基于独立分量聚类分析的诱发脑电特征提取技术

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.     

基于互信息量的神经网络语音盲分离算法

盲分离技术由于不需要知道信号的先验信息而得到广泛应用。利用神经网络信息后向传播的特点,在Infomax算法的基础上,提出一种改进的基于互信息的语音盲分离算法,以神经网络为优化结构,并以输出熵为目标函数,实验证明,算法能很好提取信号的独立分量,完成混合信号的分离。     

基于独立分量分析的欠定盲源分离方法

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。     

基于ICA的胎儿心电信号提取算法的比较

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．     

基于独立分量分析的脑电中眼电伪迹消除

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。     

几种盲源分离算法的比较

文章研究了基于高阶统计量的FastlCA算法、基于信息理论的Infomax算法和基于四阶统计量的JADE算法等几种典型盲源分离算法在噪声环境下的分离性能.比较结果显示各种算法分离噪声信号的性能是不同的.对于某些混有一定噪声的特定信号,某些算法的分离性能要优于其他信号.研究结果还表明,基于信噪比和信号的特性来选择盲源分离算法能够给出令人满意的分离效果.     

任意信号源的盲分离

在盲信号分离中，常用的方法假设源信号的密度函数已知或由某一类带参数的函数来逼近，一旦假设的密度函数和真实的密度函数不一致或源信号不是同一分布，所用的方法就不能正确地分离出源信号。针对这一问题，本文用高斯混合模型来逼近任意分布的源信号的密度函数，并提出了一种迭代的期望最大化算法。计算机仿真表明，该算法能够有效地分离出真实的源信号。     

基于改进Infomax算法在生化过程监控中的应用研究

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。     

基于独立分量分析的盲分离算法研究

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。     

采用过采样技术的Infomax盲源分离算法

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。