基于盲源分离理论的图像加密算法概述

随着盲源分离理论的日渐成熟,其应用领域也越来越广泛,尤其在图像加密领域中,提出了基于独立分量分析(ICA)、基于非负矩阵分解(NMF)的加密新方法,以及盲源分离加密与混沌结合的加密方法等。本子将对以上基于盲源分离理论的加密新方法进行具体阐述。     

基于改进的遗传算法的后非线性盲源分离

针对后非线性盲源分离中非线性参数估计中存在的问题,提出一种基于改进的自适应遗传算法的后非线性盲源分离方法.该方法给出一种新的适应度函数,利用适应度函数值反馈调节交叉概率和变异概率的选取,并将优先进化策略和模拟退火机制引入遗传算法中,再通过线性分离算法得到分离矩阵.仿真验证表明,该方法较传统方法具有更快的收敛速度和较高的分离精度.     

基于变分模态分解的单通道信号盲源分离方法

针对单通道情况下传统盲源分离方法难以恢复源信号的问题,提出一种基于变分模态分解(VMD)的单通道信号盲源分离方法。首先对单通道信号进行变分模态分解(VMD)获得一系列本征模态函数(IMF)分量,将单通道信号和其IMF分量构成多维信号,然后采用主成分分析法估计源数,依据估计的源信号数目重组多通道观测信号,最后利用改进的变步长等变自适应分离(VSEASI)算法实现信号的盲分离。将所提出方法应用于齿轮和轴承的单通道信号仿真研究,仿真结果表明,该方法能够有效地分离出齿轮和轴承信号,解决了单通道信号盲源分离问题。     

基于非线性函数和简化粒子群优化的盲源分离算法

针对现有盲源分离方法存在的源信号类型和高斯信号个数受限制问题,提出一种基于非线性函数和简化粒子群优化的盲源分离新算法.算法采用依据源信号类型选取的非线性函数作为目标函数,运用简化粒子群优化算法对目标函数进行优化,实现多类型源信号同时混合的盲源分离.仿真结果表明,本算法能够有效实现源信号为多类型和含有2路高斯信号的盲源分离.与其他算法相比,本算法收敛速度更快,分离精度更高.     

卷积混合语音信号的盲分离研究

语音盲分离问题是近年来的研究热点,针对语音信号卷积混合模型的特点,利用短时傅里叶变换将时域计算复杂的卷积变换为频域简单的瞬时分离,考虑语音信号的非平稳和自相关特性,采用非迭代的基于二阶统计量的盲分离算法,并在转换回时域前解决排序和幅度模糊问题,该方法没有遮代过程,处理速度快,最后仿真实验证明了算法的有效性。     

基于能量相关调序的频域语音信号盲分离

为了克服在频域中实现盲分离时所固有的位序不确定性和比例缩放问题对分离性能的严重影响,采用能量相关性的方法对每个频率段的分离结果进行排序。对真实环境中录制的语音信号进行计算机仿真,验证了该方法的有效性,且比现有方法分离性能更精确。     

盲源分析理论的思维方式

盲源分离问题的提出只是20世纪80年代的事，其真正的研究热潮则只是近10年的事，目前仍然是信号处理中一门朝气蓬勃的热门学科。它所要解决的问题说起来很简单，就是要从混合的观测数据向量中恢复出不可观测的各个源信号。这里的“盲”有两层含义：一是所要恢复的源信号不能直接被观测，二是所接收的观测数据向量到底是由源信号如何进行混合而成的也是未知的。而从观测数据向量中分离恢复出各个源信号也是通信、语音、地震和生物医学等很多领域中进行信号处理的自然需求。由于源信号未知、源信号的混合     

基于径向基函数的非线性混合信号的盲分离

通过径向基函数(RBF)神经网络近似非线性混合映射的方法,研究了一种从非线性混合信号中盲源分离的算法。该方法采用RBF神经网络分离系统输出分量的互信息作为目标函数,目标函数的最小化导致输出量之间的独立性,以便使源信号尽可能的分离出来。采用无监督的模糊C均值聚类方法训练RBF神经网络的权值,可以大大节省计算量。仿真结果讨论了RBF神经网络隐含层不同的神经元个数对盲源分离效果的影响,并且证明了本算法是有效性的和可行的,并且有较强的鲁棒性。     

基于人工神经网络的自适应系统研究

研究了人工神经网络技术在自适应系统的应用。在运用人工神经网络原理建立站点模型的基础上,提出一个应用贝叶斯网络技术的自适应系统框架模型。     

盲分离技术在语音信号处理中的研究与应用

盲分离技术是信号处理领域研究的热点问题,在源信号和混合过程未知的情况下,从混合信号中分离出源信号.重点研究了混合语音信号的盲分离方法,对语音信号进行加窗傅立叶变换,采用定点ICA算法对混合语音信号进行分离.最后使用Matlab软件对算法进行了仿真.     

引入合同变换矩阵的网络攻击信号盲分离算法

对网络攻击信号进行盲分离,实现对攻击信号的准确有效检测。传统的网络攻击信号检测算法使用时频分析方法,提取非平稳群攻击信号的时频特征,实现信号检测,但算法把网络入侵检测正确率作为约束目标函数进行同步最优特征子集求解,复杂度较高,提出一种引入合同变换矩阵的网络攻击信号盲分离算法。采用时频分析Viterbi算法,得到信号谱的平均频率等于瞬时频率的时间平均,根据合同变换矩阵,对攻击信号进行离散数据解析化处理,构建网络攻击信号的解析模型,得到网络统计信号在多复变边界条件下的时频特征,实现盲分离算法改进。仿真实验表明,该算法能有效实现对网络攻击信号的盲分离,盲分离结果能准确反映网络攻击信号的内部特征,提高了对网络攻击信号的检测能力,对攻击信号的检测性能有所提高,保证了网络安全。     

基于复数平均相关调序的频域乐音盲分离

为解决频城内卷积混合乐音盲分离存在的顺序不确定问题,提出了基于频带间复数平均相关的调序算法,对每个频带的分离子信号进行顺序调整。仿真实验结果验证了该算法的有效性,与已有的基于幅值相关和能量相关的调序方法相比,其分离性能更优。     

基于人工神经网络的相位跟踪研究

本文介绍了一种基于人工神经网络的相位跟踪控制方法,当电网并网时,用于对控制电流与电网电压进行同相位跟踪,以实现对电网电压的同步跟踪。经MATLAB电力系统动态仿真,验证了该文提出的BP控制方法,跟踪性能良好,具有较强地自适应能力。     

子空间法在动态源盲信号处理中的应用

通常的盲源分离算法都不具备对未知信号源个数估计的能力,而很多场合,源信号的个数是未知的甚至可能是动态变化的。子空间法的应用实现了源信号数目未知和动态变化的超定盲信号分离中源信号数目的在线跟踪估计。子空间法是将观测到的传感器信号划分为信号子空间和噪声子空间,这样做不仅能很大限度的降低噪声水平,还可以根据特征值大小来估计源信号数目。利用赤迟信息准则(AIC准则)和最小描述长度(MDL信息论准则)实现了动态源问题中阈值的在线调整。     

CAPP中人工神经网络的应用

本文阐述了人工神经网络技术，研究分析了BP神经网络模型的基本原理。在此基础上，将神经网络理论应用于CAPP之中，提出了基于此理论的系统模型。     

最小增益的语音盲分离算法中的迭代运算优化

针对目前盲分离算法还无法满足对语音信号盲分离的精度需求,本文提出一种新型语音信号盲分离算法。该算法在最小增益的语音盲分离算法的基础上,针对其缺陷,引入了广义高斯分布模型,对最小增益的语音盲分离算法的迭代运算进行了优化处理,通过计算每次迭代后恢复出来的每个源的峰度值来增加原算法的分离精度。通过仿真试验进行验证,得到的结果是:改进的算法不仅仅没有失去本真效果,经过分离语音信号,对原始语音信号的波形基本保持在一定的范围内,而且表现出较好的性能。     

基于人工神经网络的汉字识别方法研究

电子计算机广泛应用于信息处理中,有极强的算术和逻辑运算能力,有极高的运算速度、精确度和可靠度。但是,它的形象思维能力与人相距甚远。如果计算机具备了模式识别能力,人们就可以使用机器来执行感知任务。文章运用了人工神经网络,模式识别的方法及原理,以Matlab软件作为平台来探讨应用神经网络对汉字进行识别。并通过对汉字样本图象采集输入,汉字图象二值化,行字切分,十进制存储等预处理,分别在有、无干扰的情况下对汉字进行识别,从而评价其性能的优劣。     

基于人工神经网络的投资优化预测模型研究

针对宏观投资问题,运用改进的BP算法建立相应的神经网络模型,确定投资诸要素间的关系,并通过对投资分配的合理调整,确定最佳投资分配比例。在此基础上,以给定的投资总量对黑龙江省2004年的投资分配和总产值分别作了预测。仿真实验结果表明,该模型能够反映投资要素之间的非线性关系,并具有较为理想的精度及较好的预测效果。     

运用人工神经网络预测净水厂混凝投药的研究

运用前馈式人工神经网络,通过建立网络模型并进行训练、测试,对华北地区某水厂的混凝投药量进行了预测,达到了较好的预测效果。     

人工神经网络研究的发展与应用

针对人们普遍关注的人工神经网络问题,阐述了人工神经网络的发展历程和它在各个领域中的应用。详细介绍了人工神经网络理论的发展过程,即它发展的四个阶段:早期阶段、过渡阶段、复苏阶段、稳定发展阶段。介绍了人工神经网络的基本算法模型及该技术在实践中的应用,提出了人工神经网络今后有待于解决的问题和其发展的前景。