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%。

基于改进Fast-ICA的电能质量谐波检测

独立分量分析是利用信号的高阶统计量快速准确地实现信号分离和恢复。提出一种改进快速分离算法检测电能质量谐波的方法。在介绍了快速分离算法基本原理的基础上对牛顿迭代法进行了改进,减少了迭代次数,提高了收敛速度;依据负熵极大的独立性准则实现谐波信号的盲分离,再进行幅值修正以实现对真实信号的估计;对分离修正后的信号进行FFT分析,得到幅值和频率,进而实现对谐波的检测。仿真实验结果表明了该算法在检测精度和运行效率上都有所提高。

基于改进Fast-ICA的电力谐波检测算法

为了提高Fast-ICA算法对电力谐波的检测速度与精度,在原有Fast-ICA盲源分离算法的检测原理上,对用于数据处理的二阶牛顿迭代法进行改进,使其满足三阶收敛,并给出收敛性证明。通过计算机仿真,在采样频率为7 500Hz、采样点为920的实验条件下,利用该改进算法和原有算法分别对两组含谐波混合信号进行检测。仿真结果表明,改进算法的测量速度平均提高了37%,精确度也得到了较大提高。

基于Fast-ICA的盲信号分离的研究与实现

本文介绍一种典型的ICA算法——Fast-ICA算法的基本原理及其在瞬时混合语音信号盲分离中的应用与实现,通过对三路随机混合语音信号进行的分离实验,说明了Fast-ICA算法可以用于分离超高斯语音信号,且具有较快的收敛速度,证明了其在瞬时混合盲语音信号分离中的现实有效性。

基于八阶收敛牛顿迭代的Fast-ICA改进算法

解决盲源分离问题(BSS)最常用的方法是独立分量分析方法(ICA),快速独立分量分析方法(Fast-ICA)是目前广泛使用的独立分量分析方法。传统的Fast-ICA算法利用了二阶收敛的牛顿迭代方法进行优化,为了加快算法的收敛速度,提高算法的运行效率,利用八阶收敛的牛顿迭代方法对Fast-ICA算法进行优化,通过仿真验证了基于八阶收敛的Fast-ICA算法与传统的Fast-ICA和五阶收敛的Fast-ICA算法在分离性能上基本相同,但其具有更少的迭代次数和更快的收敛速率。

利用BCH码纠错和Fast-ICA的长码直扩CDMA信号扩频码盲估计

针对非合作通信中LC-DS-CDMA信号的扩频码盲估计问题,首先根据扩频增益对同步接收信号进行分段,利用Fast-ICA算法估计m序列扩频码片段;然后将估计得到的m序列片段排列组合进行拼接,利用m序列自相关特性对组合序列粗筛选,再利用m序列三阶相关特性进行精筛选;最后利用BCH码和m序列的等价原理对筛选后的组合序列进行纠错,纠错成功的序列即为扩频码序列。仿真结果验证了本文算法的有效性。

基于Fast-ICA算法的瞬时混合盲信号分离

本文介绍一种典型的独立成分分析算法,即Infomax算法,详细介绍了Fast-ICA算法的基本原理,将该算法用于三路瞬时混合信号的盲分离,最后对算法的分离性能及优缺点进行了分析。

基于Fast-ICA的Wigner-Ville分布交叉项消除方法

针对Wigner-Ville分布中交叉项干扰的问题,提出一种基于快速独立分量分析(Fast-ICA)算法的交叉项消除方法。采用Fast-ICA方法将若干独立分量信号从混合信号中分离出来,对各独立分量信号进行Wigner-Ville分析,叠加分析结果,重构原混合信号消除交叉项后的总体Wigner-Ville分布。仿真结果表明,该方法能消除混合信号Wigner-Ville分布中的交叉项,收敛速度快、实时性高,同时可保持较好的时频聚集性。

基于有理非线性函数的Fast-ICA算法

利用Fast-ICA算法进行超高斯信源盲分离时,计算其目标函数所选取的非线性函数主要是双曲正切函数(tanh)和高斯函数(gauss)。由于tanh和gauss函数的计算负担较大,从而增加了分离混合信号的运行时间。为了提高Fast-ICA算法的收敛速度,提出两个有理非线性函数用于代替tanh和gauss,使得改进的Fast-ICA算法在提高计算速度的同时保持或提高信号的分离性能。仿真实验验证了改进算法的有效性。

基于改进FAST-ICA算法的GIS混合局部放电信号分离方法研究

针对气体绝缘组合电器(GIS)在运行时,其内部可能存在多个绝缘缺陷,导致相关局放传感器采集到混合局放信号,进而影响后续故障类型识别工作的问题,提出了一种在原有传统FAST-ICA算法的基础上,引入幅度修正系数的改进FAST-ICA盲源分离算法,用于将两混合的GIS局放信号分离,同时克服了传统盲源分离算法存在的幅度及正负号不确定问题。最后使用相似系数和幅度相对误差两种参数对算法的分离性能和抗干扰性能进行测试,测试结果显示该算法对于信噪比大于5 dB的白噪声具有较好的抗干扰能力,分离信号的相似系数均在0.89以上,幅度相对误差均在10%以下。实验表明该方法能够对混合局放信号进行有效分离,并具有一定的抗噪能力,为相关工作人员评估设备运行状态,安排检修周期提供了重要参考依据。

基于四阶牛顿迭代法的Fast-ICA改进算法

为了提高快速独立分量分析算法的收敛速度和分离性能,改进了算法中的二阶牛顿迭代法,使其满足四阶牛顿收敛特性。通过Matlab软件对改进算法进行了仿真实验。结果表明,相比原有二阶收敛算法,改进后算法的误差更小,算法的收敛速度平均提高了23%,分离性能有较大提升。

基于Fast-ICA和对称正交化的谐波检测

提出一种基于Fast-ICA和对称正交化的电能质量谐波检测方法。在简要介绍独立成分分析方法的基础上,把多次谐波信号看作多个独立成分的线性组合,采用基于负熵极大独立性准则的Fast-ICA算法实现一个独立成分的估计。再利用对称正交化方法实现多个独立成分的并行估计,分别分离出基波信号、各次谐波信号和噪声信号,以实现对谐波的检测。仿真结果表明,该方法可较准确地检测出各次谐波成分的频率和幅值且对噪声不敏感,与基于渐进正交化的Fast-ICA算法相比,该方法具有更高的检测精度和更快的收敛速度。

采用Pade逼近的有理非线性Fast-ICA

针对快速独立分量分析(fast independent component analysis, Fast-ICA)算法中非线性(nonlinearity)本身的计算负担会造成算法收敛速度下降的问题,提出一种有理多项式函数替代经典非线性的方法。通过将传统的非线性进行泰勒级数展开,利用Pade逼近技术推导出相应的有理多项式函数。有理函数的分子采用一次多项式,而分母采用二次多项式,在保证有理函数为真分式的同时还简化了其计算。仿真结果表明,采用有理非线性的Fast-ICA算法不仅能够提高算法的收敛速度,而且还能提高算法的盲源分离(blind source separation, BSS)性能。

基于Fast-ICA算法的改进EEMD算法在桥梁工程中的运用

目前,以振动分析为基础的桥梁结构健康状态评估方法逐渐受到人们的重视,模态参数识别作为振动分析的关键问题之一,还需进一步完善。模态参数识别即是对结构的振动信号进行动力特性参数的识别,以得到结构的频率、振型以及阻尼比。为了精确地识别出桥梁结构的模态参数,需先对传感器采集的结构响应信号进行分解和重构以保留结构的真实信息,再对重构信号进行模态参数辨识。现阶段,集合经验模态分解算法作为常用的信号分解算法之一,存在两大缺陷,即所得本征模态函数间存在模态混叠现象和有效本征模态函数的定义没有统一的标准。基于此提出对应的改进算法,首先将夹角余弦法用于筛选有效IMF分量;其次将盲源分离算法中的Fast-ICA算法嵌入EEMD分解算法中以避免模态混叠现象的发生;接着将所提算法运用于模拟信号以验证其可行性;最后将所提改进算法运用于实际桥梁工程的响应信号中,并对比分析所得模态参数值以验证该算法的可靠性。结果表明,所提算法较现有EEMD算法具有更好的信号分解效率,且能够有效地剔除结构的虚假信息,保留实际桥梁结构的真实信息。

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。

基于互信息最小化盲源分离准则的电压闪变检测方法

为了准确测量电网电压闪变的参数,提出了一种新的基于最小化互信息准则的盲源分离方法。将含有电压闪变的混合信号视为盲信号,对采样得到的混合信号序列分别延时若干点,构造输入信号矩阵,基于互信息最小化盲源分离准则,用Fast-ICA算法从混合信号中分离出闪变的包络波形,再进行频率和幅值的计算,就可得到短时闪变值。设计了由信号发生电路、功率放大电路及采样电路等组成的实验电路,实验结果表明此方法对平稳和瞬时闪变信号的幅值、频率测量精度高,特别是在含非整次调制谐波时,优于传统的快速傅里叶变换算法,取得了较好的效果。

典型ICA算法在盲源分离中的实现

独立成分分析在神经网络、高级统计学和信号处理等研究领域具有广阔的工程应用前景。文章介绍三种典型的独立成分分析算法,即Infomax算法、Extended-ICA算法和Fast-ICA算法的原理,通过三种算法对三路随机混合信号进行的分离实验,说明了ICA算法在盲源分离技术中的应用与实现,并对三种算法的分离性能进行了对比和分析。

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 .

基于快速独立成分分析和支持向量回归的混合馈线线损估算

提出了一种基于快速独立成分分析和支持向量回归的架空和电缆混合配电网的线损估算方法。这种方法以混合馈线所含架空线长度、电缆线长度、馈线首端的有功和无功为特征参数,估计配电网的线损值。采用快速独立成分分析提取特征参数的独立成分,以特征参数的独立成分和线损值为支持向量回归的输入和输出,建立混合馈线的线损估算关系。实测数据的仿真结果表明,所提出的架空和电缆混合馈线的线损估算方法准确、有效、可行。

独立分量分析在直升机齿轮箱故障早期诊断中的应用

齿轮箱早期的故障信号往往十分微弱 ,信噪比低 ,这大大限制了已有诊断方法在早期诊断中的应用 ,因此如何获取真实的振动信号是提高齿轮箱早期故障诊断质量的关键 ,独立分量分析 (ICA)为此提供了一种新的思路。文中研究了ICA在齿轮箱故障早期诊断中的应用 ,首先分析了齿轮箱的混合振动信号模型 ,然后针对具体的轴承故障进行了实验 ,并使用快速ICA算法分离出轴承的振动信号 ,再将其功率谱与原始振动信号的谱相比较 ,结果表明ICA更易于实现故障的早期诊断 ;最后提出了进一步的研究建议。