通信信号的单通道盲分离和码元序列盲估计

针对被单根天线接收的多个通信信号的单通道盲分离问题,提出了一种新算法.该算法利用各个通信信号的周期性差异和波形差异,应用过采样技术和高阶统计量分析技术来构造适用于独立分量分析的多通道混合模型,从而将多信号盲分离问题转化成波形和码元序列的估计问题.仿真证实了新算法的可行性和优越性.     

MIMO雷达信号的盲源分离技术

针对MIMO雷达的信号特点,采用了一种多角度的雷达侦察方法,从不同的方位获取同一部雷达的独立信号样本。并在此基础上,运用主分量分析方法估计信号波形个数,运用独立分量分析的盲源分离方法分离出MIMO雷达信号的各个正交分量,最终以正交频分线性调频信号为例,在信噪比为0 dB的情况下对该信号进行了仿真分析,其结果验证了该方法的有效性。     

高光谱空间降采样独立成分特征分离

提出一种空间降采样独立成分特征分离方法,用于缩短独立成分分析(ICA)法在高光谱图像特征分离时的运算时间。该方法通过对高光谱图像的二维像素空间进行网格划分得到较小的窗口;基于光谱相似性测度法度量每个窗口中中心像素与周围像素的距离。然后舍弃这段距离小于阈值的周围像素,而将大于阈值的周围像素和中心像素作为样本量进行FastICA,获取投影矩阵变换原始数据,得到特征分离的ICA成分。对比了传统ICA与空间降采样(SDS)ICA(SDS_ICA)的性能,研究了降采样阈值参数、降采样窗口参数及初始投影矩阵对SDS_ICA特征分离性能及运行时间的影响。实验结果表明:应用SDS_ICA时,仅设置适中的阈值和不敏感的窗口大小参数,就能保持与传统ICA相近的特征分离性能,运行时间减少了30%以上。该方法适合应用于高光谱准实时特征提取、数据降维及目标探测等领域。     

ICA自适应核估计在多用户检测中的应用

将自适应核估计的ICA算法应用于DS-CDMA系统的多用户检测中,在没有关于混叠信号的分布假设时,根据信号的统计特性自动估计评价函数,采用自适应核密度估计ICA算法检测器的输出初始化独立分量分析的迭代,对任意混叠信号进行盲分离。通过与传统匹配滤波检测和ICA后处理匹配滤波检测进行仿真比对,证明了该算法在DS-CDMA多用户检测中的可行性和优越性。     

应用复小波和独立成分分析的人脸识别

结合双树复小波变换（DT-CWT）和独立成分分析（ICA）提出了一种人脸识别新方法。该方法首先应用双树复小波变换提取图像的特征向量,接着通过主成分分析（PCA）降低特征向量的维数,在此基础上应用独立成分分析提取统计上独立的特征向量,然后基于相关系数的分类器对特征向量进行分类。双树复小波变换具有方向与尺度选择性,并能有效的保持图像的频域信息,其与独立成分分析相结合提取的特征具有良好的分类性能。在ORL和AR人脸图像数据库上进行算法验证的结果表明该方法的有效性。     

DNA微阵列数据特征提取的分类方法研究

常用的排列方法从DNA微数据中选择的基因集合往往会包含相关性较高的基因,而且使用单个基因评价方法也不能真正反映由此得到的特征集合分类能力的优劣。另外,基因数量远多于样本数量是进行疾病诊断面临的又一挑战。为此,提出一种DNA微阵列数据特征提取方法用于组织分类。该方法运用K-means方法对基因进行聚类分析,获取各子类DNA微阵列数据中心,用排列法去除对分类无关的子类,然后利用ICA方法提取剩余子类集合的特征,用SVMs方法构造分类器对组织进行分类。真实的生物学数据实验表明,该方法通过提取一种复合基因,能综合评价基因分类能力,减少特征数,提高分类器的分类准确性。     

桌面虚拟化技术研究与应用

主要介绍桌面虚拟化技术的现状,虚拟化关键技术和系统解决方案。详细比较了桌面虚拟化的2个主要技术：系统虚拟化技术和远程登录协议,比较了主流产品的特征与特点,最后,讨论了系统部署和实施过程中需要注意的问题和发展趋势。     

基于小波分析的FastICA联合降噪方法在滚动轴承故障诊断中的应用研究

采用小波分析方法进行振动信号降噪存在选取参数依靠经验的问题,采用独立分量分析（ICA）方法进行振动信号降噪存在欠定问题,为了避免小波降噪以及ICA方法单独使用的缺点,提出了将小波降噪分析和基于负熵的FastICA独立分量分析相结合来处理滚动轴承含噪振动信号的方法。首先对原始信号进行小波降噪处理,然后将处理后的信号与原始信号组成FastICA的输入矩阵,进行FastICA降噪处理,最后利用滚动轴承振动信号对该方法进行有效性验证。实验分析表明：该方法增大了振动信号的峭度值,达到了滚动轴承振动信号降噪的目的。     

基于ICA混合模型的多工况过程故障诊断方法

针对工业过程数据的多模态和非高斯特性,提出一种基于独立元混合模型（independent component analysis mixture model,ICAMM）的多工况过程故障诊断方法。该方法将独立元分析与贝叶斯估计结合,同时完成各个工况的数据聚类和模型参数求取,并建立基于贝叶斯框架下的集成监控统计量实时监控过程变化。在检测到故障后,针对传统的变量贡献图方法无法表征变量之间信息传递关系的缺点,提出基于信息传递贡献图的故障识别方法。该方法首先计算各变量对独立元混合模型统计量的贡献度,进一步通过最近邻传递熵描述故障变量之间的传递性,挖掘故障变量之间的因果关系,从而确定故障源变量和故障传播过程。最后对一个数值系统和连续搅拌反应釜（CSTR）过程进行仿真研究,结果验证了本文所提出方法的有效性。     

脑电情感信号正确提取仿真

脑电信号是一种微伏级信号,从头皮上采集的脑电信号包含眼电信号、心电信号以及各种环境噪音。针对情感识别如何有效处理脑电信号的问题,本文首先对实验采集的脑电信号应用小波分析和独立分量分析进行预处理去除干扰;其次为了有效地提取脑电特征,应用幅值直方图、标准差在时域上定性地找出2种情感的脑电差异;最后应用功率谱对2种情感脑电的γ波节律进行谱分析。仿真实验结果表明,将脑电信号的γ波节律用于情感识别是可行的。