独立分量分析(ICA)

摘要： 针对快速独立分量分析(fast independent component analysis, Fast-ICA)算法中非线性(nonlinearity)本身的计算负担会造成算法收敛速度下降的问题,提出一种有理多项式函数替代经典非线性的方法。通过将传统的非线性进行泰勒级数展开,利用Pade逼近技术推导出相应的有理多项式函数。有理函数的分子采用一次多项式,而分母采用二次多项式,在保证有理函数为真分式的同时还简化了其计算。仿真结果表明,采用有理非线性的Fast-ICA算法不仅能够提高算法的收敛速度,而且还能提高算法的盲源分离(blind source separation, BSS)性能。

摘要： 为了改善传统Fast ICA算法的稳定性和分离效率,基于Tukey M估计构造了一种新的非线性函数,提出了MTICA算法;并在此基础上结合SVR算法,建立了一种新的MTICA-AEO-SVR股票价格预测模型。用MTICA算法将原始股票数据分解为独立分量进行排序去噪,选择不同的SVR模型分别对各独立分量和股票价格进行预测。在SVR算法中引入了人工生态系统优化算法(AEO)选参,提高了模型的预测精度。通过对上证B股指数的实证分析,结果表明,MTICA-AEO-SVR模型比ICA-AEO-SVR模型和ICA-SVR模型更准确和高效。

摘要： 共模误差(CME)是区域连续全球卫星导航系统(GNSS)网中的主要误差来源之一.针对GNSS时间序列具有非高斯分布特征,基于二阶统计量的主成分分析(PCA)难以准确提取出CME分量问题,采用具有高阶统计量的独立分量分析(ICA)对CME进行提取.以2011—2018年新疆区域GNSS坐标时间序列为例,将PCA滤波效果进行对比验证,分析了CME对GNSS坐标时间序列的影响,并对CME序列进行周期分析.结果表明:前6个独立分量包含CME分量,这可能与卫星轨道、地表质量负荷和时钟误差有关,ICA滤波后东(N)、北(E)、天顶(U)三个方向的均方根(RMS)值分别降低31.83%、32.29%、35.49%,速度不确定度分别降低44.14%、38.49%、43.32%,各测站的周期项振幅较滤波前更一致,有效地剔除了CME,提高了坐标时间序列的精度.

摘要： 脑电图(EEG)是癫痫临床检测的重要检查手段之一,它能为癫痫患者发作提供独特的临床证据。EEGLAB是一款专门对脑电信号进行处理的工具箱,其基于MATLAB平台,作为一种开源工具包专为脑电信号研究人员使用。基于EEGLAB对来自某儿童医院的11名癫痫患者的原始脑电信号进行处理,原始数据以EDF格式存储,对其进行过滤、去除不良通道、独立分量分析(ICA)去伪差、重采样、滑动窗口分割等。对原始信号的有效预处理可为后续对发作间期的癫痫样脑电研究奠定基础。

摘要： 背景噪声是消除可见光通信的重要组成部分。为此,本文提出一种基于经验模态分集(EMD)和独立分量分析(ICA)的联合去噪算法,能较好地实现有效信号与背景噪声的分离。该算法结合EMD自适应将信号分解为不同尺度振动模式的优点和ICA提取独立源信号的优点,对含噪信号进行EMD分解,获得固有模态分量(IMF),并采用模态相关准则对信号层与噪声层进行判定,将分界上的IMF分量构建虚拟噪声通道,基于ICA算法对原始信号进行信噪分离,从而得到降噪后的信号。

摘要： 心冲击信号 (BCG) 是反映心脏机械运动的生理信号, 能实现无电极束缚条件下的连续采集测量.但BCG信号微弱, 易受干扰, 测量时经常会淹没在噪声中.为了消除噪声, 有效识别BCG信号特征, 提出一种基于经验模态分解 (EMD) 联合独立分量分析的BCG信号降噪方法.首先, 将含噪BCG信号进行EMD分解, 获得一系列按频率从高到低的固有模态分量 (IMF), 采用模态相关准则进行信号层与噪声层的判定;其次, 将分界之上的IMF分量构建虚拟噪声通道, 基于ICA算法对原始BCG信号进行盲源分离, 从而得到降噪后的BCG信号.采集10名健康受试者的BCG信号进行降噪处理.量化评价结果表明, 与小波方法和EMD方法相比, 降噪后信噪比均显著提高 (小波方法11.01±1.58, EMD方法5.19±1.29, 所提出方法14.87±3.04, P<0.05), 能量百分比也均显著提高 (小波方法88.81％±2.81％, EMD方法96.15％±2.96％, 所提出方法96.64％±2.92％, P<0.05), 从而证明所提出方法降噪效果明显, 能够有效还原BCG信号特征.%Ballistocardiogram (BCG) signal is a physiological signal reflecting heart mechanical status. It can achieve continuous acquisition measurement without electrodes constraint. However, BCG signal is so weak that it would often be interfered by superimposed noises. Aiming to eliminate the noise and recognize BCG signal characteristics effectively, this paper proposed a de-noising method of BCG signal based on empirical mode decomposition (EMD) and independent component analysis (ICA). Firstly, the noisy BCG signal was decomposed by EMD to obtain a series of intrinsic mode components (IMF) ranked by frequency in descending order, and the EMD mode was used to distinguish the boundary of noise and useful signal and remove the maximum noise. Secondly, the IMF components of above the boundary were employed to construct a virtual noise channel, and the blind source was separated with the original BCG signal based on ICA algorithm to extract the de-noising BCG signal. Acquisition of 10 healthy subjects BCG signals for noise reduction processing. Quantitative evaluation results indicated that the proposed method significantly increased SNR (14.87±3.04, P<0.05) compared with wavelet method (11.01±1.58) and EMD method (5.19±1.29), significantly increasing energy percentage (96.64％±2.92％, P<0.05) compared with wavelet method (88.81％±2.81％) and EMD method (96.15％±2.96％), which proved that the proposed method was effective in the reconstruction of the characteristics of BCG.

摘要： 针对发动机噪声信号信噪比低、故障特征提取困难等问题,提出一种基于变分模态分解(VMD)结合独立分量分析(ICA)的降噪方法.首先通过VMD分解得到分量中心频率确定合适的分解层数,以峭度准则重构噪声信号和故障信号,然后通过FastICA将重构信号再次分解,得到降噪后的故障信号,最后与经验模态分解(EMD)降噪对比,结合实例和仿真表明,该方法能够有效抑制模态混叠,增强发动机噪声信号故障特征.

摘要： 利用Fast-ICA算法进行超高斯信源盲分离时,计算其目标函数所选取的非线性函数主要是双曲正切函数(tanh)和高斯函数(gauss).由于tanh和gauss函数的计算负担较大,从而增加了分离混合信号的运行时间.为了提高Fast-ICA算法的收敛速度,提出两个有理非线性函数用于代替tanh和gauss,使得改进的Fast-ICA算法在提高计算速度的同时保持或提高信号的分离性能.仿真实验验证了改进算法的有效性.%There are two nonlinearities(hyperbolic tangent"tanh"and Gaussian function"gauss")in the Fast-ICA algorithm to separate super-Gaussian sources. For large-scale source signals, however, these two functions are not optimal owing to high computational cost. In order to solve this problem, this paper proposes two novel rational polynomial functions to replace the original nonlinearities. Because the rational functions can be quickly evaluated, when they are used in the Fast-ICA, the computational load of the algorithm can be effectively reduced. The simulation results show that the Fast-ICA algorithms with rational nonlinearities not only can speed up the convergence but also improve the separation performance of super-Gaussian blind source separation.

摘要： 介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.

摘要： 介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.

摘要： 介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.

摘要： 介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.

摘要： 介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.

摘要： 介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.

摘要： 介绍了盲源分离(blind source separation,简称BSS)的基本概念和研究发展,综述了盲源分离在机械故障诊断中的研究现状,主要论述了基于盲源分离的机械噪声源分离、基于盲源分离的机械故障的特征提取和模式分类.并提出了盲源分离在机械故障诊断应用中需要进一步研究的问题.

摘要： 本发明公开了一种基于独立分量分析的运动想象脑电信号分类方法，包括以下步骤：S1：采集脑电信号并对脑电信号进行预处理，将预处理后的脑电信号随机分为训练集和测试集；S2：将训练集数据依次选择单次试验样本数据进行独立分量分析计算，并基于源的空间分布模式实现运动相关分量的自动识别获取；S3：基于零训练分类器的运动想象分类识别；S4：使用训练集数据进行导联的优化选择，将优化后的导联代入测试集，循环步骤S2和S3，得到最终的分类识别率。本发明可以减少由采集的EEG数据之间的差异性所带来的空域模型匹配问题产生，对运动想象EEG信号具有较高的识别正确率。

摘要： 本发明涉及信号处理及人工智能，旨在提供一种基于独立分量分析与相关性准则的旋转机械故障诊断方法。包括：测量旋转机械的多通道振动信号，利用独立分量分析算法进行变换；基于相关性准则与贝叶斯信息准则的分离信号选取，提取故障特征向量；旋转机械支持向量机诊断模型训练与诊断，以输入特征向量R输入模型对旋转机械进行故障诊断，根据预设的判断条件对诊断结果进行分类并发出警报。本发明解决了以往独立分量分析仅应用在人工诊断而极少应用在人工智能诊断方面的问题，较大程度地提升了旋转机械故障诊断的准确性，因此，本发明具有很好的使用价值。

摘要： 本发明公开了一种结合集成学习与独立分量分析的运动想象分类方法，基于不同的单次试验数据构造ICA空域滤波器对数据进行空域滤波与特征提取，并使用简单分类规则构造不同的基分类器，进而运用集成学习的投票法结合策略构成新的运动想象脑电信号分类器。本发明设计的集成分类器具有较稳定的识别率，多个基分类器集成学习分类，可以获得比单一分类器更优越的泛化性能，提高EEG信号的分类识别率。在不同受试者之间和同一受试者的不同时期采集的数据的迁移测试中，也体现较稳定的性能，具有更好的实用性。

摘要： 本发明涉及色域分量分析装置、分析色域分量的方法及色域分量分析程序。色域分量分析设备包括：柱状图处理部分，用于对视频信号中的色彩分量执行柱状图处理；色域分量计算部分，用于从所述柱状图处理部分的柱状图处理的结果计算比预定标准的信号宽的宽色域分量；及图形处理部分，用于产生并输出用户界面图像，用户界面图像显示所述视频信号中所述宽色域分量的存在，或者所述宽色域分量与所述视频信号的比例。

摘要： 本发明公开了一种基于独立分量分析‑残余总体相关分析的低维时域量化特征提取技术，其特征在于，该方法包括如下步骤：1）数据选择、预处理与训练集的构建；2）独立分量分析特征抽取网络的批训练；3）模式分类目标综合分析；4）时域特征提取器的联合构建；5）残余总体相关低维量化特征提取；6）特征数据的空间可视化后处理。本发明的有益效果是，方法设计合理，使用简明，提取特征典型。

摘要： 本发明涉及一种结合独立分量分析和线性判别分析的癌症预测方法，具体包括以下步骤：(1)用过滤技术预处理基因微阵列数据；(2)将预处理后的基因微阵列数据用独立分量分析技术进行变换，得到独立分量集；(3)应用线性判别分析技术处理独立分量集，将基因微阵列数据投影到具有最佳可分性的低维空间；(4)利用投影后的基因微阵列数据训练最近邻分类器，生成分类器模型。本发明在过滤处理后的基因微阵列数据上，利用独立分量分析挖掘基因微阵列数据的隐含信息，利用线性判别分析将基因微阵列数据投影到具有最佳可分性的低维空间，提高了癌症预测的精度，降低了癌症预测的时间。

摘要： 本发明公开了一种基于独立分量分析和遗传神经网络的近红外光谱分析方法，该方法对采集得到的近红外光谱，首先用离散小波变换对光谱数据进行有效压缩；然后用独立分量分析方法提取近红外光谱数据矩阵的独立成分和相应的混合系数矩阵；建立三层BP神经网络，将训练样本的混合系数矩阵作为输入，相应测得的被测成分浓度矩阵作为输出，并采用遗传算法优化神经网络结构，经训练样本训练得到GA－BP神经网络；最后使用GA－BP神经网络对预测集样本的被测成分浓度进行预测分析。该方法丰富了化学计量学方法，拓宽了独立分量分析的应用范围，具有良好的应用前景。

摘要： 本发明公开了一种基于复值独立分量分析的磁共振图像分离方法及装置，将多个通道线圈的MRI数据压缩为少量通道；再将采集的频域数据傅里叶变换到图像域；将整个图像均分成重叠的各个小块；对于每一个小块应用基于复值的ICA，得到没有混叠的图像。本发明利用核磁共振成像多线圈之间的冗余信息和复数值独立分量分析(cICA)来分离和重建MR图像。将图像分块后进行ICA分解，最后重建出无混叠的成像图像。和传统方法相比可以在采集数据更少的情况下有效去除混叠现象。

摘要： 本发明公开了一种基于变分模态分解(VMD)和约束独立分量分析(cICA)的人体心率变异性(HRV)与呼吸率(RR)测量方法，该方法对人体面部视频数据进行像素相干平均运算，将其转化为RGB观测信号，并对RGB观测信号进行预处理操作以实现标准化。接着对G通道信号使用VMD算法进行4通道分解，以分解出的4通道分量中频谱峰值最大的分量为基础求出血流量脉冲(BVP)的参考信号。基于该参考信号，使用cICA算法从RGB观测信号中分离出BVP源信号，并运用VMD算法对BVP源信号进行4通道分解，从分离出的4通道分量中提取出优质脉搏波成分，进一步求得HRV参数和RR。本发明能够回避传统盲源分离/独立分量分析算法中固有的源排序模糊问题，并具备较好的抗噪声干扰性，在该领域具有较好的应用前景。

摘要： 本发明公开了一种基于核独立分量分析的胎儿心电检测方法，采用核独立分量分析的信号分离方法，并基于该方法从孕妇腹壁心电信号中分离出胎儿心电信号，本发明采用核独立分量分析代替独立分量分析，它可以适应不同的信源分布，从而使算法对各种应用场合更具鲁棒性。另一方面，核独立分量分析为信号分离问题提供了一种新的解决方法，它不是基于单个非线性函数，而是基于候选非线性函数空间。将再生核Hilbert函数空间的再生特性引入到代价函数的构造过程，通过在整个再生核Hilbert函数空间的有效搜索，得到独立代价函数的近似值，提高胎儿心电信号提取的鲁棒性。