EMD分解盲源分离算法在振动筛故障诊断中的应用

振动筛广泛运用于工业领域,振动筛故障诊断研究有实际意义。以振动筛轴承故障为例,先估计振动筛轴承故障时的振动源数,再利用基于经验模态分解(EMD)的盲源分离(BSS)算法分析振动筛轴承的故障特征。

基于盲源信号处理的脑电特征提取方法的研究

本文首先研究对比AMUSE、SOBI、JADE、FastICA四种典型盲源信号处理算法提取脑机接口(BCI)中四种运动想象脑电源信号(想象左手、右手、脚和舌)的分类识别正确率。之后从时间和空间两个角度,组合应用两种盲源信号处理算法,解决特征提取时脑电信号微弱、不平稳和极易受到各种干扰的问题。研究结果表明:通过组合SOBI和FastICA算法,能够提取出比较微弱的想象运动源信号,并且能够在一定程度上消除外部干扰的影响,有利于进一步研究大脑在运动控制过程中的脑电生理机制,提高BCI系统的实际应用能力。

遥感影像混合像元分解及超分辨率重建研究进展

随着遥感应用的深入,传统将遥感影像像元当作纯净像元的方式所带来的问题已经被广泛认识到,混合像元分解的相关理论和技术成为遥感领域的一个热点问题。本文总结了混合像元分解及超分辨率影像重建的主要理论和方法。根据超分辨率影像重建的主要流程,分别回顾了混合像元端元类型选择、端元丰度分解和超分辨率影像的重建,并对相关模型和技术给出了总结和评价。端元类型选择是确定在影像范围包含的纯净地物类型,重点介绍了基于统计学和几何学的两种方法。端元丰度估计是目前该领域研究最多的方向之一,集中了很多新的理论和方法,可变端元分解和盲源分解作为2种效果较好的方法在文中作了详细的回顾和评价。空间自相关性是对丰度估计的结果进行超分辨率重建的主要理论基础,如何在丰度约束条件下最大化空间自相关性是大多数基于混合像元分解超分辨率重建的目标。最后,文章在总结目前混合像元分解及超分辨率遥感影像理论发展的基础上,给出了一些意见和展望,指出考虑混合像元形成机理、综合多种模型及先验信息将有助于基于混合像元分解的超分辨率遥感影像研究。