和快速独立分量分析技术 ( Fast ICA) ,提出一种诱发电位 ( EP) P30 0分量的少次提取算法。首先由少次刺激平均后的 EP和具体一次刺激信号构造维纳滤波器 ,对滤波后的结果进行叠加平均得到新的EP,然后利用 Fast ICA实现 EP与伪迹噪声的盲分离 ,最后通过人工或自动的方式识别出伪迹分量 ,将该分量移去进行算法的重新映射 ,提取出信噪比较高的 P30 0。实验结果表明 ,本文算法能取得较好的 EP提取效果 ,同时由较少的刺激次数就可获得易于辨识和测量的 P30 0 ,避免了过多刺激导致的神经疲劳及波形失真。

基于独立成分分析的地震数据去噪

独立成分分析方法(ICA)是近几年才发展起来的一种新的基于信号高阶统计特性的分析方法。对于相互统计独立的信号源经线性组合而产生的混合信号,采用ICA能从其中分离出各独立的信号分量。在地震勘探中,地震道信号和随机噪音通常具备非高斯信号的特点,统计性相互独立。在对地震数据和随机噪音信号特点进行分析的基础上,采用基于最小互信息的快速ICA方法实现地震数据去噪。模型分析和实例计算表明,该方法具有一定的可行性。

基于独立成分分析的数字水印研究

提出了一种新的利用独立成分分析提取数字水印的方法,把原始图像和数字水印图像在空间域直接混叠,得到两个嵌入水印的图像.通过对混合矩阵的控制实现水印的不可见性.把混合后的图像作为盲源进行分离,在整个提取过程中不需要原始图像和混合矩阵信息.仿真实验表明该方案很好的实现了水印的不可见性和鲁棒性的统一.

基于独立成分分析的图像特征提取研究

本文主要专注于独立成分分析(Independent Component Analysis简称ICA)图像识别方面的算法研究,提出了混合信号的维数可以小于分离的独立成分的维数的过饱和算法,而且保证了相当的精度.在实际应用中意味着使用少量的信号采集设备就可以得到目标对象的本质特征,这在很大程度上降低了信号处理的成本,扩展了ICA的应用领域.

基于FastICA-LDA的光伏并网逆变器故障诊断

为了实现逆变器开路故障诊断,提出了一种新的诊断方法。该方法采用快速独立成分分析算法判定逆变器是否发生单管开路故障,如果发生单管开路故障,计算旋转电流Id频域下的特征值,将这些特征值作为线性判别分析模型的输入值,最后由LDA模型输出逆变器工作状态编号,从而实现单管开路定位。经过MATLAB仿真验证表明,所提方法对光伏并网逆变器故障的诊断效果较好。

一种参考独立成分分析算法在弱信号提取中的应用

独立成分分析(Independent Component Analysis,ICA)是解决盲源分离问题十分有效的方法。特别是FastICA算法,它以中心极限定理为出发点,采用定点迭代的优化算法,收敛快速、稳健。但是在提取弱信号时,由于中心极限定理不再严格成立,FastICA算法也不再适用。因此从理论和实验两个方面着手验证了这个观点,并针对弱信号提取问题提出新的解决思路:在FastICA算法的基础上,引入源信号的部分先验信息作为约束,即参考独立成分分析(Independent Component Analysis with Reference,ICA-R)。若已知源信号的部分功率谱,结合加权范数最小化信号外推算法的思想,建立接近性度量,以约束的形式融入FastICA算法中,从而分离出要求的弱信号。实验结果表明,不管是对模拟信号还是真实的脑电信号,该算法都是有效的。

基于独立成分分析的结构模态参数识别

结构模态参数,包括模态振型、模态频率和模态阻尼,是结构健康监测与结构状态评估的前提。通过采用独立成分分析(Independent Component Analysis,ICA)技术将结构的响应信号分解为若干个相互独立的表征各阶特性的分离信号,进而采用单自由度系统参数识别技术对分离信号进行识别,从而完成对结构的模态振型、模态频率和模态阻尼的识别。最后,采用一三层框架模型作为数值算例对该方法进行验证。结果表明,ICA技术可以有效地识别结构模态参数。

基于快速独立分量分析的谐波间谐波频谱分离算法

在非同步采样条件下,若电网采样信号中谐波和间谐波相邻,会出现严重的频谱干涉问题,且无法识别出信号中实际频率成分。针对以上问题,提出了一种基于快速独立分量分析(Fast ICA)的频谱分离算法测量谐波和间谐波参数。首先构建了多频率成分模型,将频谱中的谱线表示为多个频率成分分量的叠加,然后利用Fast ICA算法和最小二乘法得到频率成分参数,最终实现了对相邻多频率成分的测量。仿真结果表明,该算法可以在需求谱线数较少的情况下准确识别频率成分并保持较好的测量精度,且具有一定的抗噪能力。

一种融合KPCA、FastICA及SVD的腹壁源胎儿心电 信号提取算法研究

目的:为实现从母体腹壁混合信号中提取高信噪比和波形清晰的胎儿心电信号,提出一种融合核主成分分析(kernel principal component analysis,KPCA)、快速独立成分分析(fast independent component analysis,FastICA)及奇异值分解(singular value decomposition,SVD)的胎儿心电信号提取算法。方法:首先,采用KPCA对母体心电信号进行降维,再利用改进的基于负熵的FastICA处理降维后的数据,得到独立成分。随后,引入样本熵进行信号通道选择,挑选出包含最多母体信息的信号通道。在选中的母体通道上进行SVD,得到母体心电信号的近似估计,再用腹壁源信号减去该信号得到胎儿心电的初步估计。最后,采用改进的基于负熵的FastICA成功分离出纯净的胎儿心电信号。在腹部和直接胎儿心电图数据库(Abdominal and Direct Fetal Electrocardiogram Database,ADFECGDB)和PhysioNet 2013挑战赛数据库中对提出的算法进行验证。结果:提出的算法在主观视觉效果和客观评价指标上都表现出优越的性能。在ADFECGDB数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.74%、98.85%和99.30%;在PhysioNet 2013挑战赛数据库中,胎儿QRS复合波检测的敏感度、阳性预测值和F1值分别为99.10%、97.87%和98.48%。结论:融合KPCA、FastICA及SVD的胎儿心电信号提取算法在提取胎儿心电信号的同时有效处理了附加噪声,为胎儿疾病的早期诊断提供了有力支持。

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。

基于改进的动态核独立成分分析的故障监测

随着现代工业自动化设备中计算机技术与传感器技术的快速发展和广泛应用,基于数据驱动的故障诊断方法也获得了进一步的发展。由于实际工业过程数据的非高斯性、非线性和时序性,为了解决工业过程出现的这一问题,提出一种基于改进的动态核独立成分分析方法。首先,通过对自回归模型中测量矩阵引入时滞参数得到一个适用于动态系统的增广矩阵;然后,选择核函数,计算核矩阵,将增广矩阵映射到高维空间进行白化;最后,利用改进的快速ICA方法提取出独立成分实现对新的测试数据进行在线监测。实验结果表明,该方法具有不错的效果。