基于ICAS算法的原动机仿真系统PI参数整定

原动机仿真系统是模拟原动机调速系统对电力系统机电暂态影响的重要装置,其速度电流调节器的参数设定长久以来主要依靠工程经验和反复修正得到,不仅耗时费力、准确度差,而且对装置的运行造成很大影响。新引入的遗传算法又存在早熟、收敛性差且不易于工程人员理解和参数辨识等问题。本文在分析得出速度电流综合调节器的本质为PI调节器的基础上,提出一种改进的混沌蚁群算法,以ITAE指标为目标函数对其比例系数K_p和时间常数τ_L进行整定。针对原动机仿真系统装置运用MATLAB编程比较传统算法、遗传算法和ICAS算法的控制效果,验证了该算法对PI参数整定的优越性。

基于定点ICA算法的人脸识别方法

提出定点ICA算法结合均一化欧氏距离的人脸识别方法。该方法不仅可以提取出独立主成分，而且收敛速度快，克服了PCA算法提取特征不独立和一般ICA算法收敛速度慢的缺点。在特征聚类方法中，均一化欧氏距离的聚类效果优于欧氏距离和马氏距离。在正交化预处理过程中，投影特征空间维数的选取根据具体数据库和训练样本集通过试验确定。试验结果表明,该人脸识别方法具有较好的识别能力和鲁 棒性。

基于Schur运算格的线性ICA估计算法

从几何角度来看 ,线性ICA(IndependentComponentAnalysis)估计可以通过角度变换来实现 .因此 ,本文提出一种新颖的 ,基于Schur运算格的格型ICA估计算法 ,格型算法较之其它算法稳定 ,易于扩展 ,易于硬件软件实现 .仿真结果表明 。

基于小波变换的ICA盲源分离算法

针对ICA算法不能直接应用于单通道盲分离的问题,提出了基于小波变换的ICA盲源分离算法。该算法结合小波变换对基于信息论的ICA算法进行了改进并应用在单通道盲分离中。仿真结果给出了分离后信号的波形,经检验其相似程度,分离后信号的波形与源信号的波形较为接近。

相空间重构单通道ICA算法及其在变形监测数据去噪中的应用

常用的去噪方法需对数据序列进行多尺度分解实现去噪,而未考虑信号本身的关联和特征。相空间重构单通道ICA算法依据相空间重构将一维信号扩展到高维相空间,从信号本身获取其隐含的动力学特征,从而利用独立分量分析分离有用信号和噪声。实验证明相空间重构的单通道ICA算法能够实现信号去噪,其去噪能力与多尺度分解去噪方法相当。此外,算法无须多尺度分解,自适应强,且适用于变形监测信号去噪。

基于Fast ICA算法的2种储粮害虫活动声信号识别

利用快速独立分量分析(fast independent component analysis,Fast ICA)算法,对混有高斯噪声的2种储粮害虫玉米象Sitophilus zeamais和赤拟谷盗Tribolium castaneum的活动声信号进行去噪,并使用Fast ICA算法识别和分离了2种储粮害虫爬行与翻身的4种活动声信号,证明了使用Fast ICA算法识别混合信号中每种害虫声信号的有效性和准确性。

基于负熵最大化FastICA算法的雷达信号分选

在深入分析FastICA算法的基础上,提出了将其用于雷达信号的分选。仿真结果表明,这种算法应用于雷达信号分选时取得了很好的分离效果。

一种新的基于归一化峭度的ICA算法

基于峭度的独立分量分析中,采用梯度法寻找代价函数的极值点时,搜索的方向对算法的收敛起着关键的作用,对Kuicnet算法中原来的梯度做一个倍数替换,得到一个新的ICA算法.新算法在迭代过程中适时对梯度方向作出调整,加快收敛速度.数值仿真说明了算法的有效性.

ICA算法在fMRI中的应用

独立分量分析(ICA)是信号处理领域新近发展起来的一种很有应用前景的方法,而脑功能磁共振(fMRI)信号的有效分离与识别是一个正在研究和实验之中的技术领域。近年来,ICA已被成功地应用于fMRI数据的处理,成为分析fMRI数据的一种很有效的方法。本文介绍了ICA在分析fMRI数据方面的应用,以及多种ICA算法在fMRI信号盲源分离中的应用,分析了三种算法的问题,给出了本人对此研究的展望。

遗传算法与ICA相结合的多姿态人脸识别算法

为了解决多姿态人脸识别问题,提出了基于独立成分分析(ICA)进行正面人脸合成的新方法。首先利用ICA提取不同姿态人脸的特征子空间,然后利用遗传算法(GA)优化不同姿态的特征子空间,最后利用通过训练得到的姿态转换矩阵得到代表待合成的正面人脸特征系数,并直接进行分类比较。通过实验,验证了新方法对人脸识别率有较大的提高,并进一步简化了识别过程。

FSS-kernel与FastICA融合的盲源分离算法研究

Fast ICA算法有着比传统ICA算法更快、更稳健的收敛速度,但由于其选用的非线性函数不能很好地符合源信号的统计特性,恢复结果并不理想。针对该问题,提出了一种有限支持样本核函数(FSS-kernel)与Fast ICA融合的盲源分离算法。该方法是通过FSS-kernel算法估计得出源信号概率密度函数,结合Fast ICA算法,实现混合信号的盲分离。仿真结果表明,该方法能够有效地完成混叠信号的分离,通过与传统ICA算法及Fast ICA算法比较,证明了该方法具有更高的分离精度和自适应能力。

基于ICA的胎儿心电信号提取算法的比较

研究了2种独立分量分析(ICA)算法(扩展的信息极大算法和快速ICA算法)在胎儿心电信号提取中的应用.仿真实验采用混有母体心电和胎儿心电的混合信号,然后分别利用Fast-ICA算法和扩展Infomax算法提取胎儿心电信号.比较了2种算法的性能.仿真结果表明:在胎儿心电提取时,快速ICA算法更具有优越性,提取胎儿心电信号效果好,而且不需要进行学习速率的选择,收敛速度快,简单可靠.

音乐数据库的基于内容检索及一种基于ICA算法的按调查询系统的提出

目前音频数据库的研究相对于图象处于滞后 ,文中侧重音乐角度 ,结合 MPEG标准和基于内容检索的应用 ,综述了音频检索的研究现状 ,分析了音频方面研究的特殊性和相关应用中的问题 ;并提出基于独立分量分析 (ICA)的按调查询 (QBH)的系统 ,较好地解决了特征提取中的鸡尾酒会效应问题 .系统的查询结果置于三维声效环境中加速了查询 .

单通道时变ICA算法及其在大坝变形分析中的应用

EEMD-ICA算法具有良好的单通道分离性能,但其使用的Fast ICA是一类离线批处理算法,没有时变处理能力。因此,本文研究了在线盲源分离的单通道独立分量分析(ICA)算法——EASI算法,该算法可用于识别混合矩阵缓慢变化,提出了一种基于EEMD的单通道时变ICA算法,即基于EEMD的单通道EASI算法(EEMD-EASI),并将其应用于五强溪大坝位移监测数据的单通道时变ICA分离中。模拟试验表明,EEMD-EASI算法在单通道时不变和时变混合情况下都具有良好分离效果;而大坝变形分析实例进一步表明EEMD-ICA算法能够分离出温度效应位移分量及时效分量,从时变混合矩阵可以看出大坝蓄水几年后趋于稳定。

基于ICA和NSGA-Ⅱ组合算法的微电网优化调度

为了提高微电网运行的经济性,提出了一种基于ICA和NSGA-Ⅱ组合算法的微电网优化调度方法。首先对含有多种分布式电源的微电网结构进行分析;然后通过ICA算法筛选对微电网运行经济性影响较大的因素,并建立相关目标函数和约束条件;接着结合改进NSGA-Ⅱ算法建立优化调度模型;最后利用该组合算法对含多种分布式电源的微电网进行优化调度仿真分析。其结果表明:基于ICA和NSGA-Ⅱ组合算法的后期搜索能力强,且收敛速度快。通过该算法得到微电网经济运行成本值仅为1 120.2元/天,比PSO算法和FPA算法分别少了150.5元/天和733元/天,并且其收敛速度比PSO算法快28%。此外,通过组合算法得到的微电网优化调度能够有效调节系统内分布式电源输出功率,使得系统功率分配更合理。当电网售电价高和负荷大时,充分利用分布式电源发电以降低购电成本,起到削峰填谷的效果,使系统运行的经济性达到最佳。

基于ICA算法的野外动物声音探测仪设计

文章作者提出的基于ICA算法的野外动物声音探测仪设计主要通过对户外生态环境所发生的声波进行分析：声源分离、声音采集、声音分类比较，从而判断出周围野生动物的种类。该探测仪主要适用于生态环境中对野生动物的调查与保护工作以及生态环境的勘测工作，或是适用于野外探险爱好者，判断周围有无危险的动物，保证自身的安全。

基于Fast ICA和改进LSSVM的短期风速预测

对风速的准确预测能有效减轻风电场对整个电网的不利影响,同时能提高风电场在电力市场中的竞争能力。首先提出一种基于快速独立分量分析算法和改进最小二乘支持向量机的风速预测模型,对运用fast ICA算法对风速时间序列进行多层分解,得到一系列的独立分量;然后运用改进最小二乘支持向量机模型对分解后的各独立分量风速进行预测;最后对各预测结果进行叠加作为最终的预测风速。算例结果表明,该预测模型能准确进行短期风速的预测。

单通道独立分量分析算法的比较分析

分析单通道ICA方法中不同算法的适用范围和优劣程度,通过仿真实验证实了单通道ICA算法在单通道信号分离的实用性,并讨论了单通道ICA算法在变形分析中应用的可行性。

非线性盲源分离的原理及算法综述

本文主要阐述了非线性盲源分离(BSS)/独立成分分析(ICA)模型的基本数学原理、分离算法、算法性能及其应用。首先对线性和非线性BSS/ICA的数学模型作了介绍,重点介绍了非线性BSS/ICA解的不确定性,然后在此基础上对近十年来出现的各种非线性BSS/ICA算法进行简单综述,着重分析了一类可解且应用比较广泛的非线性BSS/ICA模型-后非线性BSS/ICA模型及其分离算法。最后对非线性BSS/ICA存在的问题和发展趋势进行了总结。

基于Overcomplet ICA的声音压缩模型

独立成分分析(ICA)方法是近几年发展起来的一种新统计方法,旨在将所观测到的多维随机向量转换成统计上尽可能独立的成分。本文基于Overcomplete(过完备)ICA算法(SCO),提出了一种新的声音压缩模型。我们的实验实现了SCO的混合压缩与分离解压功能。