基于EEMD和ICA方法的驾驶室内噪声源时频分析

为有效控制工程机械驾驶室内噪声,利用集合经验模态分解(ensemble empirical mode decomposition, EEMD)后的本征模函数作为稳定独立成分分析(independent component analysis, ICA)算法中的多个虚拟通道,提出了基于EEMD和ICA相结合的驾驶室内噪声盲源分离方法。通过分析仿真信号验证了EEMD-ICA方法研究复杂非平稳信号可行。结合相干分析、时频分析方法研究推土机驾驶室内噪声特性。结果表明,柴油机的1／2阶、1阶转动频率是驾驶室内相关零部件的振动辐射噪声的主要激励来源,柴油机的燃烧噪声也是室内噪声的来源。通过相干分析与时频分析相结合的技术可较准确实现噪声源定位,结合测试对象的相关常识可实现对噪声类型判别、噪声传入途径等复杂的问题进行研究,为进一步实现驾驶室内噪声治理、故障诊断,提供经济实用的分析手段。     

基于EMD虚拟通道的ICA算法在信号消噪中的应用

提出了一种由经验模态分解构造虚拟噪声通道,结合独立分量分析进行信号消噪的方法. 在分析经验模态分解及独立分量分析的优越性基础上,阐述了构造虚拟噪声通道的基本原理,给出了具体构造方法. 用固有模态函数的Hilbert时频谱作为虚拟噪声通道重构分量选择的依据. 仿真计算表明,该方法对白噪声的消除是有效的,消噪效果较为理想. 与传统小波方法比较,具有优势.     

化工过程动态监控的去噪和降维

提出化工过程系统降维的信息"有效保留"概念,采用独立成分分析方法实现了噪声和有效信息的分离。依据过程状态空间分析,获知实现过程描述需要的独立成分数目,实现了降维。与主成分分析方法相比,明显地改进了基于相同维数的过程动态描述的准确性和有效性,原始变量可以被理想地还原重构。     

多源数据跨国人口迁移预测

针对跨国人口迁移预测所面临的数据代表性问题,利用多源数据分别构建3个预测模型：线性拟合模型、乘法分量模型和带有时间序列预测（WTSP）的线性拟合模型. 线性拟合模型用于刻画1年内的移民规律;乘法分量模型利用时间序列预测算法对未来迁移模式进行预测;WTSP线性拟合模型利用迁移模式的变化预测跨国人口迁移数量的未来趋势. 对比3个模型的预测结果可知,WTSP线性拟合模型可以有效预测未来的移民规律,相比经典线性拟合模型,WTSP线性拟合模型能体现迁移模式随时间变化的规律,预测准确率可至少提升3%;相比乘法分量模型,WTSP线性拟合模型能呈现更完整的迁移模式,有更强的可解释性.     

快速增量主分量算法的近似协方差矩阵实现

针对主分量分析法在实际应用中运算量较大的问题,首先基于特征向量相互正交的特性,将子空间投影算法的运算量降低为原算法的1/P(P为所需的特征向量个数)．然后利用大特征值及其对应的特征向量构成的近似协方差矩阵,将子空间投影算法中的广义特征值分解问题转化为特征值分解,得到运算量降低为原算法1/N(N为向量维数)的快速算法．最后基于ORL人脸数据库的实验验证了算法的有效性．     

自适应复数信号独立分量分析算法

针对强不相关变化算法不适用于谱系数相同的非圆信号的问题,提出了一种自适应复数独立分量分析算法.利用非圆信号的二阶统计量都不为零的特点构造代价函数,在复数域中直接优化代价函数,推导出一种针对非圆信号的自适应算法.该算法不仅对谱系数相同的非圆信号有效,而且适用于任意包含有非圆信号的统计独立的信源信号,不需要计算特征向量和奇异向量,算法的结构简单.实验仿真结果验证了算法的有效性.     

多因变量多元线性模型主成分型预测的最优性判别

针对多因变量多元线性模型有偏预测问题,结合主成分估计,构造主成分型预测量。通过主成分型预测与最优线性无偏预测的最优性判别问题进行分析,分别得到了主成分型预测在R(i)(·)准则、MDE-准则及RT(·)下优于最优线性无偏预测的充分条件。结果表明,在一定条件下,有偏的主成分型预测优于最优线性无偏预测。     

基于PC-LDA的交通标志形状特征识别方法

针对PCA方法所提取的特征分类效果较差,而LDA方法通常不能直接应用于图像特征提取的问题,提出了一种基于PC-LDA的交通标志形状特征识别方法.通过对交通标志图像进行归一化和二值化处理,得到交通标志形状特征.将PCA方法与LDA方法相结合用于交通标志二值图像特征提取,可以得到既有最佳描述性又有最佳分类效果的PC-LDA特征子空间.利用标准交通标志图像数据库进行验证,并采用最小距离分类器对所提取的特征进行识别,结果表明,该方法能够快速有效地进行维数约减,提高了交通标志识别率.     

基于主成分分析和高斯混合模型的耐火材料损伤信号分类

运用主成分分析方法对MgO-C耐火材料损伤实验获取的声发射参数进行消除相关性降维处理,以构造出的新参数作为损伤信号分类的指标,采用高斯混合模型聚类方法及贝叶斯信息准则将样本信号分为ω1、ω2两类,其权重分别为63％和37％。扫描电镜验证结果表明,MgO-C耐火材料受载下的损伤形式主要为基质相损伤和界面损伤两种,并以基质相损伤形式为主。     

具有独立分量的经验模态分解算法研究

在经验模态分解算法中用极值包络平均近似局部平均,不能保证分解分量之间的正交性,固有模态分量存在冗余.这种情况对信号成份分析尤为不利,冗余部分的物理意义无法解释,或可能作出错误的解释.将独立分量分析方法引入经验模态分解算法中,利用其良好的分解独立特性,使模态分量不仅正交而且相互独立,消除了冗余.仿真试验表明,改进算法的模态分量彼此独立,特别对于混有突变信号的周期信号,在得到周期分量的同时,也得到突变分量,说明了改进算法比原算法优越,且具有较好的工程应用前景.     

信号盲分离的非线性主分量分析算法

主分量分析是统计信号处理中常用的算法,将非线性引入主分量分析算法,可以完成输入信号独立分量的分离,分析认为现有的非线性主分量分析算法能实现实数信号的分离,对复数信号无效,通过对非线性函数进行修改,提出了一种非线性主分量分析复数算法,成功地实现了复数信号的盲分离,文中还借助于计算机仿真,对实数和复数法分离亚高斯和超高斯信号混合的特性进行了分析评价。     

Measurement of a thin layers thickness using independent component analysis of ground penetrating radar data

To detect overlapped echoes due to the thin pavement layers,we present a thickness measurement approach for the very thin layer of pavement structures.The term ＂thin＂ is relative to the incident wavelength or pulse.By means of independent component analysis of noisy signals received by a single radar sensor,the overlapped echoes can be successfully separated.Once the echoes from the top and bottom side of a thin layer have been separated,the time delay and the layer thickness determination follow immediately.Results of the simulation and real data verify the feasibility of the presented method.     

删失数据下部分线性模型的估计及渐近正态性

研究了删失数据下的部分线性回归模型,通过数据变换,利用局部多项式方法和两阶段估计,给出了函数系数和参数部分的估计。并给出了估计的渐近正态性。     

纵向数据下部分线性模型的二次光滑估计

利用二次光滑估计方法研究纵向数据下部分线性模型的估计问题,给出了二次光滑估计的渐近性质.进一步计算表明,在渐近方差不变的前提下,二次光滑估计的渐近偏差的阶o_p(h⁴)低于局部线性估计的渐近偏差的阶o_p(h²),即二次光滑估计的效果优于局部线性估计的效果.利用CD4细胞数数据对二次光滑估计方法进行验证表明,本文所得结果正确.     

Sub-band ICA with selection criterion for BBS of dependent mages

Because of the correlation of images,the efficiency of the standard ICA is not satisfied in the blind source separation (BSS) of image.Therefore,a new method of sub-band ICA with selection criterion is proposed for this problem.Firstly,the sub-bands of the new method are made up of the wavelet packets (WP) coefficients.Secondly,the selection criterion of the new method is a combination of the mutual information (MI),kurtosis and sparsity.One sub-band or a sub-bands group obtained from the new method are more suitable as the inputs parameters of the algorithm of ICA than mixed images.The new method has been applied into the BSS of partially dependent images and highly dependent images successfully.According to the separation experiments,it is shown that the separation efficacy of the new method is more accurate and robust.     

基于独立分量分析的噪声消除技术研究

为了消除观测信号中的噪声,利用独立分量分析的冗余取消特性,提出一种新的信号消噪方法.引入虚拟噪声分量对观测信号进行扩展,将一维带噪观测信号变换为多维虚拟观测信号.利用高阶累积量,对扩展的多维加噪观测信号进行盲源分离,得到源观测信号,从而实现噪声的有效消除.进行仿真研究以及转子实验台的松动故障振动信号的实验研究,结果证明了这种消噪方法在消除各类加性噪声的有效性.该方法不需要大量的观测样本,无需观测信号为确定性信号的前提假设,实现了对单个观测样本的实时消噪处理.     

CDMA盲自适应独立分量多用户检测器

为了解决码分多址（CDMA）下行链路中仅需期望用户的扩频码和定时的盲自适应多用户检测的问题,基于独立分量分析（ICA）的理论,采用探查性投影追踪法,结合负熵和修正函数构造出新的代价函数．运用非多项式函数简化了负熵运算,而采用修正函数克服了独立分量分析的不确定性．经过理论推导和仿真验证,该算法计算量小,收敛速度较快,在恶劣的信噪比和多址干扰中具有优异的信干噪比和误比特率性能,因此该检测器抗多址干扰（MAD和远近效应能力强,很有实用价值．同时该算法对用户数敏感性小,在线处理方式也适用于非平稳信道．     

基于草图内容的空间拓扑数据检索方法

空间数据蕴含了大量拓扑关系语义,但传统空间数据查询和检索方法没有很好地利用高层拓扑语义,导致在处理复杂空间场景时效能较低.针对这一局限性,提出了一种基于草图内容的空间数据检索算法.该算法在9-交集拓扑模型基础上引入不变矩方法,建立拓扑不变量用于描述复杂空间场景;采用独立成分分析和模糊支持向量机降低空间场景高维拓扑关系的冗余度,建立了独立拓扑关系;用相应训练好的支持向量机结合tf×idf模型实现空间场景检索.实验表明,该算法在低样本数情况下具有良好的分类推广能力以及良好的检索性能,为基于内容的空间数据检索建立了基础     

基于独立分量分析的光电耦合器件可靠性时域筛选方法

针对目前光电耦合器件可靠性筛选方法的不足,提出了用独立分量分析(ICA)的方法对噪声信号进行时域分析,并利用ICA中峭度和熵两个参量讨论了各种基本噪声的特性。根据这些特性,应用ICA方法把各基本噪声从噪声信号中分离出来,并给出了时域下器件的可靠性分类规则。     

高维数据正定核与不定核的KPCA变换阵比较

两步降维的核主成份分析(kernel principal component analysis,KPCA)+线性判别式分析(linear discriminant analysis,LDA)法中,第一步KPCA变换阵的选取影响数据的分类结果。对线性不可分问题首先研究了正定核KPCA+LDA中KPCA变换阵的选取对分类结果的影响;其次,将正定核推广到不定核,研究了不定核KPCA+LDA中KPCA变换阵的选取对分类结果的影响;最后通过实验加以分析和验证。