DS/CDMA系统中的一种自适应单用户接收机

本文提出了一种在异步多径DS/CDMA系统中基于独立分量分析算法的单用户接收机,这种接收机仅需要已知期望用户的定时和特征波形,计算量小、结构简单.它不但能用于在基站进行多用户信号的上行接收,而且适合于用在移动台进行下行接收.其性能较之匹配滤波器和盲MMSE多用户检测器有很大提高.     

ICA结构进化和未来网

ICA是一种含有中间件的网络软件体系结构,旨在以结构进化取得功能突破,据以全面支持来自用户的以及来自系统的各种应用需要。ICA的出台,表明国际上已建立起一种未来网定位新理念。ICA所代表的“信息通信”领域内的网络软件结构进化,立足于把未来网规范为三层结构,即“应用(Application)层”、“中间件(Middleware)层”和“基础(Baseware)层”。ICA的出现,对我国谋求新崛起是大好机遇,这不仅可以直接振兴我国网络软件产业,更可激励我国在新一轮的网络进化的进程中力争跻身“领潮国”的行列。“ICA融合了各种最新信息技术的长处”。ICA结构进化,标志着当今网络进化的时代特征。推进和实现基于ICA的未来网,有着较佳的可行性。     

基于独立分量分析的图书馆个性化及时服务*

针对读者个性化服务质量的问题,提出了基于独立分量分析的图书馆个性化及时服务系统;简要给出了系统总体和个性化服务关键子系统的体系结构;重点讨论了利用独立分量分析方法改善系统个性化服务质量的问题.实验结果显示,利用此方法进行图书分类和读者群体聚类的效果较理想;读者群体和图书类别之间可产生随读者个性或图书主题变化而变化的动态映射关系,这种映射关系可以改善个性化服务质量.     

基于ICA与Bayes的判别分析模型*

简要介绍了Bayes判别分析模型的特点及存在的问题,概括了独立成分分析(ICA)的特点及发展现状,提出了基于ICA与Bayes的判别分析模型--IBD模型.该模型首先利用ICA的方法将相关性数据指标转换为互相独立的数据指标,并通过卡尔曼滤波方式滤去高频数据,有效地去除了噪声,最后利用Bayes方法对转换的数据进行判别分析.实验结果表明,当数据之间存在相关关系时,IBD模型的判别分析效果要优于Bayes与Fisher判别分析模型.     

复合ICA-SVM机械状态模式分类

提出了一种新颖的、基于独立分量分析(ICA)的复合神经网络，用于不同机械状态模式的特征提取。利用支持向量机(SVM)进行最终分类。与通常的基于经验风险最小化(ERM)原理的神经网络方法相比，基于结构风险最小化(SRM)原理的支持向量机分类方法具有更好的推广能力。而借助多个独立分量分析网络，隐藏于多通道振动观测信号中的不变特征得到有效提取，从而实现了支持向量机分类器在分类能力和推广性两者间的合理平衡。     

独立分量分析在货车轴承故障诊断中的应用

提出基于独立分量分析的故障诊断方法,数值试验结果表明,基于独立分量分析的故障诊断方法能有效地诊断滚动轴承的外圈、内圈和滚动体的故障,而且比传统的共振解调法的性能更好。     

基于小波变换的盲信号分离的神经网络方法

提出一种新的盲信号分离的神经网络方法,该方法将小波变换和独立分量分析(ICA,Independent Component Analysis)相结合。利用小波变换的滤噪作用,将混合在原始信号中的部分高频噪声滤除后,再重构原始信号作为ICA的输入信号,有效地克服了现有ICA算法不能将噪声从源信号中分离的缺陷。实验结果表明,将该方法用于多通道脑电信号的盲分离是很有效的。     

基于ICA和HMM的低空声目标识别方法

提出了一种基于独立分量分析（ICA）和隐马尔可夫模型（HMM）的战场声目标识别方法。针对战场环境下声信号复杂多变,提取目标信号特征难的特点,该方法先利用基于独立分量分析的盲源分离分解混叠信号,再从分离信号中得到更能反应声音特性的Mel倒谱系数作为识别战场低空目标的特征参数;利用隐马尔可夫过程具有很强的表征时变信号的能力来表现声信号随时间变化呈现出的模式演变现象,建立隐马尔可夫模型（HMM）。实际数据的识别分析结果表明了该方法的准确性与有效性。     

独立成分分析在电磁攻击中的应用

电磁泄漏曲线的对齐与有效点的选取是信息安全的重要研究方向.针对曲线过偏移的问题, 提出了一种新的曲线对齐方法——双峰式相关对齐法.在有效抑制曲线过偏移的同时, 实现了曲线的精确对齐通过独立成分分析(Independent Component Analysis, ICA)方法实现了有效点的选取.通过对电磁泄露曲线求得未知的源信号, 由源信号作为特征点进行分类分析.分别采用ICA、主成分分析(Principal Components Analysis, PCA)、PCA-ICA、ICA-PCA四种方法对数据进行了降维处理.通过支持向量机(Support Vector Machine, SVM)对降维后的数据进行分类对比, 最终得出:在10~100维范围内, PCA-ICA的分类效果最佳, ICA其次, 而ICA-PCA的效果最差; 在100~900维的范围内, PCA与ICA-PCA分类效果随着维度的增加几乎呈直线趋势增加.     

电厂开关柜局部放电振动信号降噪方法研究

针对电厂开关柜运行环境复杂,振动干扰较强,又需要保留振动干扰、分析振动干扰特征的问题,将基于相空间重构的ICA降噪方法应用到电厂开关柜局放振动信号中,进行信噪分离。首先依据相空间重构,在不破坏信号本身动力学特征的情况下构造高维相空间矩阵。然后利用独立分量分析方法进行信噪分离,提取有用振动信号。仿真信号和实际检测数据的应用表明,所提方法与小波法降噪能力相当,甚至更优;且不需要考虑最优小波基和最佳分解层数,自适应强,易于实现;且适用于电厂开关柜局放振动信号降噪。