FastICA和RobustICA算法在盲源分离中的性能分析

首先简单介绍了FastICA和RobustICA这两种目前最为常用的盲源分离算法,并对这算法的目标函数以及优化算法进行了分析研究,进一步对这两种算法的稳健性及算法复杂度等方面的性能进行分析比较。总的来看,RobustICA算法的综合性能要优于FastICA算法。

EEMD-RobustICA和Prony算法在电力系统低频振荡模态辨识中的应用

针对互联电网低频振荡辨识过程中Prony算法对噪声敏感的问题,该文将总体经验模态分解法、鲁棒性独立分量分析方法与Prony进行有机结合,运用到关键振荡模式辨识中。将待处理信号进行总体经验模态分解后得到的本征模态函数作为鲁棒性独立分量分析算法的输入,对得到的独立分量进行软阈值去噪后进行反变换得到重构后的本征模态函数,接着将重构后的本征模态函数相加得到去噪信号,用Prony算法对去噪信号进行辨识,最终得到低频振荡的模态参数。仿真结果表明:该方法综合利用了总体经验模态分解不依赖信号任何先验知识和完全由数据驱动的自适应性优点,及鲁棒性独立分量分析提取独立分量并保持分量信号完整性的优势,相比传统总体经验模态分解去噪算法,该方法在没有损失信号的前提下可提高分量信号的信噪比,克服Prony算法对噪声敏感的缺陷,更大程度去除噪声,有利于提高辨识精度和准确性,更能满足实际应用需求。

基于RVMD-RobustICA-ST联合相干性分析的电驱动总成噪声源识别

为研究集成一体化电驱动总成的噪声源特性,提出一种RVMD-RobustICA-ST联合算法融合相干性分析的噪声源识别方法。首先,采用基于奇异值分解的占优特征值准则估计噪声子空间维数对变分模态分解参数进行指向性条件约束,并利用鲁棒性独立分量分析联合占优特征值约束的变分模态分解对信号特征进行提取。然后,利用S变换和快速傅里叶变换对各分量信号时频特性进行识别。最后,在二次残差法分析分量信号波形误差度基础上,以电驱动总成振动信号、噪声信号、时频重叠分量信号为变量建立线性系统并进行相干性分析。结果表明,稳态工况下减速二级齿副啮合振动噪声对该电驱动总成噪声贡献度最大,且时频重叠分量信号的噪声能量主要由减速一级齿副啮合振动提供。

基于RobustICA的数字调制混合信号盲源分离算法

针对含噪环境下数字调制混合信号盲源分离（BSS）误码率（BER）过高的问题,提出了一种基于Robust ICA的二阶段盲源分离算法R-TSBS。该算法采用Robust ICA算法对阵列响应向量构成的混合矩阵进行估计,然后利用数字调制信号的有限符号集特征,在第二阶段用最大似然估计（MLE）方法估计各个数字调制源信号发送的符号序列,达到盲源分离的目的。实验仿真表明,传统的独立成分分析（ICA）算法如Robust ICA算法和Fast ICA算法误码率很高,在信噪比（SNR）为10 d B时,其误码率达到了3.5×10-2左右,而基于Fast ICA的二阶段盲源分离算法F-TSBS和基于Robust ICA的二阶段盲源分离算法R-TSBS的误码率则下降到了10-3,分离性能得到了明显改善;在较低的信噪比（0~4 d B）下,R-TSBS算法较F-TSBS算法约有2 d B性能提升。

基于CEEMD和RobustICA的机械设备故障特征提取方法研究

为有效提取复杂背景噪声条件下的滚动轴承故障特征,提出一种基于互补集合经验模态分解(CEEMD)和鲁棒性独立成分分析(RobustICA)相结合的方法。该方法先通过CEEMD分解故障信号并得到若干个不同频率的信号分量。然后依据所构建的组合权重指标体系完成有效信号分量的筛选与重构,并引入虚拟噪声通道。最后,通过RobustICA方法完成信号和噪声的分离,并将降噪后的信号进行包络解调。结果表明,所提出的方法不仅对强噪声干扰有很好的降噪效果,而且能够准确地提取出故障特征。

基于RobustICA的盲分离干扰抑制算法

针对快速定点(FastICA)盲分离窄带干扰抑制算法对野点敏感和容易陷入鞍点或局部极值点的问题,提出了一种基于独立成分分析(RobustICA)的盲分离窄带干扰抑制算法。该算法采用精确线性搜索与代价函数峭度相结合,对峭度进行全局最优搜索,增强了对野点和局部点的鲁棒性。仿真结果表明,该算法抗强音频窄带干扰性能更优,在信噪比为-14 dB^-11 dB时将分离矩阵成功收敛的概率提高了1个数量级,增强了盲分离窄带干扰抑制算法的可用度。

基于VMD-RobustICA与时频分析的永磁同步电机噪声源识别

针对永磁同步电机(PMSM)噪声源分离识别问题,应用一种基于变分模态分解(VMD)与鲁棒性独立分量分析(RobustICA)结合时频分析的方法。首先,采用VMD把永磁同步电机噪声信号分解为多种变分模态分量;然后,通过RobustICA提取主要信号的独立成分。最后,结合时频分析结果,对独立成分结果进行分析识别。该组合方法可以有效处理集成经验模态分解(EEMD)中存在的模态混叠问题,同时能对测试过程中传感器数量多于或等于噪声源的分离问题进行有效缓解。结果表明,提取的主要独立分量对应于PMSM产生的电磁噪声和机械噪声,采用该方法可以分离识别PMSM噪声中的电磁噪声和机械噪声。通过对PMSM不同噪声源的有效分离和准确识别,可以为降噪、运行状态监测和故障诊断提供可靠依据。

基于VMD-RobustICA的车用起动电机噪声源识别

提出了基于变分模态分解(VMD)和鲁棒独立分量分析(RobustICA)相结合的车用起动电机噪声源识别算法。首先测量单一通道的电机噪声信号,之后采用变分模态分解将其分解为一系列变分模态分量,然后用RobustICA算法提取其独立成分;最后对RobustICA的分离结果进行频谱分析,结合频谱分析结果和电机噪声的先验知识,确定了各独立分量与电机不同噪声源的对应关系。

IVMD融合Robust ICA的内燃机噪声源分离

为了准确分离识别内燃机的主要噪声源,提出了一种改进变分模态分解融合鲁棒独立分量分析的方法。首先,针对变分模态分解方法的分解数选择问题进行了算法优化,提出了基于重构信号能量比和中心频率的改进变分模态分解方法,并利用仿真信号进行了验证;其次,进行了内燃机噪声试验,利用改进变分模态分解将单通道信号分解成多个信号分量,根据信号分量与源信号的互信息主要分量识别,克服了主要噪声分量选择客观依据不足的问题;最后,通过鲁棒独立分量分析提取主要噪声分量的独立成分,并结合相干分析和时频分析进行噪声源识别。结果显示,所提出的方法能够有效进行噪声源分离,可成功识别出燃烧噪声、活塞敲击噪声和空压机噪声等内燃机主要噪声源。

基于奇异谱和稳健独立分量分析的星载AIS接收信号分离算法

[目的]在高密度流量地区,船舶经常出现自动识别系统(AIS)信号碰撞的问题,故对接收机的分离性能和实时性能均提出了很高的要求。[方法]针对不同信噪比(SNR)下的混合信号,提出一种基于奇异谱分析(SSA)与稳健独立分量分析(RobustICA)的分离算法S-RICA。通过对单通道AIS信号的Hankel矩阵分别开展奇异值分解和时间序列重构,并利用奇异谱分析代替传统的独立成分分析(ICA)中的白化预处理,再采用峰度对比函数来计算分离矩阵每次迭代的最优步长,从而快速获取最优分离矩阵。[结果]仿真实验结果表明,当信号长度改变时,S-RICA的信号均方误差均可稳定在1.5左右,而快速独立分量分析(FastICA)算法则极不稳定;当SNR为0~9 dB时,S-RICA的误码率为0.97×10^(-2)~1.97×10^(-2),其性能较RobustICA和FastICA提升了1个数量级,且其在SNR为0~7 dB时比S-FICA提高了4~6 dB;S-RICA的平均计算时间和迭代次数分别为18.5 ms和13.6次左右,具有明显的优势。[结论]在样本容量和SNR变化的情况下,S-RICA均表现出更为优异的分离性能,研究成果可为S-RICA在未来星载AIS系统中工程应用提供参考。

基于快速独立分量分析的模态振型识别方法研究

快速、准确地识别出结构的模态参数,特别是结构的振型是结构损伤精确识别与健康监测的重要前提。大多的模态参数识别时域方法都是从曲线拟合的角度或解算特征值的过程来实现。振型向量通过求解各阶模态的留数获得,这些方法依赖于模态频率与模态阻尼的识别。本文提出一种模态振型的直接提取方法,该方法基于快速独立分量分析技术,以模态响应之间的独立性构造目标函数,通过优化目标函数寻求振型向量的最优解,直接从结构自由响应或脉冲响应的数据矩阵中提取结构的振型向量。三自由度数值算例表明该方法有效,具有很高的识别精度且对测量噪声具有很好的鲁棒性。

基于独立分量分析的数字水印技术

近年来,数字水印技术得到迅猛发展,并广泛应用于数字图象的版权保护。数字水印是嵌入宿主数据中、具有隐蔽性且不容易去除的数字信息。本文提出一种基于独立分量分析的数字水印处理技术。实验结果表明,本文提出的方法可以有效提取数字水印,而且具有稳健性。

眼电伪迹自动识别与去除的新方法

为了改善脑电中的眼电伪迹过估计问题及环境干扰耦合引起的非线性混合对眼电去除效果的影响,提出一种基于快速核独立成分分析(Fast Kernel Independent Component Analysis,Fast KICA)与离散小波变换(Discrete Wavelet Transform,DWT)的眼电自动去除方法,即(Fast Kernel Independent Wavelet Transform,FKIWT)方法.首先,利用Fast KICA方法对脑电信号进行分离得到独立成分,并以相关系数为依据识别出眼电伪迹;进而,基于DWT对眼电伪迹进行多分辨率分析,将逼近分量置零,而细节分量保持不变,使得重构所得眼电伪迹成分保留更多有用脑电信号;最后,利用Fast KICA逆变换重建眼电去除后的脑电信号.实验结果表明:FKIWT不仅有效改善了眼电过估计问题,增强了抗干扰能力和鲁棒性,而且在线性混合和非线性混合情况下,均得到较好的伪迹去除效果,特别是在非线性混合时优势更为明显,适合于实际在线应用.

基于QR分解和提升小波变换的鲁棒音频水印方法

利用QR分解的稳定性以及提升小波计算速度快的优良特性,给出一种基于QR分解和提升小波变换的盲鲁棒数字音频水印方法.为了保护原始二值水印图像的安全,利用混沌序列对其进行扩频,生成了待嵌入的水印信号.将原始宿主音频信号升维后进行QR分解,根据R分量是上三角矩阵且第一行为非零元素的特点,选定R分量的第一行,对其进行提升小波变换,得到了待嵌入的小波系数,利用线性瞬时混合模型将其与待嵌入的水印信号进行混合,得到隐秘音频信号.水印提取时,利用独立分量分析算法从待检测的隐秘音频信号中提取嵌入水印信号,获得嵌入水印信号的估计,经过后处理即可获得水印图像.实验结果表明,该方法可以实现水印的盲提取,并且具有良好的透明性和鲁棒性.

基于抗噪声ICA的高光谱数据特征提取方法

特征提取是高光谱数据应用的一个重要环节,用于将高光谱数据中具有特殊性质的地物分离出来并去除冗余信息.提出了一种使用独立成分分析(ICA,Independent Component Analysis)进行高光谱遥感地物特征提取的方法.为了解决ICA对噪声过分敏感的问题,采用最大噪声分量(MNF,Maximum Noise Fraction)算法替代传统的主成分分析对数据作降噪处理,由MNF引出的不完全独立成分分析(UICA,Undercomplete ICA)在不牺牲特征提取能力的情况下能够获得很高的运算效率.给出了HYDICE和PHI的数据试验结果,分别测试了算法在时间效率和特征提取能力方面的性能,证明了该算法具有预期的性能.

一种适应风机接入的配电网谐波责任划分方法

风机接入配电网导致谐波电流呈现波动性、随机性等特征,给谐波责任的准确划分带来了挑战。为了适应于风机接入的工况,该文首先根据实测数据分析了风机注入谐波电流的特性;针对风机注入谐波电流的随机性和波动性,采用稀疏k-means聚类方法对量测数据进行分段处理,将谐波特性相近的数据归类;然后采用鲁棒独立分量分析方法估算谐波阻抗;最后给出谐波责任的定义式,并计算风机谐波责任。仿真结果表明,相比于其他几种方法,所提方法的估算精度更高且适应性更好。

鲁棒主元分析在掌纹识别中的应用

为了对存在异常值的图像构建低维线性子空间的描述,提出用鲁棒主元分析(RPCA)的新方法进行掌纹识别。运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用RPCA提取低维的投影向量,然后将训练图像和待识别图像向投影向量上投影得到鲁棒主元特征,计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,与主元分析(PCA)、独立元分析(ICA)和核主元分析(KPCA)相比,RPCA算法的识别率最高为99%,特征提取和匹配总时间0.032 s,满足了实时系统的要求。

一种基于小波分解及鲁棒估计的ICA算法及其在人脸识别中的应用

鲁棒主分量分析(RPCA)模型在选取幅度参数时,忽略了各变量独有的统计特性.为克服RPCA模型的这一不足,本文提出了通用鲁棒主分量分析(GRPCA)模型,采用M估计器(M-Estimator)为每个变量估计符合其自身统计特性的幅度参数,以提高模型的鲁棒性和通用性,并在此基础上提出了一种集成小波分解、鲁棒估计及独立分量分析的WR-ICA人脸识别算法.WR-ICA对人脸识别中的多种外部干扰(残缺人脸图像、化妆及遮挡等)都表现出很好的鲁棒性.理论分析和实验结果证实了WR-ICA的有效性,采用Cos距离作相似性度量时,WR-ICA的平均识别率达到99.44%.

基于稳健独立分量分析的转子故障信息增强方法

针对实际转子振动信号中信源相互叠加干扰、故障信息微弱的问题,提出一种基于稳健独立分量分析(RICA)的转子故障信息增强方法。首先引入双树复小波变换,对信号进行降噪预处理,降低分离算法对噪声的敏感程度。再用稳健独立分量分析对降噪后信号进行分离和信息增强。并对比其他2种经典的盲源分离算法,通过数值仿真比较它们的分离效果。结果表明:新方法通过优化步长因子得到全局最优值,采用代数方法得到最优步长参数,实现简单,并且避免了预白化处理,使得算法运算量降低;对小数据量信号,算法收敛速度快、信号分离质量高。此方法可以更有效地分离故障源及提取信号的本质故障特征。

改进的快速独立分量分析方法研究

快速独立分量分析算法硬件实现困难,基于HuberM估计函数的独立分量算法硬件实现容易,但是该算法稳健性有待提高。针对这一问题,提出了一种硬件实现容易,而且具有很好稳健性的改进的快速独立分量分析算法。该算法硬件实现容易,且具有很好稳健性的Tukey双权函数作为原算法代价函数中的非线性函数,通过牛顿迭代方法对代价函数进行优化,得到改进的快速独立分量分析算法。仿真实验证明,该算法是有效的,且稳健性较好。