地震灾害救助系统中声波/振动信号的分离

从独立分量分析(ICA)的原理和算法入手,用傅立叶和ICA对实际测得的地震灾害救助系统中的声波/振动信号进行分离。从分离的结果看,ICA在复杂信号的分离中更具优越性。     

一种基于独立分量分析的人脸识别

文中采用了基于高阶统计信息的特征提取方法,即独立分量分析法(ICA).对数据所做的预处理不但提高了ICA估计模型的收敛速度,而且对消除光照影响起了一定的作用.识别过程中用了基于夹角余弦值测度的最近距离分类器,也较基于欧氏距离测度取得了更好的分类效果.实验表明,该识别方法比特征脸方法的识别率高,并且对人的小姿态变化和饰物影响很小.     

基于核独立成分分析的盲源信号分离

独立成分分析(ICA)已经广泛用于盲源信号的分离(BSS)。论文介绍了基于核空间的ICA的原理和基本算法,然后介绍了该算法与典型ICA和主成分分析(PCA)在盲源信号分离中的比较。实验表明在盲源信号分离中,基于核空间的ICA与其他典型ICA和PCA算法相比更具有准确性和鲁棒性。     

一种基于ICA的数字图像特征保护方法

提出一种利用数字图像的特征值对该数字图像进行保护的方法。该方法利用DCT变化原理,提取数字图像的特征值,然后采用信息论中熵的原理和独立分量分析方法评价特征值的变异程度,对数字图像进行保护。该方法不需要对原图进行修改,有较高的实用性。     

基于遗传算法的盲源信号分离

从混合观测数据向量中恢复不可观测的各个源信号是阵列处理和数据分析的一个典型问题.独立分量分析是解决该问题的新技术,而基于四阶累计量的联合对角化(JADE)算法是独立分量分析最常用的算法,但此算法在k＞2时得到近似解,且结果不精确.提出了一种基于遗传算法盲源信号分离的算法,此算法克服了JADE算法的不足,理论分析和仿真结果表明了该算法的可行性和有效性.     

基于局部人脸图像的ICA人脸识别方法

提出了一种基于局部人脸图像独立分量分析的特征提取方法.该方法将人脸图像分成若干个相等的部分,将分成的局部人脸图像矩阵作为训练样本,并先后从水平方向,垂直方向提取训练样本的独立分量.相较于传统的独立分量分析(ICA)方法,该方法具有如下优点:有效解决了传统ICA在进行特征抽取过程中的高维小样本问题;将局部人脸图像作为训练样本,这不仅增加了训练样本数,而且有利于提取人脸局部特征;依次从训练样本的水平方向、垂直方向提取训练样本特征,使得提取的特征不仅维数更小,而且能更有效地反映样本的局部信息.以上优点使得提出的算法较传统方法在人脸识别方面更稳定,识别率更高,在Yale人脸库和AR人脸库上验证了该算法的有效性.     

脉冲信号的有效采集：一种有效而实用的脉冲信号采集方法

本文从经济实用的角度出发,分析介绍了一种简单可靠的脉冲信号采集方法,即用iSBC88/25板上的PPI口(8255并行口)取代计数器来采集脉冲信号的方法。经过实际检验,证明它是非常有效的。它不仅保证了电度量采集的精度,大大节约了系统的费用,而且有效地克服了硬件计数器采集时由于脉冲信号不规范和其它窄脉冲信号干扰所带来的计数误差(即可方便地进行软件滤波)。因此,它不失为一个有效而实用的方法。     

一种自动控制中正弦信号同步采集与处理的方法

介绍一种用于微型计算机控制的正弦信号同步采集和处理的方法，这种方法采用锁相环技术实现采样控制信号与测试信号的频率完全相同，从而克服了用软件设定采样时间间隔而造成的由于被测信号频率波动所引起的误差，同时，采用ＦＦＴ方法，可实现对被测信号的快速处理及谐波分析。     

用ICA提取高维科学数据的特征

独立分量分析(ICA)是基于数据高阶统计特性的一种线性变换手段。目前,已广泛应用于盲信号分离和图像识别。文章将此技术引入到科学数据挖掘领域,以求解决预处理中高维复杂特征的提取问题。提出了ICA结合主成分分析(PCA)的特征提取步骤,并结合科学数据集量大的特点给出了一种快速收敛算法—FastICA。最后指出ICA特征提取技术可以应用于高维科学数据挖掘,并且较传统的特征提取技术有更高的准确率。     

基于独立分量的信号分离算法研究

噪声控制工程中,定量分离主要噪声源是一个非常复杂的问题,国内外对此进行了大量研究,并提出了许多算法,但基本都只适用于线谱,对于宽带信号显得无能为力。据此,基于独立分量分解原理,尝试通过信号分解、线谱提取的方式,将宽带噪声从原信号中准确分离出来,然后可以依据相干分析和谱分析等手段定量分析。计算机仿真研究效果良好,证明该方法具有一定工程应用价值。     

基于网络分量分析的盲源分离方法

提出了用先验混合矩阵对盲源进行分离的网络分量分析方法(NCA).该方法在统计独立性假设不成立的条件下,也能实现对源信号的分离.通过计算机仿真与FastlCA和JADE算法进行了性能比较分析,证实了在无统计独立性的假设下,NCA具有更理想的盲源分离效果.     

比差ICA去噪方法在光学功能成像中的应用

在光学功能成像中,极低信噪比会使得样本协方差矩阵具有奇异性,因此导致Emir等人提出的ICA去噪方法在白化预处理过程会出现降维现象,最终使得该方法无法检测出信号。为解决一问题,利用原ICA去噪方法得到的噪声信号与观测信号之间的差异特性,提出了一种比差ICA去噪方法,该方法在信噪比-40 dB情况下能成功检测出信号。利用仿真得到的光学功能成像数据,对比分析了比差ICA去噪方法与传统滤波去噪方法在极低信噪比下的检测性能,结果表明比差ICA去噪方法不仅检测性能明显优于滤波去噪方法,且输出信噪比基本不随输入信噪比的下降而下降。     

独立元分析方法及其在视频分割中的应用

该文详细的介绍了独立元分析方法(Independent Component Analysis,ICA)的基本背景、原理,以及各种独立元分析算法及其特点。同时考虑到在视频分割中,视频图像的内容丰富,物体复杂多样,但是前景物体和背景图像基本上保持相对独立的特点,利用盲信号分离的思想,尝试着把独立元分析方法用于视频分割,以获得相对独立的背景和前景图像。文中用摄像头采集的连续几帧图像做实验,取得了比较满意的效果。     

基于曲波变换和独立分量分析的有噪图像盲分离

曲波变换是在小波变换的基础上发展起来的一种新方法,能够有效地对具有复杂纹理的图像进行去噪。在分析独立分量分析（ICA）的基本模型和方法的基础上,提出利用快速离散曲波变换和FastICA算法进行有噪图像盲分离。仿真结果表明,对于含有加性观测噪声的混合图像,该方法能够有效地进行去噪分离。     

一种基于混沌和独立成分分析的自适应多重数字水印算法

采用混沌和独立成分分析技术,提出了一种在小波域自适应嵌入多重数字水印的算法。首先根据一个混沌标签序列从原图像中抽取一子图像,并对其进行小波分解,然后将多个互相独立的混沌水印信号依次嵌入到子图像的中频小波系数中,并自适应确定嵌入强度。根据Newman-Pearson准则检测水印是否存在,若存在,采用独立成分分析的方法提取出水印并进一步判断是否为原始水印。水印的检测与提取过程都不需要原始图像。仿真结果表明该算法对各种常见的攻击有着良好的鲁棒性,有效地解决了数字产品的多著作权问题。     

基于独立分量分析的极化SAR图像的相干斑抑制

研究基于独立分量分析( ICA)的极化合成孔径雷达（SAR）图像相干斑抑制方法。该方法将极化SAR图像斑点噪声的乘积模型,变换为应用ICA的信号独立加噪模型。并且将HV/VV的比值图像,也作为ICA的输入数据。利用ICA 的分离性,得到了分别对应于HH、HV和VV极化的三幅降噪图像。经本文方法处理后的图像,其相干斑噪声得到了有效的抑制,具有较高的等效视数,明显地改善了图像的质量。     

基于RobustICA的数字调制混合信号盲源分离算法

针对含噪环境下数字调制混合信号盲源分离(BSS)误码率(BER)过高的问题,提出了一种基于RobustICA的二阶段盲源分离算法R-TSBS。该算法采用RobustICA算法对阵列响应向量构成的混合矩阵进行估计,然后利用数字调制信号的有限符号集特征,在第二阶段用最大似然估计(MLE)方法估计各个数字调制源信号发送的符号序列,达到盲源分离的目的。实验仿真表明,传统的独立成分分析(ICA)算法如RobustICA算法和FastICA算法误码率很高,在信噪比(SNR)为10 dB时,其误码率达到了3.5×10^-2左右,而基于FastICA的二阶段盲源分离算法F-TSBS和基于RobustICA的二阶段盲源分离算法R-TSBS的误码率则下降到了10^-3,分离性能得到了明显改善;在较低的信噪比(0~4 dB)下,R-TSBS算法较F-TSBS算法约有2 dB性能提升。     

基于盲分离的图像去噪算法研究

图像去噪是图像处理中一个重要而又富有挑战性的课题。已有的图像去噪算法对噪声模型作出假设,在达到假设条件时取得较好的去噪效果。这类算法不能完全去除噪声,而且会削弱图像信号的细节。把图像和噪声看作是互相独立的两个信号源,把去噪过程作为信号分离过程来处理。在初步从污染图像中估计出一个虚拟观测图像后,用基于独立分量分析的盲分离来达到去噪目的。实验结果表明,该算法相比传统的基于滤波的去噪方法,在噪声强度很大的情况下,依然能得到较好的去噪效果。     

独立分量分析的基本问题与研究进展

通过对独立分量分析最新发展的研究,对现有的独立分量分析研究理论进行了总结,介绍了独立分量分析的模型定义、数学原理和应用等基本问题,剖析了独立分量分析与盲源分离、主分量分析以及白化的关系,给出了解决独立分量分析问题的研究框架和各种基本方法,并指出了进一步的研究方向。     

基于核独立成分分析的声信号去噪方法

野外环境无线传感侦查网络中的声识别技术面临着复杂的自然环境噪声的挑战,尤其是由强风噪声造成的影响.独立成分分析(ICA)方法是一种能够较好地解决这种复杂环境去噪的方法.引入一种基于核方法的非线性ICA方法一核独立成分分析(KICA).基于该算法,针对强风噪声的特性,设计一种应用于单声传感器降噪的方案.通过降噪仿真实验,...