核独立分量分析的随机滤波剩余寿命预测模型

基于随机滤波的预测模型是剩余寿命预测方法的一个重要分支,当前制约滤波模型的一个重要问题就是如何对大量高维非线性状态监测数据进行特征降维,以易于模型参数求解。通过线性回归处理了非定期换油保养对油液数据的影响;运用核独立分量分析进行特征降维,消除了各维数据之间相关性对模型预测精度的影响;建立了基于油液增量的滤波模型,并设计了极大似然估计方法求解模型参数;最后实例验证了模型的有效性和实用性。

基于独立分量分析的动车组模型噪声分离

研究表明高速列车的噪声由多种因素混合而成,有效的分离出各种噪声对列车的减振降噪具有重要意义.针对动车组模型试验提出一种适用于分离试验段观测噪声的盲源分离方法.对观测噪声进行EEMD分解,使单通道欠定问题转化为正定问题;利用主成分分析进行源信号数目的估计,提出利用至少包含源信号信息90%的主成分重构观测信号;对重构的观测信号利用独立分量分析进行分离.仿真实验说明该方法可有效的分离出源信号.在动车组模型风洞试验中,试验段传声器的观测信号主要是由气动噪声和风机振动噪声混合而成,所估计的源信号数目与试验条件一致.分离出的气动噪声和风机振动噪声源信号与原始源信号的主要频率一致,相关系数都大于0.65,属于强相关,说明了该方法对动车组模型试验噪声分离的有效性.

基于独立分量分析的混合信号盲分离技术

针对信号接收端接收多路信号引起线性瞬时混叠的情形,提出基于独立分量分析的混合信号盲分离方法。首先,建立信号混合数学模型,并根据源信号之间的统计独立特性构建目标函数;其次,采用固定点算法优化目标函数,寻找极值点,得到信号分离矩阵;最后,利用分离矩阵和观测信号分离出各路源信号。仿真实验的结果表明,在多路通信信号和其他信号线性瞬时混合的情况下,提出的方法能够有效地分离出各个源信号。

基于AR模型的变分贝叶斯独立分量分析算法研究

近年来,盲源分离算法由于其良好的去噪效果在信号处理领域得到了广泛应用,但传统独立分量分析方法存在着未考虑噪声干扰及未充分利用已知信息等弊端。提出基于GAR模型的变分贝叶斯独立分量分析算法,将源信号的时间结构与系统噪声进行融合研究,基于GAR模型近似建模语音信号的时间结构特征,应用变分贝叶斯学习方法分离带噪声的语音信号。通过与标准变分贝叶斯独立分量分析算法的仿真对比,证明改进后的算法有较好地实际分离效果,有效解决了ICA算法无法在噪声环境下直接进行盲源分离问题。算法可用于减轻铁路列车司机通信时的听觉疲劳。

基于独立分量分析的瞬时混合语音信号盲分离算法研究

近些年,信号处理在理论与方法方面发展速度很快,独立分量分析技术已成了信号处理领域内重要的组成部分。讨论了线性瞬时混合情况下,语音信号盲分离的算法,阐述了算法的原理,并进行了实验仿真,以此来证明算法的有效性。

基于快速独立分量分析算法的气体绝缘开关设备局部放电混合信号分离与缺陷类型辨识

为解决气体绝缘开关设备(GIS)内多种绝缘缺陷并存时的混合局部放电(简称局放)的信号分离和缺陷类型辨识问题,提出了基于快速独立分量分析(FastICA)算法的GIS局放混合信号分离与模式识别方法。该方法具体包括:采用FastICA算法从局放混合信号中分离出单一局放信号,针对各单一局放信号,提出的模式识别策略是通过增添相反符号和幅值归一化的单一局放信号用于分类器训练或者使用对信号符号不敏感的特征(如分形特征等)作为分类特征。算例分析结果表明,提出的方法能够实现GIS多绝缘缺陷局放信号的有效分离,并能对分离出的单一局放信号进行准确缺陷类型辨识,且具有抗噪能力强、计算速度快、robust性好等优点。

基于独立分量分析和最大熵模型的人脸自动识别方法

提出一种基于独立分量分析和最大熵模型的人脸自动识别方法。首先利用小波变换,提原始图像的低频子图,然后利用独立分量分析(ICA)进行特征提取,最后采用最大熵模型进行分类识别。实验表明该方法能更好地提高人脸的自动识别。

基于参数模型和独立分量分析的事件相关诱发电位单次提取

我们针对脑电事件相关电位(ERP)这种信噪比极低的信号检测问题,提出了两种ERP信号单次提取方法,能非常有效地同时去除自发脑电、眼动伪迹和工频噪声三种常见噪声。(1)首次对自发脑电、眼动伪迹和工频噪声这三种常见成分连同事件相关电位同时进行ARX建模,利用基于最小二乘(LS)的ARX算法进行参数辨识获得提取结果;(2)利用独立分量分析,采用FastICA算法进行事件相关电位的提取。明确指出ICA分解的一些重要分解特性及其内在机理,针对实际情况对FastICA算法进行了改进,实现了分解结果对ERP成分的自适应映射。数值仿真实验结果表明两种方法均有较高的信号分解提取能力。

新息模型的独立分量分析方法

为提高独立分量分析(ICA)算法的收敛速度与收敛精度,引入ICA方法的新息模型。通过新息的计算减少观测数据间的冗余进而增加了潜在分量的非高斯性。实验中利用具有弱相关性的图像信号进行仿真,通过与传统算法的比较证明了新方法能有效提高收敛速度和收敛精度。

基于独立分量分析的拱坝位移预测模型

在逐步回归模型中,有些分量间存在比较强的相关性,如果直接利用线性回归方法处理,就会特别容易出现病态问题,这样得到的回归模型不合理。为了解决这一问题,引入独立分量分析方法(ICA),并运用基于负熵极大化的独立性准则的快速独立分量分析方法(FastICA)分离出独立分量,建立了某拱坝的安全监测位移预测模型;同时为了表明结果准确性,利用逐步回归方法建立了逐步回归模型。结果表明:独立分量回归方法(ICR)相比逐步回归方法可以建立一个比较准确的回归模型,由于独立分量回归分析方法没有剔除不显著因子,考虑了各个因子对因变量的影响,从而更加符合实际情况。

基于拓扑独立成分分析和高斯混合模型的视频语义概念检测

针对目前词袋模型(Bo W)视频语义概念检测方法中的量化误差问题,为了更有效地自动提取视频的底层特征,提出一种基于拓扑独立成分分析(TICA)和高斯混合模型(GMM)的视频语义概念检测算法。首先,通过TICA算法进行视频片段的特征提取,该特征提取算法能够学习到视频片段复杂不变性特征;其次利用GMM方法对视频视觉特征进行建模,描述视频特征的分布情况;最后构造视频片段的GMM超向量,采用支持向量机(SVM)进行视频语义概念检测。GMM是Bo W概率框架下的拓展,能够减少量化误差,具有良好的鲁棒性。在TRECVID 2012和OV两个视频库上,将所提方法与传统的Bo W、SIFT-GMM方法进行了对比实验,结果表明,基于TICA和GMM的视频语义概念检测方法能够提高视频语义概念检测的准确率。

基于独立分量分析的遥感影像非监督分类方法

利用独立分量分析的方法 ,从图像信号分离的角度出发 ,将每个波段像元的光谱特征看成是由相互独立的不同地物类型光谱信号混合而成。通过ETM+ 遥感影像数据的分类试验 。

主分量分析和隐马尔科夫模型结合的轴承监测诊断方法

为了快速识别轴承的故障模式以及性能退化状态,提出了一种基于主分量分析和隐马尔科夫模型的轴承监测诊断方法。该方法首先提取了轴承振动信号的混合域故障特征集,使用主分量分析对混合域故障特征集降维,然后使用降维后的特征训练隐马尔科夫模型,最后用降维后的测试样本测试模型的性能,根据隐马尔科夫模型输出的对数似然概率,确定轴承故障模式以及轴承的性能退化状态。开展了不同状态滚动轴承振动测试实验,数据分析结果表明,提出的方法诊断准确率均能达到100%,相比基于补偿距离选择特征降维及隐马尔科夫模型诊断方法,最高将分类离散度提高123.74%,并且在轴承的性能退化实验中,提出的方法能在故障早期给出故障预警,证明了该方法的有效性和准确性。

独立分量重建模型的手写数字字符识别

针对在手写字符识别中 ,因于书写习惯和风格的不同 ,造成字符模式不稳定的问题 ,利用独立分量对信号重建的良好性能 ,采用独立分量分析的方法抽取字符独立特征 ,并建立字符重建模型 ;通过对重建模型的误差分析进行字符识别 ;对美国国家邮政局USPS(USPostalServicedatabase)字库中全部数字字符完整的识别实验 。

一种基于独立分量分析的模糊图像盲分离算法

利用独立分量分析(ICA)的不完整自然梯度算法对因混合而引起的多幅模糊灰度图像进行盲分离,并针对算法中的非线性函数与源信号概率分布密切相关,而源信号的分布却是未知的先验信息的问题,利用算法输出信号的峰度对非线性激活函数进行自适应选择,提出了一种改进的自适应不完整自然梯度算法,并将其应用于模糊图像的盲分离,分析了不同混合矩阵对本文算法恢复原始灰度图像的影响及算法性能。仿真结果证明了本文算法与经典的FastICA算法相比,计算耗时更少、性能指标明显优越。

基于独立分量回归的加热炉钢温预报模型

轧钢加热炉系统具有多变量、非线性、大滞后、交叉耦合等特性,钢坯出炉温度的预报模型一直是个难题。仍然采用统计建模的思路,利用独立分量分析方法不依赖分布假设的优点,建立了钢坯温度变量和过程变量之间的独立分量回归预测模型。基于轧钢厂实际生产数据进行了建模与验证实验,误差比较分析表明,该模型能较好地预测钢坯出炉温度,且预测误差指标优于基于改进PCA的预报模型。

基于核独立分量分析的盲多用户检测算法

针对DS-CDMA通信系统中的盲多用户检测问题,提出了一种改进的核独立分量分析(KICA)算法.该算法首先将五阶收敛的牛顿迭代公式引入到传统的FastICA算法中,同时还引入了一种新的核函数——混合核函数来解决非线性混合信号的分离问题,从而实现了多用户信号检测.最后将所提出的算法与传统的FastICA算法和KICA算法进行仿真比较.结果表明:所提出的算法不仅收敛速度较快,而且具有较小的误码率.

基于独立分量的医用耗材需求分析模型

目的:发掘和控制医用耗材需求的影响因素,使医用消耗性材料的管理更趋科学化和规范化。方法:利用独立分量分析原理处理医用耗材需求量数据,建立了医用耗材需求量数据处理的数学模型。结果:结合某种医用耗材,给出了处理实例并加以考察分析。结论:基于独立分量的医用耗材需求分析模型对于指导医用消耗性材料的管理和控制具有非常重要的意义。

粒子滤波和独立分量分析的含噪信号盲分离算法研究

研究了两阶段含噪独立分量分析算法来解决含噪信号盲分离问题。第一阶段,通过粒子滤波实现对不含噪混合信号的估计,将含噪独立分量分析转化为不含噪的独立分量分析;第二阶段用现有的FastICA算法从估计的不含嗓混合信号中提取出源信号。不含噪混合信号的时变自回归模型和含噪与不含噪混合信号之间的关系构造了动态的状态-空间方程。该方程的特点是多变量、过程和观测噪声不限于高斯分布,粒子滤波是解决该问题的有效方法。提出了解决含噪独立分量分析的PF+FastICA算法,仿真试验表明所提出的算法性能优于相关文献的结果。

基于估计概率密度函数的独立分量分析方法

基于最优估计函数,给出了一种估计得分函数的方法.通过使用高斯混合模型,给出了估计信号概率密度的EM算法和进行独立分量分析优化的梯度算法.为了提高算法的精度和稳定度,发展了迭代估计概率密度的方法,该方法可以针对超、亚混合信号进行分离.