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。     

基于阻尼修正FICA的图像分离算法

独立分量分析算法是一种常用的盲源信号(包括图像信号、音频信号等)分离方法,它的主要任务在于分析混合矩阵及对应的分离矩阵的结构。文章提出了一种阻尼修正的独立分量分析方法,它可以根据迭代过程中梯度函数的收敛情况来动态设置和调整阻尼系数的值,从而保证梯度函数始终能收敛于某一稳定值,并且最终可提取出一组特定的独立分量,同时还具有修正的独立分量分析方法所具有的计算速度快的优点。通过两组混合图像的分离实验,证明该方法具有一定的实用意义。     

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.     

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。     

基于独立分量分析的FastICA心电消噪

本文介绍基于独立分量分析的一种算法FastICA,根据FastICA算法对脑电中心电噪声的消除,实验结果表明,采用该算法成功地消除了脑电中的心电信号,实现了脑电信号在噪声中的有效提取。     

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。     

独立成分分析方法的研究及应用

独立成分分析法（ICA）是近几年发展起来的一种新的信号分离方法。本文介绍了ICA的定义、基本原理及几种主要算法及其相互关系，并进一步讨论了ICA在各个领域的应用。     

基于ICA算法分离缸盖振动加速度信号的研究

本文利用基于独立成分分析的FastICA盲源分离算法对缸盖振动加速度信号进行了分离研究.分析表明缸盖振动加速度信号满足源信号独立性要求,且源信号具备非高斯特性,满足独立成分分析应用的要求.在ZH195柴油机缸盖三个不同位置安装传感器,同时测量振动加速度信号,利用FastICA算法对实测缸盖振动加速度信号进行分离.为对分离的效果进行评价,利用连续小波时频分析方法,对分离得到的活塞撞击激励的响应信号及反拖工况测得的振动加速度信号进行分析,对比结果表明,两信号的时频分布特性具有相似性,这表明FastICA算法适用于分离研究用机型缸盖振动加速度信号.     

基于ICA和BDTSVM的人耳识别

提出了一种独立分量分析和二叉决策树支持向量机相结合的人耳识别模型。首先应用独立分量分析（ICA）方法从高阶统计相关性角度出发提取人耳图像的特征变量,然后采用二叉决策树支持向量机（BDTSVM）分类器进行人耳图像的分类与识别。该模型可以降低分类难度,进一步提高人耳识别率。     

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.     

基于图像矩阵变换的PCA及人脸自动识别

在图像主分量分析的基础上,提出了一种基于图像矩阵变换的主分量分析方法．该方法首先对图像矩阵进行适当的变换,用得到的新的图像矩阵构造图像总体散布矩阵后,再运用图像投影主分量分析进行特征抽取．该方法在ORL标准人脸库上的试验结果表明,经过适当的变换后抽取的鉴别特征在识别性能和速率上均优于单纯的图像主分量分析方法．另外,在AR人脸库上的试验结果也表明该方法对光照变化具有较强的鲁棒性．     

基于ICA的混合域盲水印算法

针对数字产品的版权保护问题,利用独立分量分析(ICA)的盲源分离特性,提出了一种基于DWT和DCT相结合的混合域图像盲水印算法。首先对图像进行离散小波变换,然后对其低频系数进行离散余弦变换,再将置乱处理过的水印嵌入到余弦变换的中频系数上。水印提取过程不需要原始图像及水印参与,先利用ICA分离出水印信号,再经过相关性分析及置乱还原处理,得到水印图像。实验结果表明,该算法能够较稳健地抵抗添加噪声、JPEG压缩和滤波等多种常见攻击,具有较高的安全性。     

A blind source separation algorithm based on negentropy and signal noise ratio

A novel blind source separation (BSS) algorithm based on the combination of negentropy and signal noise ratio (SNR) is presented to solve the deficiency of the traditional independent component analysis (ICA) algorithm after the introduction of the principle and algorithm of ICA. The main formulas in the novel algorithm are elaborated and the idiographic steps of the algorithm are given. Then the computer simulation is used to test the performance of this algorithm. Both the traditional FastICA algorithm and the novel ICA algorithm are applied to separate mixed signal data. Experiment results show the novel method has a better performance in separating signals than the traditional FastICA algorithm based on negentropy. The novel algorithm could estimate the source signals from the mixed signals more precisely.     

BSS algorithm for dependent signals using Cook s nonGaussianity measure

Based on the generalization of the central limit theorem(CLT) to special dependent variables, this paper shows that maximization of the nonGaussianity(NG) measure can separate the statistically dependent source signals, and the novel NG measure is given by Cook‘s Euclidean distance using the Chebyshev-Hermite series expansion. Then, a novel blind source separation (BSS) algorithm for linear mixed signals is proposed using Cook‘s NG measure, which makes it possible to separate statistically dependent source ...     

基于MATLAB的复合因子方差分析与主成分分析算法设计

方差分析与主成分分析是工程计算领域重要的统计分析方法,特别是在医学研究、科学试验、生物遗传测序等方面有广泛应用,本文基于MATALB工具,对双因子方差分析、主成分分析两种主要类型进行理论描述和算法设计,从而实现对抽样样本的二维数据分析。     

基于PCA算法的摄像头人脸识别研究

研究一种基于摄像头的快速人脸识别方法,具体步骤为:利用摄像头捕捉人脸图像,采用图像处理算法从所抓取的图像中提取能代表人脸的特征信息;然后对这些信息进行分析和处理利用主成分分析算法对人脸进行识别;最后采用VC++程序语言开发了基于摄像头的人脸识别系统。实验结果表明,该系统具有采集速度快,易读性和可移植性强的特点,并且具有很强的实用性。