FastICA算法

摘要： 为减少噪声污染,改善语音质量,语音增强是解决噪声污染的一种有效方法。针对传统语音增强在语音质量和语音可懂度方面的不足,对传统算法进行改进是非常有必要的。研究了将带噪声音基于自适应的完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)处理,将带噪语音转化为多个模态分量进行第二阶处理。当带噪语音为低信噪比时,语音采用快速独立成分分析(Fast Independent Component Analysis,Fast ICA)算法进行噪声分离,再通过对数最小均方误差(log Minimum Mean Square Error Estimation,log-MMSE)算法对分离后的带噪分量进一步处理,最后合成语音。当带噪语音处于高信噪比时,不需要对噪声进行剥离,直接采用最小均方误差(Minimum Mean Square Error Estimation,MMSE)算法对带噪分量进行处理,使输出较为清晰的语音。结果表明,改进算法对语音的增强效果明显。

摘要： 在通信侦察中,多通道盲源分离算法是分离信号的常用算法,但有时会出现分离效果不理想的情况。通过理论分析和仿真验证,研究了固定点算法(FastICA)、信息最大化算法(Informax)、等变自适应分解算法(EASI)等常用多通道盲源分离算法在通信信号侦察中的分离性能,分析了信噪比、信号间强度比、信号相对到达方向等对多通道盲源分离的影响,为盲源分离的应用研究和算法的选择提供依据。

摘要： 针对分离出的旋转机械故障信号的非线性非平稳性问题,本文提出一种对旋转机械故障信号分离的方法.首先针对以往利用EMD方法分解的特征信号存在的模态混叠问题,利用VMD方法完成对旋转机械故障特征信号的分解.其次,选取相应的分解后特征信号构成观测序列,利用FastICA算法对观测序列进行分离得到源信号,最后针对FastICA算法的收敛性差、对初始值敏感等缺陷进行改进,提出一种基于VMD和改进FastICA算法的旋转机械故障信号分离方法.经实验验证,该方法提高FastICA算法收敛速度,提升旋转机械故障信号分离质量.

摘要： 为解决传统网络异常信号检测系统存在信号检测准确率差、检测用时较长等问题,提出基于FastICA算法的网络入侵异常信号检测系统设计.系统硬件部分分为三个模块,在系统信号接收模块中,采用INOVONICS 635远程信号监测接收器,将无线电音频或有线音频发送到任何计算机,并辅助系统监测功能,达到信号数据预处理;在信号传输模块中,不断拓展信号传输通道,选择TL信号传输电缆强化信号传输性能,追踪信号状态,实现信号实时监管;系统软件部分主要引入FastICA算法提取网络异常信号以及异常信号特征,从而完成网络入侵异常信号的检测.实验结果表明,该系统对网络入侵异常信号检测能力较强,且工作效率较高.

摘要： 针对基于辐射源描述字的传统信号分选方法难以适应当前复杂电磁环境的问题,提出基于改进FastICA算法的雷达信号分离方法。该方法利用PCA方法对数据进行降维预处理,采用改进算法循环迭代,得到分离矩阵,再根据分离矩阵提取出独立的雷达信号成分。仿真实验结果表明,该方法所采用的算法能够在复杂电磁环境下分离出源信号,而且较传统FastICA算法具有更快的收敛速度。

摘要： 近10年来,独立成分分析(ICA)逐渐被引入地球时变重力场的成分提取中.ICA因其提取成分的独立性,解决了运用主成分分析(PCA)时各提取成分仅互不相关的这一关键性问题.基于负熵的F a stI CA算法是常见的I CA方法,该算法的收敛较梯度算法快,且负熵的稳健性较峭度更好.本文采用上述算法,旨在探寻青藏高原区域水储量成分与降水成分之间的联系.研究表明,青藏高原的水储量变化较降水存在着7个月的延迟效应,显示出除季节性冻土与冰川的冻融和季风气候所带来降水贡献之外,还客观存在着因区域内水交换造成的延迟.结合特征信号来看,青海中部、西藏西部与西藏中东部之间的年均水储量变化刚好相反,在全球变暖所导致的冻土与冰川加速消融的大背景下,因气候与内外流区的不同造成区域水储量变化的差异性,此外上述区域的水储量变化也因青藏高原南北板块构造的不同而体现出差异性.研究证明了在大尺度范围内运用F a stI CA算法分析区域水储量成分及其相关因素变化的可行性.

摘要： 为提高FastICA算法的收敛平稳性和速度,克服FastICA算法对初始值选取敏感的问题,提出在最速下降法中引入松弛因子优化FastICA算法中解混矩阵初始值的方法.首先,按最速下降法负梯度原理确定初始值目标函数最速收敛方向,以最快速度选取靠近目标函数解的粗优值;然后,通过引入松弛因子αk,限制目标函数的下降性质,促使其进入牛顿迭代法收敛区域,最终达到收敛.将优化后的FastICA算法应用于轴承故障诊断中,根据多次仿真次数下迭代时长及时长的波动趋势验证优化FastICA算法在平稳性和速度方面优于传统FastICA算法,且不影响FastICA算法的分离性能,能准确诊断出轴承的故障类型.

摘要： 相较于常规地震资料,微地震资料中不同道之间有效信号通常存在时间差,使得采用快速独立分量分析(fast independentcomponent analysis,fast ICA)算法分离微地震有效信号时受不同道之间有效信号时间差干扰,导致部分有效信号被当作噪声而分离.引入四阶互累积量算法消除时间差后,再将fast ICA算法应用于微地震资料进行有效信号与噪声的盲源分离,从而解决上述问题.首先分别介绍了四阶互累积量算法和fast ICA算法,并利用微地震仿真数据测试了四阶互累积量算法的时差估计准确性,再根据时差估计结果对有效信号进行时差偏移,最后对偏移后的微地震数据进行fast ICA盲源分离,从而达到去除噪声的同时保留有效信号并提高信噪比的目的.微地震仿真实验以及实际微地震资料的处理结果表明基于四阶互累积量的fast ICA微地震数据噪声压制方法具有良好的去噪效果.

摘要： Most α wave studies only analyze α wave differences in different brain regions, which provides insufficient information to study their neural mechanisms. Aiming at this problem, a α wave independent component energy analysis method is proposed, and the main area of α wave generation is traced combining with the source localization algorithm. Firstly, the main active zone of α wave is analyzed by calculating αwave power in each brain area after pre-treatment. Then the independent components of decomposition from FastICA algorithm are source localized. Finally, the relationship between α wave in main brain area of action and every independent component is analyzed by α wave independent component energy analysis method. Testing results on six 26-year-old right-handed male subjects show that the main action areas of αwave in relaxed state are the left and the right occipital regions, followed by the right and the left posterior iliac regions. Although there is no distinct differences in α wave power of the left and the right occipital regions, the main α wave energy comes from different neural sources, which is located at the left brain near the left occipital area and the right brain near the right occipital area, respectively. Results of two-way repeated analysis of variance show that these two different neural sources have effect on α wave of the left and the right occipital regions.%鉴于在大多数α波研究中, 只分析不同脑区的α波差异对研究其神经活动所提供的信息不足问题, 本文提出了α波独立分量能量分析法, 并结合源定位算法对产生α波的主要脑区进行了溯源分析.首先, 计算预处理后各脑区的α波功率以分析其主要活动区域, 将FastICA算法分解的独立分量进行源定位, 再采用α波独立分量能量分析法分析主要活动脑区的α波与各独立分量的关系.以6名26岁的右利手男性为被试对象, 结果表明在放松状态下α波的主要活动脑区为左枕区和右枕区, 其次为右后颞, 左后颞;左枕区和右枕区的α波功率虽无显著性差异, 但其主要α波能量却来自不同的神经源, 这两个神经源分别位于靠近左枕区的左脑和靠近右枕区的右脑部位.经过两因素重复方差分析, 发现这两个不同的神经源影响了左枕区与右枕区的α波.

摘要： 基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的非高斯信号进行分离.通过对仿真信号的分离比较,使用峭度值和信噪比对分离函数tanh和gauss函数的性能进行了分析,研究分离函数的选择对于分离效果的影响。

摘要： 基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的非高斯信号进行分离.通过对仿真信号的分离比较,使用峭度值和信噪比对分离函数tanh和gauss函数的性能进行了分析,研究分离函数的选择对于分离效果的影响。

摘要： 基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的非高斯信号进行分离.通过对仿真信号的分离比较,使用峭度值和信噪比对分离函数tanh和gauss函数的性能进行了分析,研究分离函数的选择对于分离效果的影响。

摘要： 基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的非高斯信号进行分离.通过对仿真信号的分离比较,使用峭度值和信噪比对分离函数tanh和gauss函数的性能进行了分析,研究分离函数的选择对于分离效果的影响。

摘要： 基于独立分量分析的盲源分离方法,采用快速独立分量分析(Fast Independent Component Analysis,FastICA)的算法对混合的非高斯信号进行分离.通过对仿真信号的分离比较,使用峭度值和信噪比对分离函数tanh和gauss函数的性能进行了分析,研究分离函数的选择对于分离效果的影响。

摘要： 飞机驾驶舱话音记录器(CVR)记录的舱音信号，通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听，敞存在不能准确分辨出各种独立的声音信号的缺点。本文提出一种改进的处理方法。首先应用基于独立分量分析方法的在线算法动态分段处理，再通过快速的FastICA算法进行精确化求解，同时为了使得估计器获得最佳性能适当调整分离矩阵各行权值。仿真实验结果表明，本文提出算法不但可以有效地将CVR混合信号中的独立的声音信号分离出来，而且具有更为优越的分离效果。

摘要： 飞机驾驶舱话音记录器(CVR)记录的舱音信号，通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听，敞存在不能准确分辨出各种独立的声音信号的缺点。本文提出一种改进的处理方法。首先应用基于独立分量分析方法的在线算法动态分段处理，再通过快速的FastICA算法进行精确化求解，同时为了使得估计器获得最佳性能适当调整分离矩阵各行权值。仿真实验结果表明，本文提出算法不但可以有效地将CVR混合信号中的独立的声音信号分离出来，而且具有更为优越的分离效果。

摘要： 飞机驾驶舱话音记录器(CVR)记录的舱音信号，通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听，敞存在不能准确分辨出各种独立的声音信号的缺点。本文提出一种改进的处理方法。首先应用基于独立分量分析方法的在线算法动态分段处理，再通过快速的FastICA算法进行精确化求解，同时为了使得估计器获得最佳性能适当调整分离矩阵各行权值。仿真实验结果表明，本文提出算法不但可以有效地将CVR混合信号中的独立的声音信号分离出来，而且具有更为优越的分离效果。

摘要： 飞机驾驶舱话音记录器(CVR)记录的舱音信号，通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听，敞存在不能准确分辨出各种独立的声音信号的缺点。本文提出一种改进的处理方法。首先应用基于独立分量分析方法的在线算法动态分段处理，再通过快速的FastICA算法进行精确化求解，同时为了使得估计器获得最佳性能适当调整分离矩阵各行权值。仿真实验结果表明，本文提出算法不但可以有效地将CVR混合信号中的独立的声音信号分离出来，而且具有更为优越的分离效果。

摘要： 飞机驾驶舱话音记录器(CVR)记录的舱音信号，通常是语音声、警告声、开关按钮声和背景噪声等混合而成的。目前国内对该类信号的分析和辨别主要是计算机译码后进行人耳辨听，敞存在不能准确分辨出各种独立的声音信号的缺点。本文提出一种改进的处理方法。首先应用基于独立分量分析方法的在线算法动态分段处理，再通过快速的FastICA算法进行精确化求解，同时为了使得估计器获得最佳性能适当调整分离矩阵各行权值。仿真实验结果表明，本文提出算法不但可以有效地将CVR混合信号中的独立的声音信号分离出来，而且具有更为优越的分离效果。

摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；将含有行星齿轮箱振动信号的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。

摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，包括如下步骤：1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；2)将含有行星齿轮箱的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。

摘要： 一种基于FASTICA算法的盲源分离技术控制聚焦系统，包括盲源分离模块、GCC‑PHAT时延估计模块、几何定位模块和相机模块，各模块依次相连；盲源分离模块包括放大电路、数据同步采集电路、信号处理模块；GCC‑PHAT时延估计模块包括多通道音频输入电路和数字信号处理器；几何定位模块包括多语音通道、数字信号处理器、控制逻辑CPLD；相机模块包括图像信息分析与聚焦权重调整模块、数码相机模块。本发明根据在拍摄时测量出的拍摄距离，调整镜头内部部件和感光组件的距离使拍摄物能在感光组件上清晰成像，即使在弱光、低反差条件下都能调整出最佳聚焦点实现聚焦。本发明将盲源分离技术与相机结合，使相机操作简单、定位精准、智能、聚焦时间短。

摘要： 本发明公开了一种基于改进的FastICA算法的谐波电流估计方法，其特征在于，采用拟牛顿法代替牛顿法作为FastICA的优化方法。本发明的有益效果：(1)本发明能在谐波阻抗未知情况下准确估计电网中的谐波电流；(2)克服了系统实际谐波阻抗难以获得和谐波测量装置成本昂贵的难题；(3)原有方法相比，提高了算法的精度，更好的解决了谐波阻抗难以确定的难题。

摘要： 本发明公开了GA_FastICA算法的语音分离效果算法，包括如下步骤：在传统谱减法中假定噪声信号为d(n)，纯净的语音信号为f(n)，获取带噪混合信号h(n)；带噪混合信号经过短时傅里叶变换后获得频谱；利用GA算法计算得到的增益来计算纯净语音功率谱和混合语音功率谱之间的关系，得到纯净语音信号的功率谱，弥补了传统谱减法在0dB左右交叉项为零的假设不成立弊端，通过短时傅里叶逆变换可还原成原始语音信号，FastICA算法进行语音分离，获得分离后语音信号。本发明在不同信噪比条件下，绘制了分离后语音信号时域波形，分析了分离后信号和原始信号之间的相关系数，并比较了GA_FastICA和FastICA、IBM、FOBI算法的分离效果，GA_FastICA算法可有效分离语音信号，在噪声环境下具有较好的语音分离效果。

摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；将含有行星齿轮箱振动信号的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决经验模态分解EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。

摘要： 本发明公开了一种基于共振稀疏分解和FastICA算法的行星齿轮箱故障诊断方法，包括如下步骤：1)首先使用共振稀疏分解方法将振动信号分解成高共振分量和低共振分量，剔除含有宽带信号的低共振分量；2)将含有行星齿轮箱的高共振分量作为观测信号，再对观测信号进行一次共振稀疏分解，构成虚拟通道信号；3)利用快速独立分量分析算法对观测信号和虚拟通道信号进行处理，分离出有效的故障特征分量，从而识别故障类型。本发明能够有效的提取行星齿轮箱的故障特征频率，解决EMD去噪过程中故障信息丢失、模态混叠的问题，同时也可以解决ICA中源信号数与观察信号数不同所带来的分解不准确的问题，还能准确清晰的提取出行星齿轮箱的故障特征频率。

摘要： 提出了一种基于改进的FastICA算法的地震信号处理方法以及对应的处理系统，通过最大化负熵目标函数，使用固定点迭代理论寻求观测信号线性投影的非高斯性最大值从而达到分离信号的目的，并引入利用梯度法改进的修正因子，修正迭代函数，对FastICA算法进行优化。改进后的FastICA算法降低了对初始权值的敏感性，减少了迭代次数，从而提高了算法的收敛速度。

摘要： 一种基于FASTICA算法的盲源分离技术控制聚焦系统，包括盲源分离模块、GCC‑PHAT时延估计模块、几何定位模块和相机模块，各模块依次相连；盲源分离模块包括放大电路、数据同步采集电路、信号处理模块；GCC‑PHAT时延估计模块包括多通道音频输入电路和数字信号处理器；几何定位模块包括多语音通道、数字信号处理器、控制逻辑CPLD；相机模块包括图像信息分析与聚焦权重调整模块、数码相机模块。本发明根据在拍摄时测量出的拍摄距离，调整镜头内部部件和感光组件的距离使拍摄物能在感光组件上清晰成像，即使在弱光、低反差条件下都能调整出最佳聚焦点实现聚焦。本发明将盲源分离技术与相机结合，使相机操作简单、定位精准、智能、聚焦时间短。

摘要： 本发明公开了一种基于改进的FastICA算法的谐波电流估计方法，其特征在于，采用拟牛顿法代替牛顿法作为FastICA的优化方法。本发明的有益效果：(1)本发明能在谐波阻抗未知情况下准确估计电网中的谐波电流；(2)克服了系统实际谐波阻抗难以获得和谐波测量装置成本昂贵的难题；(3)原有方法相比，提高了算法的精度，更好的解决了谐波阻抗难以确定的难题。