基于快速独立分量分析算法的不同情绪下事件相关电位差异性分析

针对不同情绪诱发的脑电(Electroencephalogram,EEG)存在差异这一特性以及传统的情绪诱导方法效果不明显的问题,采用虚拟现实(Virtual Reality,VR)技术作为实验情绪诱导环境,并将三阶FastICA(Fast Independent Component Analysis)算法与事件相关电位(Event-Related Potentials,ERP)技术应用于脑电数据的伪迹处理和分析。实验结果表明:通过去伪迹处理之后的正、负性情绪和中性情绪下的脑电信号在ERP的N1、P2阶段有着显著性差异。在N1时间窗上,低效价负性刺激相较于高效价正性刺激会获得更多的注意资源的分配。在P2阶段发现大脑不仅优先加工对个体产生威胁的负性刺激,同样对具有动机意义的各类刺激也会表现出优先加工。

基于辅助函数独立分量分析的频域声回波消除

传统的声回波消除(Acoustic Echo Cancellation, AEC)方法使用双端通话检测器判断单、双端通话场景,性能受限.盲源分离(Blind Source Separation, BSS)信号模型是一个远端和近端信号并存的全双工模型,因此基于BSS的AEC无需双端通话检测器.本文采用基于辅助函数的独立分量分析(Auxiliary function based Independent Component Analysis, Aux-ICA)算法在频域上实现声回波消除,以最小化互信息为目标函数,借助辅助函数技术进行优化.仿真实验结果表明,在连续的双端通话场景中,该方法具有较低的计算复杂度和较好的回波消除性能.

基于独立分量相异性分析的动态过程监控研究

针对动态独立分量分析(dynamic independent component analysis,DICA)在过程中捕获的独立分量存在自相关性和故障漏报的问题,提出基于独立分量相异性分析(DICA dissimilarity analysis,DICA-DISSIM)的动态过程监控方法。首先,利用DICA从原始数据中捕获独立分量;其次,在独立分量子空间中引入滑动窗口并进行相异性分析得到一个新的统计指标来监控过程的当前状态;最后,利用变量贡献图方法分析过程异常原因。与传统的DICA相比,所提方法能够有效地降低DICA捕获的独立分量的自相关性,降低了过程动态特征对故障检测的影响,最后解决了DICA统计量中存在的故障漏报问题。通过对动态数值例子和田纳西−伊斯曼过程进行仿真,仿真结果表明,与独立分量分析(independent component analysis,ICA)、DICA和动态主成分分析(dynamic principal component analysis,DPCA)相比,该方法有效地提高了动态过程监控性能。

基于独立分量分析和普鲁克分析的运动想象迁移学习策略

针对传统上基于运动想象的脑机接口系统在应用之前需要进行枯燥冗长的校准实验的问题,提出基于独立分量分析(ICA)和普鲁克分析的迁移学习算法。该算法采用独立分量分析对脑电信号进行空间滤波,对比应用多种对齐变换方法,实现对样本数据的平移和缩放。并提出欧氏空间下的旋转变换方法,以进一步匹配目标受试者与其他受试者的样本分布,实现有效的跨受试者和跨数据集的迁移学习。所提算法相较基于黎曼普鲁克分析的方法具有更好的分类性能以及计算效率,并在公共数据集PhysionetMI和BCIIV-2a上较传统机器学习算法将平均kappa值提高了约0.1和0.04。结果表明该方法能有效提高小样本下的分类正确率,这有助于降低对校准数据量的需求,从而减少校准实验的耗时。

基于独立分量分析的数字图像水印技术研究

数字水印是一项热点技术,主要应用于版权保护和信息安全方面,有诸多特点。数字水印技术具体来说就是将一些有特点的信息直接放入图片或者视频里,不会影响原图片或者视频的观感和使用价值。文章研究了基于独立分量分析方法的空域水印模型,并分别进行独立分量分析实现对水印的提取和嵌入,得出了对比后的结果。实验表明,对独立分量分析的空域水印进行提取效果一般,不过在嵌入的时候效果很好。

独立分量分析–经验模态分解特征提取在水电机组振动信号中的应用

提取出水电机组振动信号中故障特征和微弱征兆信号,可以更好地了解机组的运行状态和故障发展趋势,但由于水电机组多源振动信号的相互混叠,信号呈现出非线性、非平稳性,故障特征信号提取是该领域的一个难题。为此该文提出了一种基于独立分量分析(independent component analysis,ICA)和经验模态分解(empirical mode decomposition,EMD)的特征提取新方法(ICA-EMD)。首先,用ICA将多通道振动信号分离成为统计独立分量;然后,对这些统计独立分量做自相关分析,消除环境噪声的影响;最后,对消噪后的所有统计独立分量统计逐一进行EMD分解,并将各个统计独立分量内蕴的同频本征模态函数进行累加重构,最终提取出能表征机组故障的本征模态函数。仿真信号和实测信号的试验验证表明,与其他方法相比,该方法在提取故障早期信号、微弱信号和突变信号方面更具优越性和有效性,提取结果更能满足实际工程应用需求。

采用独立分量分析方法消除信号中的工频干扰

工频干扰的消除是微弱信号采集中的一项重要技术 .传统方法是采用陷波滤波器或自适应滤波 .论文则提出了用独立分量分析 (ICA)进行生物医学信号中工频干扰消除的新方法 .在简要介绍了独立分量分析的基本理论及算法的基础上 .根据三种不同的实际情况 ,详细讨论了利用独立分量分析进行工频干扰消除的方法与步骤 ,并给出了实验结果 .

基于独立分量分析的人脸自动识别方法研究

提出了一种独立分量分析 ( ICA )和遗传算法 ( GA )相结合的人脸自动识别方法 ,人脸图像的独立基的获取是采用基于四阶统计信息的 ICA算法 ;为了减少计算复杂度 ,对原图像进行滤波降维 ,并用遗传算法对 ICA求得的独立基集合进行搜索得到了一个最优的独立基子集 ;最后 ,选择合适的分类器根据待识别图像在独立基上投影系数进行分类判决 .对人脸图像库的实验表明本方法识别率比基于主元分析的特征脸方法高 ,且计算量小于传统的基于

利用独立分量分析法去除地震噪声

独立分量分析(ICA)作为盲源分离(BSS)的一种新方法,是分解观测数据中独立信息的有力工具。以往的ICA算法一般假设噪声可以忽略不计,而实际的观测数据中又常常包含一些加性噪声。对于加性噪声的影响不能忽略的情况下,改进的ICA算法首先利用非零时间滞后协方差,应用两步特征值分解法(EVD)可成功地去除部分加性噪声的影响;再利用ICA算法就能更好地分离出原信号。本文通过对地震理论模型和实际资料的试验,说明改进的ICA算法能够有效地克服加性噪声对常规ICA算法的影响,能够分离出地震资料中的有效信号,从而实现利用独立分量分析压制地震资料噪声的目的。

基于频率约束独立分量分析的开关柜局部放电故障识别

针对开关柜局部放电故障检测中窄带干扰等多种噪声消除难题,为提高故障识别率,提出了一种新的局部放电故障识别方法。借助射频电流互感器和高速数据采集系统采集局部放电混合信号,运用频率约束独立分量分析方法从混合信号中分离局部放电的有效信号,克服了其它信号频谱混叠的影响,大幅度提高了信噪比。以0.4-1.1 MHz和1.8-2.7 MHz 2个频带的功率谱构造故障识别的特征向量,采用最小二乘支持向量机对局部放电故障进行识别。通过搭建局部放电实验平台验证了算法的有效性,实验结果表明,开关柜局部放电故障的识别率达98.0%,所提供的识别算法具有良好的泛化能力。

参考经验模态分解-独立分量分析及其在GPS多路径误差处理中的应用

多路径误差在绝大部分应用中,其测站间相关性很弱,不能通过差分观测得到有效削弱,成为高精度GPS动态变形监测中的主要误差源。针对GPS多路径误差的特点,结合具有良好多尺度分解能力的经验模式分解方法(EMD)和具有良好盲分离能力的独立分量分析(ICA)方法,提出带参考信号的EMD-ICA方法来削弱多路径效应的影响。应用实例的结果证明了该方法的有效性。

快速独立分量分析算法在局放超声阵列信号去噪中的应用

根据阵列信号去噪需要最大限度保留"相位差"信息的要求,提出采用快速独立分量分析(fast independent component analysis,FastICA)对含噪局放超声阵列信号进行去噪处理。首先通过分离矩阵U实现混合信号中源信号与噪声信号的逐次分离;然后采用波形相似性原则对分离后的信号进行盲抽取,获得去噪后局放超声信号;在此基础之上,对局放超声阵列信号模型进行了重构。同时,提出以阵列流型平均相角差、波形变化趋势、波形相似性以及去噪前后的信噪比等参数对局放超声阵列信号的去噪效果进行综合评价。最后,将FastICA用于实验室实测局放超声阵列信号的去噪。结果表明,FastICA能够很好的抑制局放超声阵列信号中的白噪声,在保证高信噪比的情况下,可最大限度地保留阵列信号的"相位差"信息,确保良好的测向效果。

基于独立分量分析及小波变换的内燃机辐射噪声盲源分离和识别

为了分离和识别内燃机噪声源,结合独立分量分析和小波变换技术对内燃机辐射噪声信号进行了盲源分离和声源识别的研究.根据独立分量分析的基本原理,采用基于负熵极大的FastICA算法对4缸柴油机的辐射噪声信号进行了盲源分离,将噪声信号分解成一系列独立分量.采用快速傅里叶变换和小波变换技术对各个独立分量进行了分析,结合时频分析的结果和内燃机各噪声源信号的频谱结构,确定了分离得到的各独立分量与内燃机不同噪声源的对应关系.研究结果表明:这些独立分量分别对应着柴油机的燃烧噪声、活塞敲击噪声、正时齿轮噪声及排气辐射噪声等噪声源.

基于独立分量分析的多次波自适应相减技术

针对多次波自适应相减这个关键问题 ,文中首次提出利用独立分量分析技术来实现多次波和一次波的分离 (简称ICAAMS) .现有的多次波自适应相减技术大都是采用输出信号 (一次波 )能量最小准则 ,基于二阶统计量的技术 .本文提出的ICAAMS采用了输出信号非高斯性最大准则 ,并利用高阶统计量来表征非高斯性 .简单的褶积模型和复杂的有限差分模型资料处理结果表明 ,本文提出的方法可以有效地分离一次波和多次波 .

基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量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。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 。

基于独立分量分析的混合声音信号分离

论文简要介绍了有关独立分量分析 (ICA)的基本理论和算法 ;探讨了独立分量分析在混合声音信号分离中的应用 .针对ICA输出结果排序的不定性以及在长时间记录声音信号的过程中 ,ICA混合模型系数存在时变性等问题 ,提出了一种结合小波变换和独立分量分析的解决方法 ;试验结果表明 ,该方法能有效地提高运算效率并获得较好的分离效果 .

波束形成与独立分量分析融合的宽带高分辨方位估计方法

针对波束域高分辨方位估计存在方位估计偏差大等缺点,提出了将波束形成与独立分量分析融合的宽带高分辨方位估计方法:(1)阵元域数据转换到波束域后,对多波束数据利用基于二阶统计量的独立分量分析算法处理,(2)将波束域独立分量分析融合方法输出结果重构回阵元域信号,(3)对重构后的阵元域数据,使用约束最优化方法改进的MUSIC算法做高分辨方位估计。最后利用ICS(Interactre Circuts & System)声呐模拟器数据和海试数据对算法进行了验证。结果表明:本文方法在弱目标检测、观测区域外强干扰抑制、方位分辨率方面都优先于波束域MUSIC和波束MVDR方法。

基于分形维和独立分量分析的声发射特征提取

针对噪声对声发射信号分形维的影响,提出了一种基于分形维和独立分量分析(ICA)的结构材料声发射信号特征提取方法.文中首先给出了分形维的概念,并从理论上分析了噪声对声发射信号分形维的影响.接着引入ICA进行信号预处理,以提取源独立的去噪信号进行分形维计算.最后进行了多组铅心模拟声发射实验.实验结果表明,不同的声发射源和传播介质下声发射信号的分形维表现出明显不同的特征,且与去噪前的分形维相比,能够更好地对应声发射事件数.分形维具有受研究者主观影响小、易于标准化的优点,可以作为一种新的结构材料声发射的特征识别方法.

基于独立分量分析的消噪方法在旋转机械特征提取中的应用

为了有效提取信号特征,为后续的故障诊断分析提供足够的信息,针对旋转机械故障诊断的特点,探讨了在旋转机械振动信号采集过程中基于独立分量分析方法的降噪措施的可行性,并在此基础上,研究了基于独立分量分析的消噪方法在旋转机械升降速过程中信号特征提取中的应用。实验结果表明,利用该方法可有效消除振动信号采集过程中混入的噪声。

基于独立分量分析的脑电消噪与特征提取

先简要介绍了独立分量分析的基本思想及算法,再将其应用于脑电信号的消噪和思维脑电的特征提取两个方面。实验结果表明:ICA可以将脑电信号中包含的心电(ECG)、眼电(EOG)等多种干扰信号成功地分离出来。另外,通过使用ICA方法对进行不同心理作业的脑电信号进行分析处理后,发现了与心理作业相对应的脑电独立分量特征,这些稳定的独立分量特征将可以为心理作业的分类和脑-机接口技术(BCI)提供新的实现方法.