排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
发展了一种独立分量聚类分析的诱发脑电特征提取方法,利用诱发成分较强的序间相似性,使用Infomax结合K均值算法对脑电信号中的诱发成分进行分类和提取.该方法可以克服传统独立分量分解方法中诱发分量识别的困难,适用于重复刺激诱发脑电的高维数据自动分析处理.将该方法用于上肢想像动作任务的诱发脑电数据分析,结果显示该方法可以有效剥离背景噪声和提取诱发分量,使得信号的费雪可分性得到显著提升,进而获得更好的识别效果.研究结果表明独立分量自动聚类技术适用于认知行为脑电信号的分析,值得进一步研究. 相似文献
2.
3.
目前的欠定盲分离算法只能分离稀疏信号,对于不稀疏的信号分离效果不理想。经典独立分量分析算法中的扩展Infomax算法既能分离超高斯信号,也能分离亚高斯信号,但却只能应用于观测数不少于源数的超定盲源分离,结合扩展Infomax算法,本文提出了一种欠定ICA算法,通过生成隐藏数据将欠定盲分离问题转化为超定盲分离问题,然后再应用经典的扩展Infomax算法进行分析,该方法可以分离欠定情形下超高斯和亚高斯混合信号。并用该算法对实测的齿轮箱混合故障信号进行分离,再用包络阶次方法对分离出的信号进行分析,成功识别出了齿轮箱的不同故障特征,验证了该算法在齿轮箱故障诊断中的有效性。 相似文献
4.
基于ICA的胎儿心电信号提取算法的比较 总被引:2,自引:0,他引:2
研究了2种独立分量分析(ICA)算法(扩展的信息极大算法和快速ICA算法)在胎儿心电信号提取中的应用.仿真实验采用混有母体心电和胎儿心电的混合信号,然后分别利用Fast—ICA算法和扩展Infomax算法提取胎儿心电信号.比较了2种算法的性能.仿真结果表明:在胎儿心电提取时,快速ICA算法更具有优越性,提取胎儿心电信号效果好,而且不需要进行学习速率的选择,收敛速度快,简单可靠. 相似文献
5.
利用独立分量分析的方法对脑电中眼电伪迹成分进行剔除。运用负熵最大算法将脑电信号分解成独立分量,利用伪迹脑地形图的特征,将伪迹分量分离,得到不含伪迹的脑电信号。实验结果表明,该算法具有较强的稳健性和实用性。 相似文献
6.
7.
8.
生化工过程中存在大量测量变量。这些变量一般不是相互独立的,而是由少数必要的潜隐变量驱动,这些潜隐变量通过独立成分分析方法(ICA)抽取出来;针对现有的Infomax(信息极大)ICA算法收敛速度慢的问题,引入四阶统计去相关的混合学习规则,结合加权协方差阵的非对角元素最小化,提出了一种改进Infomax算法,将其用于生化工过程故障的提取,并通过在TE(Tennessee Eastman)模型上仿真,结果表明该方法改善了原有算法的收敛性能,盲源分离效果良好。 相似文献
9.
独立分量分析是一种基于高阶统计量的信号分析方法,与盲源分离问题密切相关。首先介绍了独立分量分析的基本概念和准则,以及衡量算法性能的方法;其次对比较流行的几种独立分量分析算法进行分析和总结,最后对独立分量分析未来的发展做了展望。 相似文献
10.
针对混合平稳信号的盲分离问题,提出了一种基于过采样技术的新盲源分离算法。对接收混合信号进行过采样,使接收平稳信号具有循环平稳特性。根据信息最大化算法,以输出信号的熵作为目标函数,将信号的循环相关函数和循环频率应用到分离矩阵的寻优中,实现信号的盲分离。仿真结果表明,该算法比传统的Infomax盲分离算法收敛速度快,收敛精度高。 相似文献