基于SOA-VMD-ICA的海水泵激励源特征提取方法

针对海水泵复杂多源激励特征提取问题,提出了一种海鸥优化算法(SOA)、变分模态分解(VMD)和独立分量分析(ICA)相结合的海水泵激励源特征提取方法。基于单通道测量信号,采用VMD算法与SOA算法选取信号平方包络谱峭度统计量作为适应度函数,寻优获取模态分解数量K、惩罚系数α及特征模态函数(IMF)分量。采用信号排列熵作为噪声检验函数,合理选取排列熵阈值,对IMF分量进行噪声筛选,获取非噪声IMF分量信号。将非噪声IMF分量与原输入信号组合,采用快速独立成分分析(Fast-ICA)算法计算得到激励源信号向量,从而实现激励源特征信号的提取。通过实船海水泵激励源特征提取试验及对比分析,验证了所提方法的有效性。研究结果表明,所提的SOA-VMD-ICA方法能满足单通道测量条件海水泵激励源特征提取准确性要求。

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 。

ICA在心音信号处理中的应用

独立成分分析(ICA)是近年来涌现的用于盲信号分离的新技术。本研究利用独立成分分析成功地把心音信号分离为三个独立的成分。借助ICA方法我们能够有效地区分正常人和房间隔缺损病人的心音信号。研究中所用的心音信号由自行研发的心音采集仪所采集。文章首先介绍了独立成分分析的基本原理,然后介绍了一种基于四阶统计量的算法—快速定点算法,并给出了利用此算法的ICA步骤。试验结果表明,ICA在心音信号的处理中是一种很有潜力的方法。

FastICA算法及其在地震信号去噪中的应用

ICA算法是求解盲源分离问题的有效算法。建立了ICA算法的数学模型,对模型的求解条件及多解性进行了分析。给出一种基于负熵极大的FastICA算法,讨论该算法在地震信号去噪中的应用。仿真实验验证了该算法的有效性。

一种基于ICA的盲源分离定点迭代算法

介绍了一种基于ICA的定点迭代算法,并给出算法的模型、步骤和仿真结果。该算法以峰度作为独立性判决准则,在迭代过程中,使用定点算法,快速有效地分离出任意分布的非高斯独立源信号。实验表明,与传统的基于随机梯度的ICA算法相比,该算法具有收敛速度快,无需动态参数的优点,是一种高效可靠的盲信号分离算法。

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。

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。

高斯矩Fast ICA算法在风机振动信号去噪中的应用

设置了转子不平衡、联轴器不对中、风机基座松动、转子径向摩擦和轴承内圈磨损等5种故障,针对风机的振动问题进行了实验研究.在简要分析ICA理论及其算法的基础上,提出应用基于高斯矩的Fast ICA算法对模拟信号及实测离心式风机振动信号进行去噪处理,并分别与EMD及db8小波的滤波去噪效果进行定量比较.结果表明:Fast ICA方法与EMD方法和小波方法一样,能有效地处理短时瞬态及含宽带噪声的信号,但Fast ICA方法不受去噪阈值的影响,也不需要选择小波基函数,更具有通用性和稳定性.

ICA特征提取技术在背景噪声建模与分析中的应用

应用infomax学习规则对船舶辐射噪声信号进行独立成分分析(ICA)特征提取,并证明了ICA变换能增强信号的非高斯性.在此基础上,根据稀疏编码的特性,利用阈值化的方法将船舶辐射噪声信号有效去噪.通过对含有海洋环境噪声的船舶辐射噪声信号的去噪实验,证明了本方法的有效性,并且去噪结果明显优于传统的几种去噪方法.

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。

基于ICA方法和遗传算法的胎儿心电信号提取

现有独立分量分析(ICA)方法易陷入局部极优值,从而使提取出的胎儿心电信号(FECG)中常混有部分母体心电(MECG)。为解决该问题,本文提出一种基于独立分量分析和遗传算法(GA)的新的胎儿心电信号提取方法。该方法首先利用遗传算法在全局空间内搜索最优值,然后又通过基于峭度的固定点算法的迭代核加强局部搜索,因而增强了算法的分离能力。该算法适用于超高斯和亚高斯信号同时存在的情况,并且具有遗传算法所有的收敛性强的优点。实验结果表明,该算法可以成功地分离混叠信号,而且与传统的独立分量分析方法相比,具有更优异的分离能力,提取出的胎儿心电信号噪声小,几乎不混有母体心电。

基于ICA的自电测井曲线去噪方法

在有工业频率干扰的自电测井曲线中,目前去除干扰的方法主要有数字陷波器、自适滤波器和小波阈值去噪等。本文在分析自电测井曲线和工业频率干扰信号特点的基础上,利用ICA技术来消除自电测井曲线中的工业频率干扰,并与常规方法进行比较。结果表明,ICA在消除干扰的同时,能够保持有效信号,有较好的应用前景。

基于ICA和高阶累积量的AR序列的分解与复原

本文研究由若干个非因果自回归(auto regression,AR)序列叠加产生的多道时间序列的分解与复原问题,首先从序列的独立性出发,利用序列的高阶统计信息,采用独立成分分析(independent component analysis,ICA)中的广义信息最大化(Info- max)算法寻找一可逆矩阵将混合序列进行分离,然后设计了一种基于高阶统计量的自回归模型的辨识算法,算法中将非因果AR系统看成由因果和反因果系统的极联,在每次迭代中先估计反因果AR的阶数和参数,然后再估计因果AR的阶数和参数,由选用的线性方程组保证了参数的唯一可辨识性.最后通过模拟实验验证了此方法的有效性.

基于ICA和SVM的道路网短时交通流量预测方法

交通流量预测是智能交通系统(ITS)研究的一个重要课题。通过对多个观测点交通流量数据特点进行分析,采用一种基于独立成分分析(ICA)与支持向量机(SVM)相结合的短时交通流量预测方法。首先,通过独立成分分析得到同一条道路上各个观测点的交通流量的独立源信号;接着利用支持向量机预测模型对源信号进行建模和预测,并通过遗传算法(GA)优化参数;最后将其转换为交通流量数据,得到预测结果。实例分析结果显示,该算法优于直接利用支持向量机对交通流量进行预测的方法,并能去除同一条道路上多个观测点测量数据之间的相互影响。

基于MICA的声级计频率计权数字IIR滤波器设计

针对双线性变换法在设计声级计频率计权数字滤波器时存在固有频率失真问题,提出一种基于改进帝国竞争算法的数字IIR滤波器设计方法.为避免帝国竞争算法出现早熟收敛而陷入局部最优的问题,在帝国竞争算法同化阶段引入混沌函数来增大搜索范围,与此同时,在帝国竞争阶段引入克隆进化算子,引导算法向IIR滤波器参数最优解方向搜索,得到改进帝国竞争算法.在研究声级计A、C计权的IIR滤波器误差来源的基础上,利用改进帝国竞争算法对声级计频率计权数字IIR滤波器系数进行寻优求解,构建基于改进帝国竞争算法的频率计权数字IIR滤波器优化模型.仿真与实验结果表明,本文提出的数字滤波器设计方法精度较高,且滤波器的误差能控制在10-3dB数量级范围内.在噪声环境下不同声信号级进行的频率计权测试结果表明,改进帝国竞争算法测试的声信号级的计权误差能维持在10-2 dB数量级范围内,完全满足国家标准GB/T3241—2010对1级声级计的设计要求.

ICA及其在气液两相流辨识中的应用

应用独立分量分析(ICA)方法研究气液两相流的辨识问题。根据基于高阶统计量的改进J-HICA求解算法,利用给定仿真信号及不同流量油、气、水单相流体响应信号,模拟两相、三相混合信源进行分离实验,验证该方法的可靠性,并对生产井实测气液两相流体多路传感器响应信号进行分离。对比及分析分离结果表明,该方法成功地从混合信号中分离出表征气、液特征的源信号,达到了辨识目的。

一种基于ICA数据库水印嵌入算法的研究

提出一种基于独立分量分析(ICA)的公开数据库水印方法。利用混合的方法嵌入水印,再利用盲源JADE算法提取水印。理论分析和仿真实验结果表明该算法是有效的。

基于四阶互累积量的fast ICA微地震数据噪声压制方法研究

相较于常规地震资料,微地震资料中不同道之间有效信号通常存在时间差,使得采用快速独立分量分析(fast independent component analysis,fast ICA)算法分离微地震有效信号时受不同道之间有效信号时间差干扰,导致部分有效信号被当作噪声而分离。引入四阶互累积量算法消除时间差后,再将fast ICA算法应用于微地震资料进行有效信号与噪声的盲源分离,从而解决上述问题。首先分别介绍了四阶互累积量算法和fast ICA算法,并利用微地震仿真数据测试了四阶互累积量算法的时差估计准确性,再根据时差估计结果对有效信号进行时差偏移,最后对偏移后的微地震数据进行fast ICA盲源分离,从而达到去除噪声的同时保留有效信号并提高信噪比的目的。微地震仿真实验以及实际微地震资料的处理结果表明基于四阶互累积量的fast ICA微地震数据噪声压制方法具有良好的去噪效果。

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。