独立分量分析方法(Independent component analysis,简称ICA)在国内尚属一门新型的方法.文章介绍了ICA的无噪声模型、原理、预处理、非高斯性量度以及快速定点算法,重点讨论了ICA的不确定性在圆度误差分离中的处理方法.仿真结果表明,基于独立分量分析的圆度误差分离技术比传统的频域法和时域法更简单、实用、高效,同时由ICA分离出的信号不确定性问题得到了很好的解决.

从盲声源信号的独立性出发,提出了一种新的盲声源混合信号分离方法.该方法基于信号联合概率的分布统计,利用信号联合概率的方向导数熵最小获得最佳的旋转角度,最终实现盲信号分离.与快速独立分量分析方法及神经网络方法相比,该方法不需要迭代计算.采用新的盲声源信号分离方法对轴承试验台的混合声音信号进行识别,将电机和滚动轴承的声音分离出来,进而可以准确识别机械的故障.

单矢量水听器利用H标信号的声能流进行测量，可有效抑制各向同性干扰，提高目标信号的信噪比，从而实现目标的波达方向（DOA）估计。但若存在多个目标时，单矢量水听器测量的是各信号声能流的矢量和，因此无法估计单个目标的方位。本文将独立分量分析（ICA）原理与单矢量水听器技术相结合，提出一种新的单矢量水听器多目标分辨算法。在目标信号方向未知的情况下，该方法可对矢量水听器的导向矢量实现盲估计，并分离出各独立目标信号，进而利用声能流逐次分辨出各独立目标信号。仿真实验证明了算法的有效性。

针对独立分量分析（ICA）对噪声较为敏感及滚动轴承故障信号的调制特性,提出一种基于形态滤波与ICA相结合的方法。该方法首先对观测信号进行形态滤波以突出故障特征同时消除其他干扰源,然后应用ICA分离形态滤波后信号。对滚动轴承外圈内圈复合故障信号进行实验研究,结果表明该方法能够有效识别分离滚动轴承故障特征。

提出一种新的基于盲源分离的超声信号去噪方法。为了验证去噪方法的有效性，应用此方法处理了仿真的超声信号，并与小波去噪的效果进行了比较。实验结果表明：该去噪方法能极大提高超声信号的信噪比，且其效果能与小波去噪方法相媲美，其特点是通过超声信号和噪声信号的盲源分离实现噪声消除。

通过电极直接从孕妇腹部检测胎儿心率信号是一种理想的无创检测方法,本文采用TI公司的TMS320C6713和专用心电检测的SOC芯片ADS1298为核心完成孕妇腹部混合心电信号检测系统的设计,使用独立分量分析方法从孕妇腹部提取的三路心电信号中分离出胎儿心率信号。实验结果表明,该系统能可靠地检测孕妇混合心电信号,并能准确提取胎儿心率。该系统具有便携、低功耗特性,适合长程动态对胎儿进行监护,为围产期孕妇子宫内胎儿的健康状况提供可靠依据,提高围产期母婴保健水平。

临床上提倡病床边进行各类检测,这样可以方便病人,减轻其痛苦.但是病床边采集的脑电信号易受各类噪声和干扰的影响,往往影响后面的分析效果.为了有效去除临床脑电信号的噪声和干扰,设计了一种时空滤波器,分两个阶段对脑电信号进行滤波预处理第一个阶段是时域滤波,用传统的带通滤波器实现;第二个阶段是空域滤波,用基于独立分量分析(ICA)的空域滤波器实现.实验结果表明临床脑电数据的常见干扰如工频干扰、眼动、肌电干扰、心电干扰等均能有效地被单独或同时去除.

结合盲源分离技术和全矢谱技术的各自优势,提出一种同源双通道信噪盲源分离法。首先采用时间固有尺度分解(ITD)和独立分量分析(ICA)相结合的分析法降噪,对同源双通道的轴承信号进行ITD分解,根据相关系数准则将分解得到的PRC分量进行重组作为ICA输入矩阵,再采用FastICA解混,实现故障信号与噪声信号的分离;其次采用全矢谱技术对信噪分离降噪后的双通道有效分量信号进行全矢信息融合,做全矢谱分析。滚动轴承故障实验对比分析表明了该方法的有效性。

模态参数识别是故障诊断中的常用手段之一。通过独立分量分析（ICA）技术将结构的自由振动响应信号分解为若干个解耦的单自由度信号,进而结合Hilbert变换识别模态参数。通过数值仿真分析了不同ICA算法在不同工况下识别结构模态参数的可行性,并将识别精度较高的二阶盲辨识（SOBI）方法应用于悬臂梁裂纹故障实验。实验结果表明,裂纹故障产生时结构的各阶固有频率都存在不同程度的降低,且高阶固有频率降低的尤为明显,为机械设备故障诊断提供了有力的参考依据。

油料发射光谱技术已经广泛地应用于油液监测中。文中针对某型船下水时间不长的使用现状通过独立分量分析分离柴油机在稳定磨损下油液中所含主成分的相似性信息并运用光谱界限值方法对主要设备的监测数据进行了分析建立了设备的光谱... 展开更多