利用独立分量分析法去除地震噪声

 独立分量分析（ICA）作为盲源分离（BSS）的一种新方法,是分解观测数据中独立信息的有力工具。以往的ICA算法一般假设噪声可以忽略不计，而实际的观测数据中又常常包含一些加性噪声。对于加性噪声的影响不能忽略的情况下，改进的ICA算法首先利用非零时间滞后协方差，应用两步特征值分解法(EVD)可成功地去除部分加性噪声的影响；再利用ICA算法就能更好地分离出原信号。本文通过对地震理论模型和实际资料的试验，说明改进的ICA算法能够有效地克服加性噪声对常规ICA算法的影响，能够分离出地震资料中的有效信号，从而实现利用独立分量分析压制地震资料噪声的目的。     

静电与麦氏妖及混沌

本文将静电研究中的一些问题与韦克斯韦妖、负嫡及当今兴起的混沌学联系起来，或者说，把麦氏妖、负熵、混沌引进静电研究领域。     

独立分量分析理论在海底管道漏磁检测中的应用

应用独立分量分析(ICA)方法对海底管道缺陷漏磁法检测中电磁干扰的消除进行了研究，阐述了漏磁检测和负熵法ICA快速算法的原理，应用相应的分析工具研究了试验数据。结果表明，在试验室条件下该方法能很好地分离出缺陷信号和电磁干扰信号。     

数据采集片上系统动态性能测试的新方法

提出一种新的方法用于高精度数据采集片上系统的动态性能测试。该方法利用高维空间几何矢量投影的思想,将正弦响应信号向由其各次谐波组成的正交基投影来拟合测试数据,以残差的负熵作为拟合结束的判据,使残差最大限度接近白噪声,避免了传统以残差最小为判据的过拟合问题。实验证明了该方法的有效性。     

基于负熵的人员脚步震动信号检测识别算法

提出一种基于震动信号的人员脚步检测识别算法,该算法根据信息论中的负熵概念,采用高阶累积量的负熵近似计算方法.仿真与实测结果证明,与一般的模式识别算法相比,该算法具有三个重要的优点,包括环境适应性强、识别准确率高和运算量小.这些优点使得该算法更适用于能量受限、随机自组的无线传感器网络,能够在野外环境下准确、简单的检测识别人员脚步震动信号.     

联合时序结构和负熵的FECG盲提取算法

在提取胎儿心电信号时,利用时序结构的盲源提取算法对胎心率误差估计敏感;利用负熵的盲源提取算法存在提取出的信号具有不确定性问题.为克服这两种算法的缺点,利用时序结构和负熵构造了联合代价函数,利用梯度算法对该代价函数求偏导,提出了一种新的胎儿心电提取算法.该算法能确保每次提取出来的信号都是胎儿心电信号,并且在胎心率估计存在较大误差和胎心率变化的情况下,也能正常工作.计算机仿真和实际胎儿心电提取实验验证了该算法在提取胎儿心电信号时的稳定性和确定性.     

变压器绝缘油中混合气体的盲信号分离方法

将盲信号分离算法与光声光谱检测平台应用到变压器绝缘油中混合气体的检测,能降低对激励光源精度的要求,减少成本,在相同光源的情况下可以提高检测精度。利用盲信号处理中的负熵最大法对CO2、C2H6、C2H23种红外特征吸收峰中心波长特别接近的主要故障气体进行了盲源分离。实验结果表明,与单纯的光声光谱法进行比较,利用盲信号分离算法能更好地检测出绝缘油中的混合气体的种类和含量,具有较高的检测精度。     

基于QPSO和ICA的图像盲分离方法研究

针对ICA技术中常用的普通梯度算法容易陷入局部最优,提出了一种基于量子行为的粒子群算法和独立分量分析相结合的盲源分离新算法.以负熵作为独立分量分析的目标函数,用QPSO算法代替普通梯度算法,对瞬时混合信号进行分离,给出了算法的具体步骤.实验结果表明,该算法能够有效实现图像的盲源分离.同时与其他算法对比,体现了该算法更高的性能.     

一种基于独立分量分析的数字字符识别方法研究

在深入分析独立分量分析这一方法的基础上，使用一种负熵最大化的FastICA方法，对传统的数字字符识别模板库进行特征的二次提取，并采用一种改进的矢量量化方法进行识别。实验证明，ICA方法比PCA的识别率要高，并且计算量小于传统的方法。     

基于负熵最大化盲抽取的雷达信号分选研究

研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快.