vbICA方法用于GNSS坐标序列共模误差提取研究

全球导航卫星系统(global navigation satellite system,GNSS)坐标序列精度主要受共模误差(common mode error,CME)影响。为提高GNSS坐标序列精度,采用变分贝叶斯独立分量分析方法(variational Bayesian independent component analysis,vbICA)提取实验区20个GNSS测站坐标序列的CME,并对比分析vbICA与主成分分析(principal component analysis,PCA)和独立分量分析(independent component analysis,ICA)的滤波性能。结果表明,vbICA滤波效果优于PCA和ICA;经vbICA滤波后,E、N、U方向坐标残差序列均方根(RMS)平均降低36.57%、31.63%、10.97%,距离相关系数平均降低60.53%、56.84%、25.80%;扣除CME后,GNSS速度场估计更加可靠和精确,可有效提高GNSS坐标序列精度,为地球动力学研究提供可靠的数据支撑。

混合光谱曲线的Fast ICA盲源解混及影响因子研究

混合物高光谱分析是矿物无损检测的关键技术。文中将混合物350~2500 nm区间光谱反射率变化看作时域变化的一维序列信号,将混合物光谱分离转变为时域信号的盲源分离问题。为了分析混合光谱解混速度和准确度的影响因子,采用Fast ICA数学模型对混合物实测高光谱反射曲线进行了盲源解混试验,从解混过程的白化方式、初始权阵,源光谱高斯性3个方面分析了光谱解混的结果,为混合物光谱检测的后期分析提供了研究基础。选取化学纯氧化铜和氧化亚铜混合物、碱式碳酸铜和氢氧化铜混合物为试验对象,采用解混性能指数PI、光谱均方根误差和光谱角距离作为评价指标,开展了源光谱高斯性与g函数、ZCA和PCA白化方式、及单位权、随机权、指定权3种初始权对解混光谱结果影响的对比实验。实验结果表明:Fast ICA算法在未知混合矿物高光谱先验信息的基础上,能够有效分离出混合物组分源光谱,样本分离精度PI值均小于0.18,光谱盲源解混的效果显著。解混后光谱曲线与源光谱曲线在特征趋势上保持一致,具有相同的吸收位置和特征峰,但是存在一定尺度的差异。另外,源光谱的高斯性与解混g函数的选取会直接影响解混结果,亚高斯区间曲线分离精度优于超高斯部分。依据高斯性进行分段解混结果的吸收特征会更加突出,与源光谱反射率数值差异也随之增大;光谱预处理的白化方式会对解混结果精度产生微小影响,经过ZCA白化后解混结果的分离精度、光谱的准确度均略高于PCA白化;在Fast ICA模型3种初始权解混结果对比发现,以初次迭代结果计算的指定权进行迭代解混时,其分离精度、解混准确度及解混时间均为最佳,解混过程更易收敛。结果表明,根据全波段高斯性来选取g函数解混效果最优,分离指数PI小于0.14,光谱角距离在0.1左右,ZCA白化比PCA白化对解混光谱的影响更小,ZCA白化后的两组混合物解混的分离指数在0.1左右,而PCA白化的分离指数PI均高于0.13,当指定权作初始权时有助于提高牛顿迭代中收敛速度,使解混光谱更接近组分已知光谱,指定权的解混时间低于0.2 s,其他两种定权方式均在0.3 s以上。

基于复数域ICA的DOA估计方法

文中基于复数域的盲源分离方法和子空间的特性,提出了一种DOA估计方法。首先对阵列的模型与盲源分离的模型进行适配,阐明了盲源分离可以用于对信号来向进行估计,接着在分析有噪条件下盲源分离的缺点后,采用子空间投影的方式将信号投影到子空间中运算,以获取运算后的方向矢量的估计值。最后通过仿真结果验证了该方法的有效性与可行性。

MCKD降噪的EMD-ICA滚动轴承故障诊断方法

滚动轴承在强背景噪声条件下的故障诊断通过经验模态分解(Empirical Mode Decomposition,EMD)构造的信号包络或将信号直接包络,在分析诊断过程中可能不会取得理想结果,诊断效果不够明显。文中提出在最大相关峭度解卷积(Maximum Correlation Kurtosis Deconvolution,MCKD)降噪的基础上进行EMD-ICA的滚动轴承故障诊断方法。首先对强背景噪声信号MCKD降噪,再进行EMD分解,经过相关系数及峭度准则的筛选,构造特征频率突出的合成信号,进行独立分量分析(Independent Component Analysis,ICA)处理;然后根据结构计算出故障频率,与包络解调的频率进行对比,得出诊断结论。通过仿真、实验和实际工程数据验证了该方法的有效性。

PSO-ICA算法在钻井井场噪声处理中的应用

井场噪声主要来源于钻井井场的各类设备,对各种测量仪器的正常使用产生了严重影响。为了降低井场噪声对测井仪器和测量系统的影响,基于现有的关于井场噪声统计特性的研究,采用一种基于粒子群优化(Particle Swarm Optimization, PSO)的独立分量分析(Independent Component Analysis, ICA)算法来处理井场噪声。ICA算法是一种基于统计特性角度的信号处理技术,能够实现信号分离,对噪声处理具有一定的可行性。通过采用POS算法,自适应地调整粒子群的速度和位置,以更广泛地搜索解空间,从而更精确地确定各类噪声的权重。仿真结果表明,PSO-ICA算法能够有效分离出各类噪声,并对每种噪声所占的权重值进行优化。

基于CEEMDAN和ICA的油气勘探大地电磁噪声消除方法

大地电磁(MT)信号中的噪声会严重影响大地电磁勘探的观测数据,导致后续反演、解释工作出现严重偏差,影响油气勘探效果。为此,提出了一种基于带自适应噪声的完全集合经验模态分解(CEEMDAN)和独立分量分析(ICA)的噪声消除方法。该方法将经验模态分解(EMD)中的CEEMDAN方法与盲源分离(BSS)中的ICA方法进行有效结合。首先,利用改进的端点检测技术识别电磁信号中的有噪声信号分段;其次,利用CEEMDAN方法对其进行分解,提取具有代表性的固有模态分量(IMF)分量并进行ICA处理,达到消除噪声的目的;然后,利用获得的独立分量对有用MT信号进行逆向重构;最后,将未受噪声污染的MT信号与去噪后的有用MT信号进行拼接,获得最终的消噪后的完整MT信号。对合成信号和实测MT数据的实验结果表明,该方法能有效消除MT信号中的噪声。

基于ICA的交叉极化干扰抑制算法

针对极化复用模式中引入的交叉极化干扰问题,利用一种基于独立成分分析(ICA)的盲分离算法,无需信号先验知识和后续解调即可从观测信号中分离出源信号,达到消除极化干扰的目的。该算法基于线性瞬时混合模型,对峭度对比函数进行精确线性搜索优化,选取最佳步长,解决了盲分离信号中的排序问题。文中对不同信噪比和极化隔离度下的分离效果进行了仿真,仿真结果表明,该算法具有较好的分离性能,且在强交叉极化干扰和低信噪比下的性能较为稳定。

基于FastICA的无人机声学检测方法

随着无人机(UAV)的广泛应用,无人机“黑飞”等问题也随之而来。针对强干扰环境下的无人机声音识别问题,提出一种基于FastICA算法的无人机识别方法。使用FastICA算法提取出无人机声音,再对无人机声音进行识别,从而提高了无人机声音检测方法的抗干扰能力。实验结果表明:所述方法在多种声源混合的情况下,仍能较好地识别无人机声音,并对不同型号的无人机均有较好地识别效果。同时考虑了识别距离对识别率的影响,结果表明:随着识别距离变大,所述算法仍能较好地识别无人机。

改进ICA求解柔性作业车间插单重调度问题

为解决柔性作业车间插单重调度问题,建立了以最大完工时间、总能耗、总延迟时间和总设备变更次数为目标函数的动态重调度模型,并对四个目标采用线性加权和法归一化,提出一种改进的帝国竞争算法(improved imperialist competitive algorithm,I-ICA)作为全局优化算法。在传统帝国竞争算法(imperialist competitive algorithm,ICA)的基础上,引入帝国革命机制,来增加算法的全局搜索,同时引入帝国消除机制来加速算法的收敛和外部帝国入侵策略来增加算法的搜索广度,避免算法陷入“早熟”。针对订单插入点后未加工的工序,采用事件驱动策略重新调度。最后通过生产实例验证,将ICA、遗传算法(genetic algorithm,GA)和粒子群算法(particle swarm optimization,PSO)作为对比算法,验证了I-ICA在求解柔性作业车间插单重调度问题上的有效性和可行性。

基于FastICA-VMD的多通道脑电信号眼电伪迹自动去除方法

针对脑电(EEG)信号易受伪迹污染的问题,提出一种基于独立成分分析和变分模态分解(VMD)的眼电(EOG)伪迹自动去除方法。首先,利用快速独立成分分析(FastICA)方法将EEG分解成统计独立分量,求解各独立分量的样本熵;其次,根据样本熵阈值判筛选包含伪迹的分量,利用变分模态分解算法分解包含眼电伪迹的分量,求解各分量的样本熵,根据样本熵阈值判别伪迹分量并将分量置零;最后,对信号进行重构,实现伪迹去除。将FastICA-VMD方法用脑电数据集进行了实验验证,实验结果表明,与现有SE-CEEMDAN(Sample Entropy-Complete Ensemble Empirical Mode Decomposition algorithm with Adaptive Noise)相比,所提方法的平均均方根误差下降了约40.5%,平均相关系数提升了约1.54%。

四次样条插值的改进Fast-ICA算法

为提升盲源分离算法的性能和精度,将传统Fast-ICA算法中的二阶牛顿迭代法改进为四阶收敛的牛顿迭代法,对其进行四次样条插值,构造四次样条插值函数,通过误差分析验证该函数的收敛特性,采用Matlab软件仿真分析原算法与改进算法分离同一组信号的能力。结果表明,改进四阶收敛的牛顿迭代法具有四阶收敛特性。改进算法与原算法相比精度和收敛速度分别提升了24%和35%。

基于ICA和异常值检测的脑电伪迹去除

由于脑电信号极容易受到伪迹信号的干扰,提出通过独立成分分析(ICA)、峰态系数识别、改进的Z-score算法(MZS)/改进的箱线图技术等步骤,识别并去除脑电中的伪迹成分。首先对所有通道脑电数据进行ICA分解,并通过峰态系数辨别伪迹分量;然后提出MZS算法和改进的箱线图技术两种异常值检测方法,检测并有效去除伪迹分量中的伪迹成分;最后重构脑电信号,实现伪迹干扰的去除。实验采用真实数据集,通过观测脑电地形图、前额通道波形直观对比,求取信噪比和相关系数多种方式客观评估去伪迹性能。实验结果表明,与现有的去伪迹方法对比,所提伪迹去除方案可以在去除伪迹的前提下,更大程度地保留原始脑电信号。

基于ICA-CSP-KNN的运动想象脑电意图识别

运动想象意图识别的准确率的提高对脑-机接口技术的发展具有重要意。该文以第Ⅳ届BCI竞赛的数据集Ⅰ的运动想象EEG信号为基础,采用ICA-CSP-KNN相结合的方法对脑电信号进行意图识别。首先用独立成分分解(ICA)对脑电信号进行预处理,去除其中包含的眼电等干扰噪声,利用共空间模式(Common Spatial Pattern,CSP)进行特征提取,最后采用K邻近算法(K-Nearest Neighbor,KNN)进行特征分类。实验结果表明,该方法的分类准确率均达到93%,有效实现运动想象解码,证明该方法的有效性。

淫羊藿苷(ICA)对化疗后免疫抑制小鼠的免疫促进作用

目的:通过观察淫羊藿苷(ICA)对化疗药环磷酰胺(Cy)所致免疫抑制小鼠免疫功能的影响,探讨ICA促进免疫功能的作用及机理。方法:除正常组小鼠外,所有小鼠经腹腔注射Cy(300 mg/kg);第二天开始给予实验组小鼠灌胃不同剂量的ICA[150、804、0 mg/(kg.d)],阳性对照组小鼠尾静脉注射参芪扶正注射液(1 ml/d),模型组给予等量生理盐水,连续干预10天。所有小鼠均于末次给药12小时后处死,计算胸腺指数(TI)和脾指数(SI),光镜下计数外周血和脾淋巴细胞数量。MTT法检测小鼠脾淋巴细胞增殖反应。ELISA法检测TNF-α的含量。乳酸脱氢酶实验(LDH)检测小鼠脾脏NK和CTL细胞的活性。流式细胞术(FACS)检测脾淋巴细胞中NKT和CD3+T细胞的比例。结果:模型组小鼠以上各项免疫指标均有所下降。ICA处理组小鼠脾脏指数和胸腺指数均升高(P<0.01),脾淋巴细胞数量显著增加(P<0.01),但未达到正常对照组水平;ICA明显提高小鼠脾淋巴细胞的增殖反应,促进了小鼠脾NK和CTL细胞对肿瘤细胞的杀伤活性(P<0.01),提高了小鼠脾细胞TNF-α的产生(P<0.01)。ICA处理组小鼠脾细胞中CD3+T、NKT细胞比例明显增加(P<0.01)。结论:ICA能促进小鼠免疫功能,具有逆转化疗后小鼠免疫抑制状态的作用。

ICA在视觉诱发电位的少次提取与波形分析中的应用

本文提出一种基于扩展的独立分量分析 (ICA)算法的视觉诱发响应少次提取方法。经与目前临床通用的相干平均法比较 ,只经三次平均 ,在波形整体和P10 0潜伏期的提取上 ,效果显著 ,获得医师欢迎 ,很有进一步开发潜力。

基于PCA与ICA特征提取的入侵检测集成分类系统

入侵检测系统不仅要具备良好的入侵检测性能,同时对新的入侵行为要有良好的增量式学习能力.提出了一种入侵检测集成分类系统,将主成分分析(PCA)和独立成分分析(ICA)与增量式支持向量机分类算法相结合构造两个子分类器,采用集成技术对子分类器进行集成.系统利用支持向量集合对已有的入侵知识进行压缩表示,并采用遗传算法自适应地调整集成分类系统的权重.数值实验表明:集成分类系统通过自适应训练权重,综合了两种特征提取子分类器的优点,具有更好的综合性能.

EMD-ICA联合降噪在滚动轴承故障诊断中的应用

滚动轴承早期故障信号具有能量小、频带分布宽等特征,易受到其他能量较大的振源信号的干扰,致使传统滤波降噪方法存在很大的局限性。针对这一特点,提出经验模式分解(EMD)和独立分量分析(ICA)相结合的联合降噪新方法。将单通道振动信号进行EMD分解,基于互相关准则对分解后的本征模函数进行重组,构造虚拟噪声通道,并以此作为ICA的输入矩阵,采用FastICA算法实现源信号和噪声信号的分离,从而达到降噪的目的。将该方法应用于滚动轴承故障诊断中,对降噪后的重构信号进行频谱分析,进而判断滚动轴承的运行状态。仿真和试验分析结果表明该方法有效可行。

灯盏花素对豚鼠单一心室肌细胞ICa的抑制作用

目的 :观察灯盏花素对豚鼠单一心室肌细胞钙离子电流 (ICa)的影响。方法 :应用全细胞膜片钳制技术。结果 :灯盏花素能明显抑制心室肌细胞的Ca2 +通道 ,使ICa减小。此作用有明显的电压依赖性 ,在峰电流电压下作用最明显 ,而对其反转电位无明显影响。在指令电位 0mV时 ,0 .5mg %灯盏花素使ICa减小 5.4 % ,1mg %灯盏花素使ICa减小 2 2 .9% (P <0 .0 1 ) ,2mg %灯盏花素使ICa减小 4 5.0 % (P <0 .0 1 )。此作用有明显的剂量依赖性和可复性。结论 :ICa灯盏花素能抑制豚鼠单一心室肌细胞钙离子电流ICa。

ICA、PJA逆转人高转移肺癌细胞FasFasL途径免疫逃逸机制的研究

目的 :研究ICA、PJA对人高转移肺癌细胞PG细胞免疫逃逸的逆转作用。方法 :MTT法检测ICA、PJA对PG细胞增殖的影响以及对CD3AK杀伤敏感性的影响。流式细胞仪检测细胞表面分子Fas、FasL表达水平和细胞凋亡。应用PG细胞与JurkatT细胞其培养的方法体外研究FasL诱导T淋巴细胞凋亡的作用。结果 :PG细胞高表达FasL ,低表达Fas ,对CD3AK细胞杀伤敏感性较低 ,并在与JurkatT细胞共培养中诱导高表达Fas的JurkatT细胞凋亡。ICA、PJA对PG细胞有明显的增殖抑制作用。ICA可明显提高PG细胞Fas的表达率。ICA、PJA可明显降低PG细胞FasL的表达率。ICA、PJA可使PG细胞与JurkatT细胞共培养中 ,降低JurkatT细胞的凋亡率。ICA、PJA可提高CD3AK细胞对PG细胞的杀伤活性。结论 :ICA、PJA可逆转人高转移肺癌细胞PG通过Fas FasL途径逃避机体免疫活性细胞的攻击。

基于小波变换和ICA的滚动轴承早期故障诊断

滚动轴承早期故障诊断的关键在于如何从低信噪比混合信号中检测出显著的轴承故障特征频率。提出以连续小波变换(CWT)和独立分量分析(ICA)相结合的方法来诊断单通道信号的滚动轴承早期故障,提出按频谱等间隔选取伪中心频率的小波分解尺度,并对ICA处理后的信号进行包络频谱分析以确定故障类型。最后,利用实际的滚动轴承实验数据对该方法进行了验证。