独立分量分析在胎儿心电提取中的应用

胎儿心电(Fetal Electrocardiogram,FECG)是通过安置在母体腹部表面电极间接检测到的微弱信号,其中含有各种形式的干扰信号,如何将胎儿心电从强背景干扰中分离出来,具有重要的临床应用价值。独立成分分析(Independent Component Analysis,ICA)是近年发展起来的一种新的盲源分离技术(Blind source separation,BSS)。本文将ICA方法应用于胎儿心电信号的提取,并对胎儿心电的在线提取进行了研究,取得了较好的胎儿心电分离效果。     

基于形态分量分析的心电信号去噪

针对心电信号(ECG)采集过程中常受到白噪声干扰的情况,提出了一种基于多种基函数的形态分量分析(MCA)去噪方法。MCA利用信号组成成分的形态差异性通过超完备字典对其进行稀释表示,使得各形态成分得到有效分离。根据ECG特征波形的形态差异性,选用离散余弦变换字典来稀疏表示心电信号中的平滑成分(如P波),选用非抽样小波变换字典来稀疏表示心电信号中的突变成分(如QRS波群),同时滤除高频噪声成分。对MIT-BIH心率失常数据库中的样本进行仿真实验。结果表明,该方法去噪效果优于小波消噪法,不仅可以有效地抑制心电信号中的白噪声干扰,还能较好地保留ECG特征波形。     

基于独立分量分析的MMSE多用户检测

将独立分量分析，即ICA应用于DS-CDMA系统的多用户检测中，提出了基于ICA后处理的最小均方误差MMSE多用户检测方法。该方法用MMSE检测的输出来初始化独立分量分析的迭代．既利用了信源的独立性，又充分利用了已知扩频码的信息，从而提高了多用户检测器的性能。仿真结果表明：此方法在高信噪比的情况下，误码性能得到了较大改善。     

基于最大负熵原理的独立分量分析及其应用

独立分量分析是信号处理的一种新方法。可以分离和恢复多个在时域、频域均混叠在一起的信号，本文针对语音信号的特点。研究了基于最大负熵原理建立非线性函数的ICA实现算法。并将这种方法用于语音信号分离。实验证明了该方法的有效性。文中首先分析了这种ICA的原理和算法。然后给出了实验方法及结果。     

快速独立分量分析算法解析及其仿真

独立分量分析(Independent Component Analysis,ICA)是在信号处理领域中关于盲源分离应用的常用方法。该文论述了独立分量分析的基本原理和分离步骤;介绍了快速独立分量分析(Fast ICA)的优化判据和优化算法特点;并进行了Fast ICA计算机程序仿真:首先混合了方波信号、正弦信号和噪声信号,再利用Fast ICA算法进行分离。分离结果,除了波形的波幅、次序和极性发生变化之外,源信号的波形被很好地分离还原出来,证实了Fast ICA的可行性和正确性。     

基于独立成分分析的图像特征提取研究

本文主要专注于独立成分分析（Independent Component Analysis简称ICA）图像识别方面的算法研究,提出了混合信号的维数可以小于分离的独立成分的维数的过饱和算法,而且保证了相当的精度.在实际应用中意味着使用少量的信号采集设备就可以得到目标对象的本质特征,这在很大程度上降低了信号处理的成本,扩展了ICA的应用领域.     

DS-CDMA中基于噪声独立分量分析的多用户检测

针对独立分量分析算法忽略噪声这一缺点,将基于噪声模型的噪声独立分量分析引入,并进行分析,得到基于噪声独立分量分析的多用户检测方法.并与基于无噪模型的独立分量分析算法的多用户检测性能进行仿真比较,结果表明本文引入的方法检测性能更优.     

基于Haar小波多分辨分析非线性图像消噪的研究

本文基于Haar小波多分辨分析研究非线性图像消噪 ,通过小波收缩得到消噪的阈值范围 ,提出了小波包的重构 .实验结果表明 :Harr小波图像处理 ,实现再次低通滤波图像的噪声消除 ,其高频滤波特性优良 ,图像有较好的消噪结果     

小波分析用于信号消噪处理浅析

本文作者通过对多尺度下小波变换系数及模极大值的分析发现,在实际工程中,有用信号通常表现为低频部分或者是一些比较平稳的信号,所以可以对已经被噪声污染的信号进行小波分解,对分解后的小波系数使用门限阈值处理,以达到消噪目的,仿真结果表明,这一方法有其有效性与可行性。     

基于MATLAB的信号消噪处理研究

介绍了采用先进的科学计算软件MATLAB对含噪信号进行分解 ,并通过软件波波重构出消噪后的信号 ,计算机仿真结果表明 ,利用MATLAB语言可以方便的得到信号含噪前后的频谱 ,并有效的波除噪声     

Study of engine noise based on independent component analysis

Independent component analysis was applied to analyze the acoustic signals from diesel engine. First the basic prin-ciple of independent component analysis (ICA) was reviewed. Diesel engine acoustic signal was decomposed into several inde-pendent components (ICs); Fourier transform and continuous wavelet transform (CWT) were applied to analyze the independent components. Different noise sources of the diesel engine were separated, based on the characteristics of different component in time-frequency domain.     

核独立分量分析在结构振动信号降噪中的应用

降噪处理是分析结构振动信号、提取特征参数、研究损伤识别方法的基础,核独立分量分析(KICA)采用的核方法为结构振动信号的降噪处理提供了新的方法;通过对比KICA与其他算法降噪后信号的HHT边际谱,验证了KICA对低阻尼钢框架结构标准损伤模型降噪的优良性能,特别是提高了对结构安全至关重要的低频振动部分的能量估计的准确度。     

Blind separation of speech signals based on wavelet transform and independent component analysis

Speech signals in frequency domain were separated based on discrete wavelet transform （DWT） and inde- pendent component analysis （ICA）. First, mixed speech signals were decomposed into different frequency domains by DWT and the subbands of speech signals were separated using ICA in each wavelet domain; then, the permutation and scaling problems of frequency domain blind source separation （BSS） were solved by utilizing the correlation between adjacent bins in speech signals; at last, source signals were reconstructed from single branches. Experiments were car- ried out with 2 sources and 6 microphones using speech signals at sampling rate of 40 kHz. The microphones were aligned with 2 sources in front of them, on the left and right. The separation of one male and one female speeches lasted 2.5 s. It is proved that the new method is better than single ICA method and the signal to noise ratio is improved by 1 dB approximately.     

基于主分量分析的数字水印

1　Ｉｎｔｒｏｄｕｃｔｉｏｎ　Ｗｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆｃｏｍｐｕｔｅｒｎｅｔｗｏｒｋａｎｄｍｕｌｔｉｍｅｄｉａｔｅｃｈｎｏｌｏｇｙ,ｄｉｓｓｅｍｉｎａｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｉｎｔｈｅｆｏｒｍｓｏｆａｕｄｉｏ,ｖｉｄｅｏａｎｄｓｔｉｌｌｉｍａｇｅｈａｓｂｅｃｏｍｅｗｉｄｅｓｐｒｅａｄ.Ｔｈｅｐｒｏｂｌｅｍｏｆｄａｔａｐｉｒａｃｙａｎｄｃｏｐｙｒｉｇｈｔｂｒｅａｃｈｉｓａｍａｊｏｒｃｏｎｃｅｒｎｗｈｅｎｉｎｆｏｒｍａｔｉｏｎｉｓｔｒａｎｓｍｉｔｔｅｄｏｖｅｒｎｅｔｗ…     

基于主成分分析的荧光分子断层成像

随着全角度非接触式成像系统的开发与应用,较大规模的多投影荧光数据能够降低荧光分子断层成像(FMT)重建问题病态性,提高重建图像质量,已广泛应用于逆问题。但采用如此大规模的数据进行重建需要消耗大量的计算内存和花费较长的计算时间。为了解决该问题,采用主成分分析对原始FMT投影数据降维,在此基础上结合稀疏正则化算法进行重建。设计了圆柱仿真实验和数字鼠仿真实验。实验结果表明,在不影响重建结果的前提下,经过主成分分析降维后投影数据规模减小,FMT的重建时间缩短大约10倍。     

一种改进的核二维主成分分析人脸识别算法

结合二维主成分分析(two-dimensional principal component analysis,2DPCA)、核二维主成分分析(kernel two-dimensional principal component analysis,K2DPCA)、二维最佳判别式(two-dimensional Linear Discriminant Analysis,2DLDA)的特点,本文提出了一种改进的核二维主成分分析人脸识别算法,可以巧妙地将图像同时映射到最佳投影空间和最优判别空间。首先通过标准的K2DPCA算法在图像的行方向上去相关性;其次在K2DPCA空间通过2DLDA算法对图像做进一步投影;最后利用最近邻准则分类器计算相似度进行判别。在标准人脸库ORL和Yale进行验证,结果表明,所提出算法可以获得更高的识别率。     

基于主成分分析的模糊支持向量分类器

由于孤立点和原始样本的选取对于支持向量机的分类性能具有较大的影响,所以本文旨在设计一种区别于以往的支持向量机的算法来解决这个问题。首要步骤是通过主成分分析法对原始数据样本进行处理,以达到用最好的方式对原始数据进行表达,从而达到使高维特征空间的维数降低的目的。然后使用类均值法,依据样本在特征空间的投影到特征空间中本类样本均值的距离,来确定其模糊隶属度,为达到使孤立点对最优分类超平面的影响最小,本文通过赋予较小隶属度的方式来实现这一目标。通过进行仿真实验,我们可以发现,这种算法能够比较有效地降低分类误差,而且在一定程度上也能够使支持向量机的鲁棒性得到提高。     

基于主成分分析法的奥灰富水性评价

针对因钻孔单位涌水量数据严重不足而无法评判整个井田奥灰含水层富水性的实际情况,选取了新汶煤田良庄井田井下奥灰水文孔钻孔涌水量、影响煤层安全开采的奥灰上部马家沟组上段含水层厚度、井田内断层分维值、井田内褶皱分维值和奥灰上部峰峰组含水层深度5个影响因素,作为评价奥灰富水性的指标,采用主成分分析法从这5个因素中提取出主控影响因素并获得对应的权重,建立了富水性指数的数学模型。通过确定分区阈值,绘制了以富水性指数为依据的良庄井田奥灰富水性分区图,为煤矿的安全开采提供基础资料。     

基于主成分和聚类分析的国内房地产发展评价

运用主成分和聚类分析的方法,对2009年全国31个省、直辖市的房地产发展情况进行了分析,结果表明:不同区域的房地产市场发展差异明显,而同一地区不同省份的发展情况也不尽相同.