独立成分分析方法综述

对 ICA方法的原理和应用进行了综述 .首先 ,概要叙述 ICA的产生背景和发展前景 ,简要介绍和评述了 ICA的定义、分类以及算法 .然后 ,对 ICA在语音信号分离、生物医学信号处理、金融数据分析。

基于独立成分分析(ICA)处理两相流信号(英文)

为了提高固体速度测量精度,提供一种基于独立成分分析(ICA)处理两相流信号的基本方法。首先介绍独立成分分析(ICA)的基本原理,然后介绍使用空间滤波和小波变换获得固体速度的方法。最后给出仿真实验结果证明该方法可行。

局域波法和独立成分分析在转子系统故障诊断上的应用

提出了一种局域波法和独立成分分析相结合的机械故障诊断方法。对于机械设备的振动信号,通过局域波法得到的局域波时频图像能够同时在时间和频率上反映信号能量的变化。不同故障信号的局域波时频图像也明显不同,因此可以用来进行故障的判别。为了实现故障的自动分类,应用独立成分分析对不同故障信号的局域波时频图像进行独立分量分离,得到一组源图像的投影系数。在此基础上,利用概率神经网络实现故障的自动分类。以转子的早期摩擦,基座松动,不对中故障信号为例,应用该方法进行了研究,实验结果证明了该方法具有一定的实用性和有效性。

独立成分分析法及其在股票分析中的应用

从信息论和最优化的角度阐述了用于信号分离、特征提取以及金融数据分析的独立成分分析法,并结合中国股票市场的特点用独立成分分析法对各阶段股票走势和收益进行了分析和预测。

fMRI盲信号分离中的时间和空间独立成分分析法的时空特性比较

目的采用空间独立成分分析法(sICA)和时间独立成分分析法(tICA)对功能磁共振成像(fMRI)信号进行分离,比较信号间的时空特性对2种独立成分分析方法性能的影响。方法模拟fMRI数据,并将2组独立的信号以及它们的线性混合信号叠加到空间独立的区域,分别利用Infomax、Combi、FBSS和ICA-EMB 4种算法实现sICA和tICA,并对模拟数据中的3组信号进行提取和分离。结果 sICA只能分离空间独立且时间高度独立的信号,无法分离空间相关、时间独立的信号;tICA不仅能够准确分离空间和时间高度独立信号,而且能够准确分离空间高度相关、时间独立的信号,并将时间相关信号整体提取;FBSS和ICA-EMB 2种算法较Infomax和Combi性能稳定。结论空间或时间独立性假设违背到一定程度时,sICA和tICA对信号分离的结果存在差异。应根据需要选择适合的sICA或者tICA方法对fMRI数据进行处理。

基于实时直接分析-高分辨质谱-独立成分分析法的改性聚硫橡胶的热解行为研究

采用实时直接分析-高分辨质谱-独立成分分析(DART-HRMS-ICA)法对改性聚硫橡胶样品的热解行为进行研究.首先进行DART检测条件的优化,然后在该优化条件下,对在不同离子源温度条件下得到的2个独立成分(IC-1和IC-2)进行ICA解析.结果表明,当样品传输速度为0.5 mm/s,离子源栅极电压为150 V时,样品的离子采集效果和离子化的信号强度都较好;样品在200℃以下时较为稳定;IC-1在200℃时开始受热分解,在350℃时可持续分解为以IC-2为表征的其他较小分子量组成的特征组分.改性聚硫橡胶在常温环境中具有很好的热稳定性,能够广泛应用于工业生产.

基于投影方法的约束独立成分分析

独立成分分析是解决盲源分离问题的一种有效工具,但ICA具有伸缩(dilation)与排序(permutation)的不确定性的本质特征。本文利用一些约束条件,采用Lagrange乘子法并结合简单的投影方法,可以以特定的形式来进行独立成分的排序,并且可以在信号分离过程中规范化解混矩阵(demixingmatrix),能够系统地减轻ICA对于伸缩与排序的不确定性。仿真结果证实了算法的有效性。

基于独立成分分析的状态监控方法

针对目前部分的工业系统存在系统模型或系统独立变量不确定的情况,提出了一种基于独立成分分析(Independent Component Analysis,ICA)的状态监控方法。该方法不需要有关系统模型和系统变量的先验知识,解决了系统模型或系统变量不确定的问题。运用独立成分分析法对系统的观测信号进行特征提取,通过监控分离得到的特征信号来实现对整个系统的状态进行监控。分别对一个离散系统和一个双容水箱液位系统进行仿真验证,仿真结果表明该方法能够有效地实现系统监控。

重磁异常独立成分分析的多道信号构建方法

独立成分分析方法(ICA)通过求解观测信号中源信号统计独立性最大的最优化问题对观测信号进行分解,得到相互独立的信号分量即独立成分。这种利用统计学原理的信号分解方法在静态和时变重磁数据处理中具有广泛的应用前景,前人利用相邻剖面法构建ICA算法所需的多道输入信号并对重磁异常数据进行分解,得到了较优的位场分解结果。本文在前人的研究基础上,首先提出了利用相空间重构法与空间延拓方法构建ICA多道输入数据;其次,分别使用相邻剖面法、相空间重构法与空间延拓法对仿真的重、磁异常数据进行分解,对比分析了三种方法在异常分离中的应用效果,结果表明空间延拓法能够更加有效地对局部场与区域场进行分离;最后,将基于空间延拓的ICA方法应用于克拉玛依后山地区的重磁异常数据,结果显示ICA分解具有一定的模态混叠效应,因此在其基础上再进行匹配滤波,相比于直接的匹配滤波,联合方法计算结果的边界效应更弱,并且分离得到的局部重磁异常与地质构造之间的对应关系更加清晰。

基于独立成分分析(ICA)的分类研究及在蛋白分类中的应用

独立成分分析方法(ICA)一般用于特征提取、过程监控,很少用于分类。本文建立了一个ICA用于分类的工具包,并应用专家库下载的嗜热蛋白和常温蛋白作为实验数据,用来检验该分类工具的性能。本文的检验工作分为如下几个步骤:首先对训练数据进行特征提取;然后利用核函数确定嗜热蛋白的置信线;再计算测试数据的统计量。由测试数据判断是否超过置信线,不超出则认为是嗜热蛋白。该检验的结果是:对嗜热数据的漏检率为10%,误检率为30%,预测的正确率可达到80%。由此可说明,ICA可用作一种分类方法,本文所建立的分类工具也是有效的。

基于核独立成分分析的盲源信号分离

独立成分分析(ICA)已经广泛用于盲源信号的分离(BSS)。论文介绍了基于核空间的ICA的原理和基本算法,然后介绍了该算法与典型ICA和主成分分析(PCA)在盲源信号分离中的比较。实验表明在盲源信号分离中,基于核空间的ICA与其他典型ICA和PCA算法相比更具有准确性和鲁棒性。

基于红外光谱-小波变换-核独立成分分析的地黄炮制过程终点确定

对地黄炮制过程采集样品进行进行红外光谱(IR)测试,利用连续小波变换(CWT)对原始IR数据进行噪音滤除与背景扣除,再对混合信号进行核独立成分分析(KICA),提取其中能够体现纯组分光谱特征轮廓的独立组分(IC)信息,根据独立组分及其相对强度变化趋势表征地黄炮制过程,建立了地黄炮制过程的终点判断的新方法.

独立成分分析在两相流速度测量中的应用

文中提出一种基于独立成分分析和相关法测量两相流速度的方法。首先介绍独立成分分析的基本原理,然后利用独立成分分析分别分离出上游和下游传感器的两相流混合信号,并据此画出对应两相流信号的相关函数曲线,得到不同速度信号的渡越时间。最后给出仿真实验的处理结果。

基于独立成分分析预测电站锅炉NO_x排放量

为了解决燃煤电站锅炉低NO x燃烧特性建模输入值高维数据众多,以及大样本处理造成模型运行速度慢、精度低的问题,将独立成分分析(ICA)应用到建模数据预处理领域,提出一种基于快速独立成分分析(FastICA)的BP(back propagation)神经网络建模方法,并用该方法对某220 MW热电机组NO x排放浓度进行预测。研究结果表明:经FastICA降维预处理后所建的神经网络模型(ICA-BP)性能优于直接构建的神经网络(BP)模型;ICA-BP模型计算结果与实测结果相对误差仅约2.5%,说明ICA方法有助于实现降低维数的同时保留更多原始数据特性的目的,是系统建模数据前处理的有效工具。

独立成分分析在瓦斯浓度预测中的应用研究

为提高含噪声瓦斯浓度数据的预测精度,提出了一种基于独立成分分析(ICA)和k-最近邻(kNN)法的反向传播人工神经网络(BP-ANN)预测模型。利用滑动时间窗算法产生训练样本矩阵,采用ICA方法估计训练样本矩阵中的独立成分,用不含噪声的独立成分重新构建训练集;运用k-NN法减小训练集规模,引入混合距离测度函数降低训练过程的计算复杂度。实验结果表明,该预测模型较普通BP-ANN模型有效减小了瓦斯浓度预测误差和训练时间。

基于主成分分析的消光法波长选择算法

在消光法颗粒粒径测量中,被测颗粒系的消光光谱包含有颗粒粒径、折射率等信息。在可见及可见-红外波段内,对单峰R-R分布的消光光谱,一阶微分以及二阶微分消光光谱进行主成分变换。通过分析比较,提出一种基于主成分分析的特征波长的选择算法。该算法首先对一阶微分消光光谱进行主成分变换,然后将每个波长下的一阶微分消光谱对主成分贡献率的大小作为特征波长选择的主要依据,同时将光谱范围的边界波长也作为特征波长,这样的波长选择方法保证了选出的光谱消光值具有较高的信息量。文中分别对单峰及双峰R-R分布的颗粒系采用独立模式反演算法进行仿真实验验证,仿真实验证实了所提方法的有效性和实用性。

基于变分模态分解和独立成分分析的矿山微震信号降噪

微震信号降噪对P波、S波初至拾取、震源定位和震源机制反演等具有重要意义,为此提出一种基于变分模态分解和独立成分分析的微震信号降噪方法。采用变分模态分解将微震信号分解为特定数目的模态分量,再根据模态分量与原微震信号的相关系数剔除噪音特别大的模态分量。针对噪音与有用信号混合的模态分量,采用独立成分分析提取有用信号,再与剩余的低频模态分量相加得到VMD_ICA降噪信号。此外,采用正弦函数拟合的方法去除VMD_ICA降噪信号存在的工频噪音。信号测试表明:VMD_ICA法和VMD_ICA_Sine法降噪均能有效保留微震信号的局部特征,且其信噪比大于直接去除部分模态分量。矿山微震信号应用进一步表明:VMD_ICA法和VMD_ICA_Sine法均能提高微震信号的信噪比,有效地提高了PAI-K法P波初至拾取效果,且VMD_ICA_Sine法优于VMD_ICA法降噪效果。综上所述,VMD_ICA_Sine法能为矿山微震信号降噪提供一种较好的分析方法。

应用二维EMD和独立成分分析的掌纹识别

提出一种基于二维经验模式分解(Two-dimensional Empirical Mode Decomposition,2-DEMD)和独立成分分析(Independent Comment Analysis,ICA)相结合的掌纹识别新方法。利用2-DEMD自适应的时频局域化多尺度和ICAII表征数据的高阶统计特性来提取掌纹特征。首先,对预处理过的掌纹图像进行2-DEMD分解得到多层本征模函数(Intrinsic Mode Function,IMF);其次,利用基于PCA(Principal Component Analysis)降维处理的FastICAII算法提取IMF子图像集的掌纹特征基向量;最后,设计实验测试(2-DEMD+ICAII)的识别性能。实验结果表明,该方法能更有效地提取掌纹特征,与传统的ICAII相比,具有重构图像信噪比好、识别率高等优点。

基于独立成分分析和小波变换处理两相流信号

为克服噪声信号给速度测量带来的影响,提供了一种基于独立成分分析(ICA)和小波变换处理两相流信号的方法。首先介绍独立成分分析(ICA)的基本原理及其实现方法,并利用此方法对两相流信号进行处理;根据傅立叶变换确定信号的频谱;然后介绍小波变换和空间滤波的基本原理,并利用小波变换确定信号的带宽;并根据带宽求出固体速度。最后给出仿真实验结果。结果表明:这种方法可以满足固体速度测量的需要。

基于独立成分分析的指静脉识别研究

提出一种基于独立成分分析的指静脉特征提取方法,该方法利用独立成分抽取的特征量,并采取基于近邻聚类方法进行分类识别。基于指独立成分分析法的指静脉特征提取,可充分利用指静脉图像中包含的高阶和低阶全局统计信息。实验结果表明,该方法比主元分析法更有效提高了指静脉识别系统的精确度。