基于独立分量分析的盲源分离技术

独立分量分析(ICA)是一种新的盲源分离技术,到目前为止,人们已从不同的角度提出了多种ICA算法.本文较为详细地介绍了基于信息极大传输理论的Infomax算法.实验表明独立分量分析具有良好的盲源分离性能.     

小波变换和独立分量分析去除脑电信号中的噪声和干扰

目的：去除脑电信号中的噪声和心电干扰。方法：首先采用小波软门限法去除脑电中的噪声，然后使用扩展独立分量分析算法去除脑电信手中的心电干扰。该算法的优点在于不需要计算信号的高阶统计量，收敛速度快，同时适用于超高斯和亚高斯混合信号的分离。在提取独立分量之前，对观测信号进行白化处理，去除各信号之间的相关性。结果：消除了脑电信号中的噪声和心电干扰。结论：小波门限去噪结合独立分量分析可有效地去除脑电信手中的噪声和心电干扰。     

基于独立分量分析的肝纤维化超声图像研究

目的研究独立分量分析(ICA)方法在区别肝纤维化疾病中的应用.方法采用FastICA算法,在基于正常肝组织与纤维化肝组织可以看作是独立信源的前提下,对同一病人不同纤维化时期和正常人的超声图像选取局部区域后分别进行独立分量分离.结果FastICA算法可以较快的分离出各组的独立分量,且异常组的独立分量数明显多于正常组.结论对肝纤维化超声图像的独立成分进行分析,并与相应部位的正常肝组织超声图像的独立成分进行比较,是一种值得尝试的新的超声图像分析方法.     

基于区域增长的ICA算法在fMRI数据处理上的应用探讨

目的:讨论基于区域增长的独立成分分析(ICA)法在fMRI数据处理上的应用. 方法:首先用区域增长法对fMRI数据作预处理,除去明显不是激活的体元,降低ICA计算的复杂性;然后用ICA算法对fMRI数据进行分离;对分离的结果用相关系数法检测fMRI信号的激活体元. 结果:仿真实验和实际的fMRI数据例子证明了本方法的有效性,它可将同组数据的运算时间由(6.8534±0.0179) s减少到(1.6282±0.0435) s. 结论:基于区域增长的ICA算法能对fMRI数据进行降维,减少算法的运行时间.     

一种新型的信号盲分离迭代算法

基于动态逼近的思想，提出了一种新型的信号盲分离迭代算法。通过构建一个动态过渡系统，设置相应的系统参数，可以获得满意的动态分离过程。从而使分离算法具有较高的效能，理论分析的结果出了算法收敛的充分条件和必要条件，最后，计算机仿真实验的结果表明了算法的高效性。     

KICA模型选择及其在消除脑电信号伪差中的应用

理论分析并结合实验验证指出基于正定核的独立分量分析算法(K ICA)的优化与分离性能与其模型参数的选择有关。提出了一种简单高效的模型选择方法:在混合信号中附加一个已知验证信号,通过最小化该已知信号的分离误差来选择最优模型参数。实验结果表明:经模型选择后的K ICA能成功分离脑电信号中的心电伪差。     

基于独立分量分析的脉搏波信号的降噪处理

在血氧饱和度的无创监测过程中,由于采样得到的脉搏波信号信噪比较低,这给血氧饱和度的准确测量带来了困难,所以对于噪声干扰的去除是准确计算血氧饱和度的关键前提.本文利用基于信息极大判据的独立分量分析方法处理受白噪声干扰的脉搏波信号,实验证明该方法可以有效地分离脉搏波信号和噪声,为准确监测血氧饱和度奠定了基础.     

癫痫脑电信号独立分量分析

目的：癫痫是以脑内神经元异常放电致部分或整体脑功能障碍为特征的慢性疾患。应用独立分量分析技术对癫痫高危人群进行神经系统电生理筛查,及早发现和对相关人群进行干预,减少癫痫的受累程度和致残、致死率。方法：建立独立分量分析的数学模型,使用自行研制的脑电信号采集仪采样16导标准脑电信号,并通过快速独立分量分析（FastICA）算法对数据进行处理。结果：处理16导标准脑电信号,分离出癫痫特征波,并对特征波进行识别,从而得到对癫痫的诊断;在此基础上将癫痫特征波反映射到16导标准电极,应用相关源电位软件对癫痫灶进行初步定位。结论：应用独立分量分析技术来实现癫痫的规模筛查,不仅降低了癫痫信号识别的工作量,提高了识别效率和正确率,使癫痫的筛查成为可能,而且可以根据识别结果对癫痫放电信号进行相关逆变换,再利用相应的源定位软件确定癫痫灶的位置,提高源定位的精度和效率。     

基于互信息极小判据的脉搏波信号的去噪处理

目的探讨血氧饱和度的无创监测过程中去除噪声干扰的方法。方法应用基于互信息极小判据的独立分量分析技术处理被白噪声污染了的脉搏波信号结果实验证明该方法可以有效地分离脉搏波信号和噪声,得到了平滑的脉搏波信号。结论这一信号处理方法为准确监测血氧饱和度奠定了基础。     

过程信号的前馈—反馈型自适应盲分离算法

利用神经网络的自学习能力实现信号的盲分离已被证明是实现信号分离的一种有效方法,不同的神经网络模型对分离算法的效能将产生极大的影响。针对化工生产过程的复杂性和在线监测控制的要求,在其他学者研究的基础上,基于前馈－反馈型神经网络模型,提出了一种自适应盲分离算法用于过程信号的分离。计算机仿真实验的结果表明了算法的有效性。