改进白化的MDL快速独立分量分析算法

合集下载

一种峭度FastICA改进算法

一种峭度FastICA改进算法
高巧玲;刘辉
【期刊名称】《计算机技术与发展》
【年(卷),期】2010(020)011
【摘要】独立分量分析(ICA)是盲分离的核心技术,是信号处理领域的一种新的发展.FastICA是独立分量分析中收敛速度较快的算法,因为它的收敛速度快且要求内存空间小而备受关注,但存在步长μ选取不当可能导致算法收敛速度减慢甚至不收敛的问题.为了克服其缺点,在基于峭度的FastICA算法的基础上增加精确线性搜索优化技术来求μ,使改进后的算法收敛速度更快且不需要手动来选择步长参数.编制相应的matlab程序,将改进的算法用于语音信号分离,验证了它的高效性.
【总页数】4页(P114-116,121)
【作者】高巧玲;刘辉
【作者单位】湖南师范大学,物信院,湖南,长沙,410006;湖南师范大学,物信院,湖南,长沙,410006
【正文语种】中文
【中图分类】TN911
【相关文献】
1.一种改进的FastICA算法及其在fMRI数据中的仿真应用 [J], 彭尧;熊馨
2.基于峭度的FastICA改进算法 [J], 刘辉;高巧玲
3.一种改进的基于峭度指标的FastICA算法 [J], 孟令博;耿修瑞;杨炜暾
4.一种改进的FastICA算法在语音信号盲源分离中的应用 [J], 朱立娟;赵风海
5.一种改进的基于峭度指标的FastICA算法 [J], 孟令博;耿修瑞;杨炜暾;;;;
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进粒子群的盲源分离算法研究_席志红

第 37 卷第 1 期 2010 年 1 月 doi： 10.3969/j.issn.1009-671X.2010.01.004
应
用
科
技
Applied Science and Technology
Vol.37， No.1 Jan.2010
基于改进粒子群的盲源分离算法研究
席志红，边峦剑，晋野
（哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨 150001）简要地介绍了盲源分离的基本理论，针对独立分量分析传统的优化算法易于陷入局部最优、收敛精度低的缺点，摘要：提出了一种基于改进型粒子群的盲源分离算法，将独立分量分析算法与改进的粒子群算法相结合，以负熵作为目标函数 . 采用这种改进的粒子群算法对分离矩阵进行调整使各个信号分量之间独立，完成对瞬时混合信号的盲分离 .实验信号的分离仿真结果表明，该算法能够有效地完成混叠信号的分离 .同时，在与传统的盲源分离算法进行对比中，体现出了更高的分离精度和稳定的性能. 关键词：盲源分离；独立分量分析；预处理；粒子群算法；负熵中图分类号： TN911.7 文献标识码： A 文章编号：（2010 ） 1009蛳 671X 01蛳 0012蛳 04
A novel blind source separation method based on improved particle swarm optimization
XI Zhi蛳hong， BIAN Luan蛳jian， JIN Ye
（） College of Information and Communication， Harbin Engineering University， Harbin 150001， China

【国家自然科学基金】_mdl准则_基金支持热词逐年推荐_【万方软件创新助手】_20140801

科研热词最小描述长度非双曲型非线性序列自相关矩阵空值补齐相容类盲信噪比估计特征分解梯度下降方法射频干扰抑制子空间分解噪声功率合成孔径雷达去噪算法信息粒度不完备信息系统 newton-raphson算法
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2008年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17
科研热词贝叶斯网络评分函数网络结构学习结构学习盲信号分离特征值分解混合模型多尺度参数学习原发性肝癌信号源数目 sar图像分类 minka bayesian准则 mdl准则 ga-em算法 bayes分类器 aic准则
2014年序号 1 2 3 4 5
科研热词马尔可夫链密集多目标分辨算法 metropolis算法 mdl 准则
推荐指数 1 1 1 1 1
2012年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
科研热词 mdl准则 aic准则集外词阵列信号处理语音检索词格网络系统容量盖尔圆半径盖尔圆准则最小描述长度最大互信息无人水下航行器峰均功率比子词多目标检测信道预测信道互易性信源数目估计信源数估计信息论准则 tdd-mimo-ofdm
推荐指数 2 1 1 1 1 1 1 1 1 1 4
科研热词推荐指数马尔科夫随机场 1 腰部核磁共振图像 1 基于独立分量分析的主动外观模型1 医学图像处理与分析 1
2011年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

mdl剪枝算法 -回复

mdl剪枝算法-回复什么是MDL剪枝算法？MDL剪枝算法（Minimum Description Length Pruning Algorithm）是一种用于决策树剪枝的算法。

它基于MDL原理，通过最小化决策树模型的描述长度来选择最优的剪枝点，以提高决策树的泛化能力和预测准确性。

MDL原理是基于奥卡姆剃刀原理和信息论的。

奥卡姆剃刀原理认为如果多个假设能解释观察到的事实，那么应该选择最简单的。

信息论则提供了一种度量模型复杂度的工具，即描述长度（description length）。

在决策树中，描述长度表示使用模型来描述数据所需的长度。

因此，MDL剪枝算法的目标是通过选择最优的剪枝点来使决策树的描述长度最小化。

MDL剪枝算法的具体步骤如下：步骤1：构建完整的决策树。

使用某种决策树算法（如C4.5、ID3等）从训练数据中生成一个完整的决策树，该树没有剪枝。

步骤2：自底向上进行剪枝。

从最底层的叶节点开始，自底向上地考察每个非叶节点。

对于每个非叶节点，计算在该节点进行剪枝后的模型描述长度，并与未剪枝的模型描述长度相比较。

步骤3：选择最优的剪枝点。

比较每个非叶节点的剪枝前后的模型描述长度。

选择能够使模型描述长度最小化的节点作为最优的剪枝点。

步骤4：重复步骤2和步骤3，直到所有非叶节点都被考察为止。

这样就得到了一系列剪枝点的集合。

步骤5：交叉验证选择最终的剪枝点。

将训练数据划分为训练集和验证集，使用训练集来构建决策树，然后使用验证集对每个剪枝点进行评估。

选择在验证集上表现最好的剪枝点作为最终的剪枝点。

步骤6：剪枝。

用最终的剪枝点对决策树进行剪枝，得到简化后的决策树。

值得注意的是，MDL剪枝算法在步骤2和步骤3中使用了一种称为预剪枝的策略。

预剪枝是指在构建决策树的过程中，在考察每个非叶节点时，先计算剪枝后的模型描述长度，如果剪枝后的模型描述长度小于剪枝前的模型描述长度，则直接选择剪枝点，不再继续向下进行。

MDL剪枝算法的优点在于它能够通过最小化模型的描述长度来提高决策树的泛化能力。

基于粒子群优化的独立分量分析算法研究

＠２１ＳｉｅｈＥｇｇ００ｃＴｃ．ｎｎ．．
通信技术
基于粒子群优化的独立分量分析算法研究
张文希郑茂
（长沙学院电子与通信工程系，长沙４００；１０３国防科学技术大学电子科学与工程学院长沙４０７），１０３
摘
要
在分析独立分量分析算法的基础上，出了一种基于粒子群优化的独立分量分析算法。该算法以互信息量最小化给
近年来研究者根据不同的优化准则，出了各提种解决ＩＡ问题的方法，Ｃ既有利用代数方法直接获得分离矩阵］也有自适应在线算法ｌ４。在这些１，２－Ｊ算法中，通常是利用评价函数间接反映信源的概率
密度来完成非线性变化或者是直接采用非线性函
１基于ＩＡ的盲源分离模型Ｃ
中心极限定理证明，一组相互独立的随机变量的
和的分布趋向于高斯分布。对于瞬时混合的盲源分离问题，独立分量分析利用源信号间的非高斯特性，以分离信号之间的统计独立为目标完成分离任务。从不同的角度出发，发展出基于互信息最小化法，基
熵法，信息极大化法和最大似然法等，这些方法都是要得到独立的信息分量，在本质上是一致的。设观测到 Ⅳ个随机变量＝（。ｚ，，）并， … ，
假定它们是由 Ⅳ个具有零均值且相互统计独立的
ＰＯ）Ｓ算法最初是由Ｋｎｅｙ等从模拟社会行为而ｅｎｄ
文献标志码
Ａ
独立分量分析（ｎｅｅｄｎｏｐｎｎｎｌｉ，ＩｄｐｎｅｔｍｏｅｔａｓＣＡｙｓ

基于独立分量分析和支持向量机的气液两相流流型识别

别方法。首先应用独立分量分析对流型的压差波动信号进行特征参数提取，然后将参数通过支持向量
机进行分类处理，从而实现了对流型的识别。经试验证明：该方法可以准确的识别出水平管内的四种流型，整体识别率可以达到９．％，６７为流型的在线识别提供了一种新的技术依据。
提出的Ｊ此方法一经提出就得到了广泛的关注，成功的应用于多个领域。在本文中将独立分量分，并析技术与支持向量机相结合，由此提出了一种新的流型识别方法，经试验证明该方法可以很好的识别出泡状流、间歇流、分层流和环状流这四种流型，有很好的识别准确率，以满足工程要求，流型的识具可为别提供了一种新的技术手段。
近年来，息技术和测量技术的快速发展为气液两相流的智能识别提供了重要的技术手段。而神信经网络的发展作为一种智能的识别技术已经在流型识别的过程中得到了广泛的应用，应用的主要形式集中在ＢＲＦ神经网络上。但是，Ｐ、Ｂ由于神经网络往往存在过学习的问题，产生的模型有时也会
第３２卷第１期
２１０２年２月
东
北
电
力
大
学
学
报
Ｖ０．２．．１３Ｎｏ１Ｆｂ２１ｅ．，０２
ＪｕｎｌｏｔｅｓｉｎｉｎｖｒｉｏｒａＮｒｈａｔＤａｌＵｉｅｓｙＯｆｔ

改进的独立分量分析算法

改进的独立分量分析算法
季策;于洋;于鹏
【期刊名称】《东北大学学报（自然科学版）》
【年(卷),期】2010(031)008
【摘要】对独立分量分析算法的基本理论和FastICA算法进行了简要介绍.传统的FastICA算法只具有二阶的收敛速度,为了提高独立分量分析算法的收敛速度,减少迭代次数和运行时间,提出了一种改进的独立分量分析算法--五阶收敛的牛顿迭代法.对牛顿迭代算法加以修正,使改进的独立分量分析算法具有五阶的收敛速度.图像信号分离仿真实验表明,改进算法与传统的FastICA算法在分离效果相当的情况下,明显减少了传统的FastICA算法的迭代次数和运行时间,提高了收敛速度和运行效率.
【总页数】4页(P1086-1088,1097)
【作者】季策;于洋;于鹏
【作者单位】东北大学,信息科学与工程学院,辽宁,沈阳,110004;东北大学,信息科学与工程学院,辽宁,沈阳,110004;东北大学,信息科学与工程学院,辽宁,沈阳,110004【正文语种】中文
【中图分类】TN911.6
【相关文献】
1.基于改进粒子群的独立分量分析算法研究 [J], 李巧燕;全海燕
2.基于改进粒子群的独立分量分析算法研究 [J], 李巧燕;全海燕;
3.改进的复值快速独立分量分析算法 [J], 尹洪伟;李国林;路翠华
4.改进的参考独立分量分析算法 [J], 赵立权;徐俪月
5.一种基于改进独立分量分析算法的谐波源分离与定位方法 [J], 陈伟;杨欣蓉;裴喜平;林洁;王林信;景明玉
因版权原因，仅展示原文概要，查看原文内容请购买。

改进鲸鱼优化算法在机器人路径规划中的应用

ｏｐｔｉｍｉｚａｔｉｏｎａｃｃｕｒａｃｙａｎｄｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄｂｙｃｏｍｐａｒｉｎｇｔｈｅｔｉｍｅｃｏｎｓｕｍｐｔｉｏｎꎬ ｐｌａｎｎｉｎｇｐａｔｈ
ｌｅｎｇｔｈꎬ ａｎｄｔｈｅｎｕｍｂｅｒｏｆｔｕｒｎｉｎｇｐｏｉｎｔｓｏｆｔｈｅａｌｇｏｒｉｔｈｍｓｇｉｖｅｎꎬ ｗｈｉｃｈｖｅｒｉｆｉｅｓｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓ
第４４卷第８期
２０２３年８月
东北大学学报 ( 自然科学版 )
ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔｅｒｎＵｎｉｖｅｒｓｉｔｙ( ＮａｔｕｒａｌＳｃｉｅｎｃｅ)
Ｖｏｌ. ４４ꎬＮｏ. ８
Ａｕｇ. ２０２３
ｄｏｉ: １０. １２０６８ / ｊ. ｉｓｓｎ. １００５－３０２６. ２０２３. ０８. ００１
ｅｖｏｌｕｔｉｏｎꎬ ｔｈｅｇｌｏｂａｌｅｘｐｌｏｒａｔｉｏｎａｂｉｌｉｔｙａｎｄｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄａｒｅｉｍｐｒｏｖｅｄ. Ｍｅａｎｗｈｉｌｅꎬ ｂｙ
ｉｎｔｒｏｄｕｃｉｎｇｔｈｅＰＳＯａｌｇｏｒｉｔｈｍｗｉｔｈｓｔｒｏｎｇｏｐｔｉｍｉｚａｔｉｏｎ￣ｓｅｅｋｉｎｇａｂｉｌｉｔｙｉｎｔｏｔｈｅｅｘｐｌｏｉｔａｔｉｏｎｓｔａｇｅ
始解ꎬ增强了算法跳出局部最优的能力. 最后ꎬ将ＰＳＯ－ＡＷＯＡ算法应用到的栅格地图仿真环境中进行机器
人最佳路径求解. 通过对比给定算法的耗时、规划路径长度以及拐点数ꎬ结果表明ꎬ提出的ＰＳＯ－ＡＷＯＡ算法
在优化精度和收敛速度上优于文中给定的其他算法ꎬ验证了改进算法的有效性.
关键词: 混合优化算法ꎻ粒子群优化ꎻ鲸鱼优化算法ꎻ自适应权重ꎻ路径规划

基于独立分量分析方法的闪光视觉诱发电位的提取及无创颅内压检测仪的研制

*重庆市自然科学基金资助项目(3);重庆市科委重点攻关资助项目(3)通信作者x @6基于独立分量分析方法的闪光视觉诱发电位的提取及无创颅内压检测仪的研制*吴西,季忠(重庆大学生物工程学院,重庆400030)摘要:我们研究了独立分量分析方法在闪光视觉诱发电位有效提取中的应用,并在此基础上研制出一种方便、准确的基于闪光视觉诱发电位的无创颅内压检测仪。

通过该仪器的无创颅内压检测值与有创颅内压检测值的比较,证明了基于闪光视觉诱发电位无创检测颅内压方法的可行性和准确性。

关键词:独立分量分析(ICA);闪光视觉诱发电位(FVEP);颅内压;无创颅内压;有创颅内压中图分类号:R318.6文献标识码:A文章编号:1672-6278(2011)01-0031-04Effectively Extraction of Flash Visual Evoked Potentialbased on Independent Component Analysis and Development for Non-Invasive Intracranial Pressure Detection InstrumentWU Xi,JI Zhong(College o f Boimedical Enginee rin g ,Chongqing U niv isity,Cho ngqing 400030,China )Abstr act:In the paper,effective ex traction of flash visual evoked potential based upon independent co mpo nent analysis(ICA )w as studied and a convenience ,exactly non-invasive ICP detection instru ment based o n FV EP w as develo ped.In further clinical application,feasibility and veraci ty o f non-invasive ICP measurement methods based upon FVEP has been appraised by co mparing the ICP values of the no n -invasive and invasive ICP detection methods.Key wor ds:Independent co mpo nent analysis(ICA);Flash visual evo ked potential(FV EP );In tracranial pressure (ICP);Non-invasive ICP;Invasive ICP1引言颅内高压是引起颅内疾病患者死亡的常见原因,及时、准确地掌握患者颅内压(intracranial pressure,ICP)的水平和定量诊断,是临床治疗至关重要的一步[1-2]。

用一种新的独立分量分析算法实现极化SAR图像相干斑抑制

用一种新的独立分量分析算法实现极化SAR图像相干斑抑制田金凤;皮亦鸣
【期刊名称】《雷达科学与技术》
【年(卷),期】2005(003)001
【摘要】极化SAR图像为雷达图像中的信息处理和获取提供了更为便捷的途径.本文在研究极化SAR成像特点的基础上,介绍了用一种新的独立分量分析(ICA)方法-Infomax算法来进行相干斑抑制,完成了从极化SAR图像中分离相干斑噪声的仿真试验.实验表明,Infomax算法收敛速度较慢,但稳健性好.经ICA处理后的图像其相干斑噪声得到了有效的抑制,具有较低的相干斑指数,明显地改善了图像的质量.【总页数】5页(P31-35)
【作者】田金凤;皮亦鸣
【作者单位】电子科技大学电子工程学院,四川成都,610054;电子科技大学电子工程学院,四川成都,610054
【正文语种】中文
【中图分类】TN957.52
【相关文献】
1.一种SAR图像相干斑噪声抑制新算法 [J], 朱磊;水鹏朗;武爱景
2.一种新的基于小波变换的SAR图像相干斑噪声抑制方法 [J], 刘洲峰;同红蕊
3.一种新的SAR图像相干斑抑制算法 [J], 张强;张毅
4.一种SAR图像相干斑噪声抑制新算法 [J], 盖文娜;徐慧;梁鑫
5.基于独立分量分析的极化SAR图像的相干斑抑制 [J], 纪建;田铮
因版权原因，仅展示原文概要，查看原文内容请购买。

改进的FastICA算法在图像盲分离中的应用

ｌｆｏｗｏｆＦａｓｔｌＣＡａｌｇｏｒｉｔｈｍ．Ｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｉｓａｐｌｌｉｅｄｔｏｂｌｉｎｄｉｍａｇｅｓｅｐａｒａｔｉｏｎ，Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｈｏｗｓｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｅｎｈａｎｃｅｔｈｅｅｆｆｅｃｔｏｆｉｎｄｅｐｅｎｄｅｎｔｃｏｍｐｏｎｅｎｔｓｅｐａｒａｔｉｏｎ．
（１．ＮａｎｊｉｎｇＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，Ｎａｎｊｉｎｇ２１００４６，Ｃｈｉｎａ；
２．ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｚｈｏｕ２１３０２２，Ｃｈｉｎａ）
ＣｏｍｐｏｎｅｎｔＡｎａｌｙｓｉｓ）分解出的分量只是相互正交，具有明
达到最优。该算法具有很多神经算法的优点如：并行的、分布的、计算简单、要求内存小。近年来刈’ ＩＣＡ的研究在
和通道先验知识甚少的情况下，仅由观察信号推断信源和通道特性，从线性混合的观测信号中分离出独立的信号源。传统的盲源分离往往关注于信号的一阶统计量，

改进的TF-IDF算法在文本分类中的研究

• 人工智能 Artificial Intelligence
改进的TF-IDF算法在文本分类中的研究!
张伟1 #石倩1 #何霄1 ,王晨1 ,李禾香1 ,李骥然1
(1.中国石油工程技术研究院有限公司北京石油机械有限公司，北京102206 ； 2 .中国人民大学信息学院,北京100872)
摘要：企业数字化建设过程中，对大量日常经营活动文本的数字化处理通常是多任务的，需要对文本数
99.3%，召回率R达到98.7%，相比于传统TF-IDF算法文本分类效果得到显著提高$
关键词：文本分类；VSM ； TF-IDF；石油；支持向量机
中图分类号：TP391
文献标识码：A
DOI : 10.19358/ j.issn.2096-5133.2021.07.012
引用格式：张伟,石倩,何霄,等.改进的TF-IDF算法在文本分类中的研究[J].信息技术与网络安全,2021 , 40
类模型。实验结果显示,改进的TF-IDF算法可以
有效提高分类器文本分类的正确率。
1文本分类 1.1问题描述
文本分类问题包括学习和分类两个过程，学习过程的目标是根据已知的训练数据构建分类模型得到分类器；分类过程的任务是利用得到的分类器,
预测新数据的类别"假设{(!1 , "1) , 7! , "2)，…,7!”，"”)}
表1 文本特征向量空间
t1
t2
t3
…
t”
$1
#11
#12
#13
…
#1”
$2
#21
#22
#23
…
#2”
$%
#%1
#%2
#%3
…
#%”

基于粒子群算法优化的独立分量分析算法

基于粒子群算法优化的独立分量分析算法
李良敏;任景岩
【期刊名称】《振动与冲击》
【年(卷),期】2015(000)008
【摘要】通过两组模拟信号对三种主流独立分量分析算法—JADE、FastICA、扩
展Infomax算法的性能进行了对比分析，结果表明三种算法均无法完全分离超高
斯源与亚高斯源形成的混合信号，FastICA算法对能量强弱差别大的混合信号失效。

基于这一现象，提出了一种新的独立分量分析算法，以粒子群算法为优化工具，以分离矩阵为优化变量，最小化分离信号联合概率与边缘概率乘积的差值，并给出了具体的计算流程。

仿真实验结果表明，该算法的性能显著优于上述三种独立分量分析算法。

同时，新提出算法实施过程中不需要任何先验知识，相比其他三种ICA
算法，更适合解决工程实际问题。

最后，将该算法应用于对滚动轴承实验台实测信号的处理，通过对分离信号的分析实现了对滚动轴承故障类型的准确识别，进一步证明了算法的有效性。

【总页数】6页(P7-11,25)
【作者】李良敏;任景岩
【作者单位】长安大学汽车学院汽车运输安全保障技术交通行业重点实验室，西安 710064;西安格蒂电力有限公司，西安 710075
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.基于遗传算法优化独立分量分析 [J], 欧阳柏平
2.基于粒子群算法的遗传算法优化研究 [J], 李雅琼;
3.基于粒子群算法的遗传算法优化研究 [J], 李雅琼
4.基于遗传-狮群算法优化的独立分量分析算法 [J], 张晓通;韩跃平;杨洋
5.基于模拟退火算法改进粒子群算法优化数学函数 [J], 朱焕雄
因版权原因，仅展示原文概要，查看原文内容请购买。

基于IVMD的单通道盲源分离方法及其应用

基于IVMD的单通道盲源分离方法及其应用汤杰;陈剑;杨斌【期刊名称】《组合机床与自动化加工技术》【年(卷),期】2018(000)007【摘要】针对机械振动信号单通道盲源分离问题,提出了一种融合改进变分模态分解与时频分析的单通道信号盲源分离方法,并将其应用于滚动轴承复合故障的诊断中.该方法首先针对变分模态分解(Variational Mode Decomposition)过程中的层数选取问题,提出了一种根据谱相关系数确定分解层数的改进变分模态分解方法(Improved Variational Mode Decomposition,IVMD).其次,采用改进变分模态分解对观测的单通道机械振动信号进行处理,得到一系列有限带宽固有模态函数(Band-limited In-trinsic Mode Functions,BLIMFs);然后,将原信号与得到的固有模态分量及其残余项组成虚拟多维观测信号,以突破传统盲源分离方法要求传感器数目必须大于或等于分离出的分量数目限制,并利用奇异值分解估计振源的数目.最后,根据振源数目选择与原信号谱相关系数较大的BLIMFs分量,并将分解残余项作为单独分量,重组虚拟多通道观测信号.采用基于时频分析的盲源分离算法实现非平稳信号的盲源分离;仿真和实验结果表明,该方法能够有效提高非平稳振动信号的分离精度,实现滚动轴承复合故障的诊断.【总页数】6页(P25-30)【作者】汤杰;陈剑;杨斌【作者单位】合肥工业大学噪声振动研究所,合肥 230009;合肥工业大学噪声振动研究所,合肥 230009;安徽省汽车 NVH 技术研究中心,合肥230009;合肥工业大学噪声振动研究所,合肥 230009【正文语种】中文【中图分类】TH17;TG506【相关文献】1.基于EMD的单通道盲源分离跳频通信抗干扰方法 [J], 齐扬阳;于淼2.基于单通道盲源分离算法的局部放电特高频信号去噪方法 [J], 刘宇舜;程登峰;夏令志;李森林;程洋3.基于EMD和CICA的单通道盲源分离方法用于齿轮箱混合故障诊断研究 [J], 郝如江; 安雪君; 史云林4.基于Stacked-TCN的空间混叠信号单通道盲源分离方法 [J], 赵孟晨;姚秀娟;王静;董苏惠5.基于单通道盲源分离的大地电磁工频干扰噪声压制方法 [J], 曹小玲;陈清礼;蒋涛因版权原因，仅展示原文概要，查看原文内容请购买。

近红外快速检测中的独立分量和遗传神经网络建模方法

近红外快速检测中的独立分量和遗传神经网络建模方法薛生虎;方利明;林敏【摘要】采用独立分量分析方法提取近红外光谱的独立分量和影响矩阵,再用GA-BP神经网络对影响矩阵和浓度矩阵进行建模,提出了基于独立分量-遗传算法-人工神经网络回归的近红外光谱建模方法.分析了独立分量数和网络中间隐层的神经元数对模型性能的影响.采用该方法对小麦样品中的水分、蛋白质、淀粉3种主要成分含量进行测定,水分、蛋白质和淀粉的预测值和参考值之间的相关系数R分别为0.9670、 0.9804、0.9674.【期刊名称】《计量学报》【年(卷),期】2010(031)003【总页数】4页(P285-288)【关键词】计量学;近红外光谱;快速检测;独立分量分析;遗传算法【作者】薛生虎;方利明;林敏【作者单位】中国计量学院,计量测试工程学院,浙江,杭州,310018;中国计量学院,计量测试工程学院,浙江,杭州,310018;中国计量学院,计量测试工程学院,浙江,杭州,310018【正文语种】中文【中图分类】TB991 引言近红外(NIR)光谱分析是依据某一化学成分对近红外区光谱的吸收特性而进行的定量测定，应用NIR光谱进行快速检测的关键就是在化学成分与光谱数据之间建立一种定量的函数关系，即校正模型的建立，依据所建立的校正模型，就能从未知样品的光谱中检测出样品的成分和含量。

在测定农副产品(包括谷物、饲料、水果、蔬菜、肉、蛋、奶等)的品质(如水分、蛋白、油脂含量等)方面已得到广泛使用。

但是，近红外光谱存在着光谱的复杂性、重叠性、变动性以及所包含的信息强度低等难点问题[1]。

通常测得的NIR光谱可以认为是一些纯物质(主要成分)光谱的线性组合，如果能够将这些主要成分的光谱从复杂的混合光谱中分离出来，这将能极大地提升近红外快速检测技术水平，而这一分离问题可以归结为“盲源分离(BSS)”问题。

独立分量分析(ICA)[2～4]是近年发展起来的一种全新的数据分析工具，是解决盲源分离问题的一种有效的方法。

基于维纳滤波和快速独立分量分析的P300提取方法

基于维纳滤波和快速独立分量分析的P300提取方法
李晓欧;张笑微;冯焕清
【期刊名称】《数据采集与处理》
【年(卷),期】2004(19)3
【摘要】应用维纳滤波和快速独立分量分析技术(FastICA),提出一种诱发电位(EP)P300分量的少次提取算法.首先由少次刺激平均后的EP和具体一次刺激信号构造维纳滤波器,对滤波后的结果进行叠加平均得到新的EP,然后利用FastICA实现EP与伪迹噪声的盲分离,最后通过人工或自动的方式识别出伪迹分量,将该分量移去进行算法的重新映射,提取出信噪比较高的P300.实验结果表明,本文算法能取得较好的EP提取效果,同时由较少的刺激次数就可获得易于辨识和测量的P300,避免了过多刺激导致的神经疲劳及波形失真.
【总页数】6页(P317-322)
【作者】李晓欧;张笑微;冯焕清
【作者单位】中国科学技术大学电子科学与技术系,合肥,230026;西南科技大学信息与控制工程学院,绵阳,621002;中国科学技术大学电子科学与技术系,合
肥,230026
【正文语种】中文
【中图分类】R318.19
【相关文献】
1.基于盲源分离的P300脑电信号特征提取方法的研究 [J], 张立国;张玉曼;金梅;金菊;于国辉
2.基于小波包法与CSSD的P300特征提取方法 [J], 李明爱;李骧;杨金福;郝冬梅
3.基于维纳滤波和快速独立分量分析的有噪混合图像盲分离 [J], 李鸿燕;郝润芳;马建芬;王华奎
4.基于高效快速独立分量分析的系统侧谐波阻抗估算 [J], 吴奇远
5.基于FastICA的P300电位快速提取方法 [J], 张宇; 张建华; 王行愚; 金晶
因版权原因，仅展示原文概要，查看原文内容请购买。

基于快速独立分量分析和小波包变换的脑电信号消噪

基于快速独立分量分析和小波包变换的脑电信号消噪
王远大; 陈宏铭; 程玉华
【期刊名称】《《中国集成电路》》
【年(卷),期】2013(22)7
【摘要】本文提出一种小波包变换和快速独立分量分析相结合的方法对脑电信号进行预处理。

首先利用小波包变换对脑电信号进行3层分解,对第三层的高频小波系数置零,以此达到去除随机噪声的目的,同时最大程度地保留了细节信息。

其次,对经过小波包变换处理后的多路信号进行快速独立分量分析,将脑电信号与各噪声源信号分离开。

为验证消噪算法的效果,本文对输出各分量进行相关性分析,实验结果显示各分量间的互相关系数的数量级为-15和-16,互相关系数近似为0,说明该方法的去噪效果很好。

【总页数】6页(P17-22)
【作者】王远大; 陈宏铭; 程玉华
【作者单位】上海北京大学微电子研究院上海 201203
【正文语种】中文
【相关文献】
1.基于AR模型的小波变换在脑电信号消噪中的应用 [J], 吴平;陈心浩
2.基于小波包和改进EMD的脑电信号消噪研究 [J], 郑佳佳;郭滨
3.基于快速独立分量分析和小波包变换的脑电信号消噪 [J], 王远大; 陈宏铭; 程玉华
4.基于小波包变换和聚类分析的脑电信号识别方法 [J], 徐宝国;宋爱国
5.基于小波包变换的癫痫脑电信号特征提取 [J], 周红标;陈若珠;李军红
因版权原因，仅展示原文概要，查看原文内容请购买。

改进的新型随机双梯度算法

改进的新型随机双梯度算法邓慧;杨颖【摘要】随机双梯度算法是独立分量分析中一个重要的学习算法,但该算法收敛速度慢,稳态误差大,不利于信号的准确适时性处理.提出一种改进的新型随机双梯度算法.在改进的算法中,用负熵来度量其中的随机变量非高斯性,从而来克服峭度的不稳健性.仿真实验结果表明,这种改进的随机双梯度算法具有较好的分离效果,且稳定性较高.【期刊名称】《兰州理工大学学报》【年(卷),期】2014(040)002【总页数】4页(P110-113)【关键词】随机双梯度算法;独立分量分析;负熵;峭度【作者】邓慧;杨颖【作者单位】川北医学院图书馆,四川南充 637000;川北医学院基础医学院,四川南充 637000【正文语种】中文【中图分类】TP301.6独立分量分析依据独立原则为多维观察信号建立目标函数,利用某种学习算法把这些信号分解成若干独立成分以实现增强和恢复信号的目的,其目前已成为一种十分有效的盲信号分离技术[1].从这个定义可以看出,独立分量分析算法由目标函数和学习算法组成,不同的目标函数、不同的学习算法构成的独立分量分析算法不同[2].处理对象一旦确立,目标函数也就随之确定了[3].这之后,独立分量分析算法的收敛速度、稳定性也就取决于所选择的学习算法[4].这使得学习算法的研究成为独立分量分析中的一个中心任务.目前,在独立分量分析中,也出现了一些较优秀的学习算法,例如随机梯度法[5]、自然梯度法[6]、相对梯度法[7]、随机双梯度算法[8]等.然而,在独立分量分析中,不管最终选择哪种学习算法,都要尽量使在最终的信号分析时具有较快的收敛速度和较小的稳态误差[9].在众多独立分量分析的学习算法中,随机双梯度算法是在随机梯度法、自然梯度法、相对梯度法基础上进行的一种改进算法[10],虽然性能较原始算法有很大程度的提高,但是它因采用峭度为目标函数而易受大幅随机脉冲干扰的影响.为此,本文重点对随机双梯度算法进行改进，并进行仿真对比实验.1 随机梯度算法随机梯度算法是独立分量分析中一类较简单的学习算法.例如独立分量分析以下面的公式为目标函数：(1)其中：x表示观测信号[x1,x2,…,xn]T,x(i)表示x的第i个分量,B是一个n×n维分离矩阵,p(Bx(i))表示矩阵B与x(i)乘积的概率密度函数,det B表示求B得行列式函数,log表示以2为底的对数函数.对式(1)进行求导可得：(2)其中：E(·)是期望度函数,I是一个单位正定矩阵,y=[y1,y2,…,yn]T表示x的输出信号,Φ(y)表示y的双区正切函数,这是一个核函数,B-T表示对矩阵B转置后再求相应的逆矩阵.采用随机梯度和随机逼近,即可获得随机梯度ICA算法：B(n+1)=B(n)+μ[B-T-Φ(y)xT](3)其中:B(n)表示迭代第n次的分离矩阵,μ表示一个正态分布参数.该算法优点在于：在波动性较大的情况下能够快速地向正确方向调节.然而,由于涉及到了关于矩阵的优化,且该矩阵一般是高阶矩阵,这无疑大大增加了求解式(3)的计算量.而且,该算法收敛速度慢,同时还需要对迭代步长的设置有较高的要求.如果迭代步长设置不恰当,那么该算法就很可能失去收敛性.后来,又出现了自然梯度算法和相对梯度算法,它们都是对随机梯度算法改进,这两个算法本质上基本一致.例如,以式(1)为例,对其使用自然的梯度,即可获得如下的自然梯度ICA算法：(4)它们同随机梯度算法缺点一样,就是矩阵的存在大大增加了求解的计算量.2 随机双梯度算法随机双梯度算法是在随机梯度算法和自然梯度算法的基础上进行改进.假设白化后的数据z(t)=[z1(t),…,zm(t)]中各分量相互独立,即E[z(t)z(t)T]=I,此时衡量测量信号输出分量独立性的准则函数定义为J(B)=J1(B)+σJ2(B)(5)其中：J(B)、J1(B)、J2(B)都表示B的一个准则函数,σ是一个正态分布参数.随机双梯度算法一般使用输出信号的高阶累积量作为衡量测量信号输出分量统计独立性的准则函数,也即采用峭度的平方作为衡量测量信号输出分量统计独立性的准则函数.同四阶矩阵相比,输出信号的四阶累积量更能完整地描述输出信号的特征,因此一般就把输出信号的四阶累积量引入准则函数之中：其中：κ(yi)表示yi的峭度,BT表示B的转置矩阵,B-1表示B的逆矩阵.J1(B)使用输出信号的峭度作为分离准则.J2(B)表示分离矩阵要满足正交性.采用随机梯度对J1(B)和J2(B)进行如下优化：把式(8)和式(9)代入式(5)得：(10)然后采用瞬时值来替代期望均值即可获得分离矩阵B的更新公式：(11)其中:B(t)表示第t时刻的分离矩阵,α和β都表示学习步长,y(t)表示第t时刻的输出信号.因为该算法包含了两个随机学习步长α和β,因此称为随机双梯度算法.3 随机双梯度算法的改进在随机双梯度算法中采用了峭度作为目标函数,而由于峭度是不稳定的,这就导致利用峭度寻找独立分量时易受大幅度随机脉冲干扰的影响.由于负熵不受大幅度随机脉冲的影响,因此,本文将采用负熵来度量随机变量的非高斯性以克服峭度的不稳健性.这里还用式(5)作为衡量测量信号输出分量独立性的准则函数,则用高阶积累来近似表达负熵如下：(12)当D(yi(t))→1时:(13)其中:D(·)是方差函数,yi(t)表示在第t时刻y的第i个分量.由式(6,8,12)可得:(14)则可得分离矩阵的更新公式为(15)利用式(15)进行随机变量的独立性寻找时,该算法即为基于负熵的随机双梯度算法,也即本文提出的改进算法.下面为改进算法的简单过程描述：Step1：初始化算法所需变量；Step2：利用u(t+1)=u(t)+η(t)[I-z(t)z(t)T]u(t)对观测数据进行白化处理[6]；Step3：依据式(15)求B(t+1)分离矩阵；Step4：令t=t+1,返回Step3,直到满足设定的终止条件,算法结束.4 仿真实验在OS为MicRosoFt Windows XP PRoFessional(SP2)、CPU为Intel(R) CeleRon(R) CPU 2.40 GHz、内存2 G、硬盘500 G的PC机上,以Matlab为仿真平台,进行本文算法与传统随机双梯度算法的对比仿真实验.在仿真实验中,图1为两个独立的语音信号s1和s2,对它们采用Matlab数学工具进行混合以生成一个混合矩阵,从而获得如图2所示的两个混合语音信号.利用本文改进的新型随机双梯度算法对图2进行分离的结果如图3所示,传统随机双梯度算法对图2进行分离的结果如图4所示.为了进一步验证本文算法的性能,下面给出这两种算法下原语音信号与对应分离信号之间的相关系数,结果如表1所示.从仿真实验结果可以看出,同传统算法相比,本文所提的基于负熵的随机双梯度算法能够分离出与原信号较为接近的信号.分析其原因在于：传统算法以不稳定的峭度作目标函数,导致采用峭度寻找独立分量时易受大幅度随机脉冲干扰的影响,进而影响了分离效果；而本文改进算法中避免了峭度,以较稳定的负熵作为目标函数,从而使其在寻找独立分量时不易受大幅度随机脉冲干扰的影响,相对来说分离效果也就好些.据此可知,本文改进算法是可行的.图1 原语音信号Fig.1 ORiginal speech signal图2 混合语音信号Fig.2 Mixed speech signal图3 本文算法分离后的语音信号Fig.3 SepaRated speech signal by pRoposed algoRithm图4 传统算法分离后的语音信号Fig.4 SepaRated speech signal by tRaditional algoRithm表1 两种算法下原语音信号与分离信号的相关系数Tab.1 CoRRelation coeFFicient between oRiginal speech signal and mixed speech signal undeR two algoRithms分离后的信号传统算法s∧*1s∧*2 本文算法s∧1s∧2 分离后的信号与原信号的相关系数0.726 90.513 80.990 50.989 05 结语本文研究了传统随机双梯度算法,指出其因采用峭度作为目标函数而导致寻找独立分量时易受大幅度随机脉冲干扰影响方面的不足,提出利用负熵作为衡量信号量独立性的构想，并给出一个改进的随机双梯度算法,通过仿真实验证明了该算法的有效性.参考文献：[1] 曹军宏,韦灼彬,高屹.独立分量分析结合马氏距离的非监督损伤识别方法 [J].计算机应用与软件,2012,29(6):72-75.[2] 杨俊美,余华,韦岗.独立分量分析及其在信号处理中的应用 [J].华南理工大学学报:自然科学版,2012,40(11):1-12.[3] 吕淑平,方兴杰.基于独立分量分析的自适应在线算法 [J].计算机应用研究,2010,27(11):4140-4143.[4] 于淼,王曰海,汪国富.基于独立分量分析的跳频通信抗梳状阻塞干扰方法 [J].解放军理工大学学报:自然科学版,2012,13(6):593-598.[5] 欧世峰,高颖,赵晓晖.基于随机梯度的变动量因子自适应白化算法 [J].自动化学报,2012,38(8):1370-1374.[6] 王法松,张林让.基于自然梯度的独立子空间盲信号处理方法[J].南京大学学报:自然科学版,2011,47(4):420-425.[7] 程娇,王晓凯,李锋.独立分量分析可调速率相对梯度算法 [J].信息与电子工程,2010,8(2):207-211.[8] 初铭畅,熊晓路,于洋.因子分析在创新型科技人才竞争力评价中的应用 [J].辽宁工业大学学报：自然科学版,2012,32(5):343-346.[9] 张和发,李立萍.含噪独立分量分析的期望最大化算法 [J].电子科技大学学报,2012,41(4):527-531.[10] 高涛.组合2DFLDA监督的非负矩阵分解和独立分量分析的特征提取方法 [J].计算机应用研究,2012,29(4):1588-1590.。

基于独立分量分析的自适应最小均方误差多用户检测

基于独立分量分析的自适应最小均方误差多用户检测
李晓辉;方红雨
【期刊名称】《系统仿真学报》
【年(卷),期】2009()4
【摘要】分析了CDMA矩阵信号模型和线性独立分量分析的数学模型,根据比较得出这两种模型具有相同形式。

将独立分量分析应用于CDMA系统的多用户检测中,提出了基于ICA后处理的自适应最小均方误差(MMSE)多用户检测方法。

该方法采用自适应MMSE检测器的输出来初始化独立分量分析的迭代,既利用了信源的独立性,又充分利用了已知扩频码的信息,从而提高了多用户检测器的性能。

仿真结果表明:采用提出方法的误码性能优于自适应MMSE检测方法,尤其在高信噪比的情况下,误码性能得到了较大改善。

【总页数】3页(P1079-1081)
【作者】李晓辉;方红雨
【作者单位】安徽大学计算智能与信息处理教育部重点实验室
【正文语种】中文
【中图分类】TN929.5;TN911.7
【相关文献】
1.基于循环平稳周期的交织差分最小均方误差多用户检测算法
2.基于最小均方误差准则的盲多用户检测新算法
3.基于最小均方误差的串扰消除多用户检测算法
4.多
用户检测中解相关检测和最小均方误差检测的研究5.基于自适应阈值活动语音检测和最小均方误差对数谱幅度估计的低信噪比降噪算法
因版权原因，仅展示原文概要，查看原文内容请购买。