导读:本文包含了独立分量分析算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:分量,独立,算法,电信号,固体潮,模型,传声器。
独立分量分析算法论文文献综述
徐岩,王雷[1]（2019）在《基于AR模型的变分贝叶斯独立分量分析算法研究》一文中研究指出近年来,盲源分离算法由于其良好的去噪效果在信号处理领域得到了广泛应用,但传统独立分量分析方法存在着未考虑噪声干扰及未充分利用已知信息等弊端。提出基于GAR模型的变分贝叶斯独立分量分析算法,将源信号的时间结构与系统噪声进行融合研究,基于GAR模型近似建模语音信号的时间结构特征,应用变分贝叶斯学习方法分离带噪声的语音信号。通过与标准变分贝叶斯独立分量分析算法的仿真对比,证明改进后的算法有较好地实际分离效果,有效解决了ICA算法无法在噪声环境下直接进行盲源分离问题。算法可用于减轻铁路列车司机通信时的听觉疲劳。(本文来源于《铁道学报》期刊2019年09期）
白鹤云,颜华[2]（2019）在《独立分量分析算法在信号去噪中的应用》一文中研究指出快速独立分量分析算法是近些年兴起的批量的数据处理方法。利用此方法对混有噪声的数据进行源信号与噪声信号的分离,并且以无噪声信号作为标准。通过对经过快速分量分析算法后的数据与无噪声数据相关系数的比较,证明快速独立分量分析在去除噪声方面的可行性。声学法仓储粮食的温度场检测是通过在粮仓周围布置扬声器与传声器,通过计算两个传声器接收到扬声器发出的声波飞行时间进(本文来源于《电子世界》期刊2019年09期）
李文超[3]（2019）在《基于独立分量分析的脑电情感识别算法研究》一文中研究指出人-机交互(human-computer interaction,HCI),一种人与计算机之间信息交换的过程,其研究内容涉及到图像处理、计算机视觉、生物医学信号处理等多个学科方向。作为人和计算机之间沟通的桥梁,HCI设备近年来已得到快速的发展与完善,并广泛地应用于人类生活的各个方面。然而,传统的HCI设备一般不具备人-机之间的情感交互,无法使计算机根据用户的情感状态调整交互方式,这将极大的限制其应用范围。开发具有情感感知能力的HCI设备已经成为一个新的研究热点。为了感知用户的情感状态,现阶段,情感分析方法大致可概括为基于外在生物特征(如:面部表情、语音信号和姿势等)和基于内在生理特征(如:脑电信号,皮肤电信号和心电信号等)两大类。其中,由于脑电信号(Electroencephalogram,EEG)与情感的关系十分密切,并且具有非侵入性、不易伪装性和良好的信号可采集性等优点,因此,基于EEG的情感识别已经成为一个新的研究热点。本文将围绕基于独立分量分析(Independent Component Analysis,ICA)的脑电情感识别以及导联选择方法展开研究,具体工作如下:(1)提出了一种基于ICA的情感脑电空域特征提取方法。在空域滤波器的设计阶段,本文使用叁类脑电数据(积极、中性和消极)设计空域滤波器。具体来说,我们针对单个实验样本的全导联数据进行ICA分析,根据独立分量和导联之间的映射模式及投影位置设计有效空域滤波器。在特征提取阶段,使用所得的有效空域滤波器对情感脑电实验样本进行线性投影,将投影输出的相关独立分量利用奇异值分解进行处理并完成空域特征提取。基于上述方法,依次使用所有单次样本设计有效滤波器进行空域特征提取,并送入支持向量机进行情感识别,然后选择识别率最高的滤波器作为设计的最优ICA空域滤波器。在公开数据库(MAHNOB-HCI-TAGGING DATABASE)和自采数据库(包含9位被试者的情感脑电数据)上,我们使用所提方法在叁类全导联情感脑电数据上进行了情感识别,所得到的平均识别率分别为81.12%和74.48%,相较于传统频域特征(功率谱对数和功率谱对数的左右脑不对称性)分别提高了1 1.32%和11.19%。(2)提出了一种情感导联选择方法。由于多导联脑电信号的采集需要耗费大量时间和精力,并且不利于可穿戴设备的开发和应用,所以本文在全导联情感识别结果的基础设计了一种导联选择方法,即使用全导联设计的最优滤波器提取不同导联附近的独立分量进行情感识别,根据识别结果计算导联情感相关系数,并根据它的大小得到待选导联集合。然后使用所提特征提取方法对待选导联集合的脑电数据进行特征提取并将特征送入分类器中进行情感识别,从而根据识别率得到最优导联集合。在公开数据库和自采数据库上我们使用所提的导联选择方法,得到了受试者个人的最优导联集合和适用于所有受试者的公共导联集合。基于两个数据库所选择的最优导联集合的平均识别率分别为86.91%和76.52%,相比于全导联集合平均提高了约3.91%。所选择的公共导联集合的平均识别率分别为83.42%和75.39%,相比于全导联集合平均提高了 1.61%。实验结果表明,使用较少导联的数据进行脑电情感识别,不仅可以一定程度上保证识别正确率,还能有所提升。(3)在Matlab平台下开发了一种基于所提方法的脑电情感识别实验平台。该平台主要包括数据加载和预处理、全导联情感识别及最优导联情感识别叁个模块。其中,全导联情感识别模块主要用于分析和呈现其相关情感识别结果。最优导联情感识别模块是为了选择获取更高识别率的导联集合,用于后续的情感识别任务。通过对实验室采集的数据进行测试,验证了所构建实验平台的有效性与实用性。(本文来源于《安徽大学》期刊2019-02-01）
康莎莎,周蚌艳,吴小培[4]（2019）在《独立分量分析和遗传算法相结合的运动想象频带优化》一文中研究指出对结合独立分量分析(independent component analysis,简称ICA)和遗传算法(genetic algorithm,简称GA)的运动想象脑电(motor imagery electroencephalogram,简称MI-EEG)特征检测及其优化方法开展研究.设计了基于ICA的MI-EEG分类算法.在此基础上,针对不同受试个体,用GA算法对运动想象诱发的事件相关去同步(event-related desynchronization,简称ERD)频段进行优化选择,用以改善运动想象脑-机接口(brain-computer interface,简称BCI)系统的识别率.实验结果表明,基于ICA的GA算法特征优化方法具有较好的可靠性和实用性,可用于在线BCI的设计与实现.(本文来源于《安徽大学学报(自然科学版)》期刊2019年01期）
马向亮,李冰,习伟,陈华,陈财森[5]（2018）在《基于独立分量技术的类GIFT算法S盒逆向分析》一文中研究指出在实际密码系统或模块的安全性评估中,对未知密码算法的逆向分析是一项重要的评估内容.目前关于密码算法的逆向分析方式主要分为数学分析和物理旁路分析2种,后者因其代价低、通用性高等优点更为流行.基于独立分量技术的侧信道分析技术绕过传统侧信道分析中的"先猜测后确定"的攻击思路限制,直接恢复中间状态值.研究了类GIFT算法在逆向分析下的安全性,利用GIFT算法结构的特点,将P置换输入作为独立分量攻击观测条件,利用独立分量技术成功恢复出了S盒内容.该结果是最早关于类GIFT算法的逆向分析结果之一,其方法对于其他未知算法的逆向分析也具有参考意义.(本文来源于《计算机研究与发展》期刊2018年10期）
陈伟,杨欣蓉,裴喜平,林洁,王林信[6]（2018）在《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》一文中研究指出针对配电网谐波阻抗未知情况下,用独立分量分析算法提取谐波电流的顺序对谐波电流的分离性能有较大影响的问题,提出一种通过改进独立分量分析算法的谐波电流提取,进而进行谐波源分离与定位的方法.将信号处理中的抽气技术用于独立分量分析算法中,得到改进的独立分量分析算法;以谐波电压为量测量,采用改进独立分量分析算法按负熵大小降序提取谐波电流,通过计算分离得到的谐波电流与各量测节点谐波电压之间的互信息,对谐波源进行准确定位.在IEEE14节点配电系统中进行仿真测试,以归一化偏移误差和相关系数为评价指标,将其与独立分量分析算法分离得到的谐波电流进行对比,结果表明所提出的方法能实现谐波源的准确估计和定位.(本文来源于《兰州理工大学学报》期刊2018年03期）
张贝贝[7]（2018）在《基于独立分量分析的眼动信号增强算法研究》一文中研究指出随着可穿戴式设备和互联网技术的快速发展,人体生物电信号的检测以及应用在人们的日常生活中扮演着非常重要的角色。相较于其它生物电信号,眼电图(Electro-oculogram,EOG)具有测量成本低廉、结果精确、测量设备轻便、记录时间长、更易实现可穿戴式设计等优点。同时,由于EOG信号能够很好的反映不同行为状态下的眼球运动模式,因此,基于EOG的人体行为识别(Human Activity Recognition,HAR)目前已经成为一个瞩目的研究方向。但是,在真实环境下,采集EOG信号过程中会不可避免的受到周围环境噪声的干扰,这将影响EOG信号的质量,使得对EOG信号进行有效的识别面临挑战。为了降低噪声信号对EOG-HAR系统产生的影响,提高识别正确率,论文研究了基于独立分量分析(Independent Component Analysis,ICA)的眼动信号增强算法。具体内容如下:(1)详细介绍了瞬时混合模型下EOG信号的增强算法。首先对瞬时混合模型下的几种常用ICA算法进行了描述,之后针对阅读这一特定状态,提出了一种基于瞬时ICA的眼动信号增强算法。实验室环境下,对降噪后的EOG信号进行阅读状态识别,其平均正确率达到95.5%,相比较原始EOG信号、带通滤波法及主分量分析方法(Principal component analysis,PCA)分别提升了 3.39%,5.0%和2.70%,实验结果验证了所提算法的有效性。(2)重点研究了基于卷积ICA的眼动信号增强算法。在真实环境下,依据卷积混合形式描述的观测数据模型有着一定的普遍性这一定理,提出了基于卷积ICA的多通道带噪EOG信号增强算法。首先,使用短时傅里叶变换(Short Time Fourier Transform,STFT)将原始时域EOG信号转换到频域。然后应用复值ICA算法来分离频域中的扫视源信号和噪声。最后,将分离开的扫视源的功率谱密度(Power Spectral Density,PSD)作为特征参数并馈送到分类器中。多通道带噪EOG信号经本文所提卷积ICA算法增强后,组间测试和组内测试的平均识别率分别达到95.60%和97.30%。本文对比了传统的时频域去噪方法,以及几种常见的瞬时ICA算法,实验结果表明,与带通滤波算法,小波去噪算法,Extended Infomax算法,Real JADE算法和Classical JADE算法相比,平均识别率分别提高了 4.45%,3.44%,2.78%,2.76%和 2.80%(组内测试)和 4.88%,3.322%,2.12%,2.13%和2.16%(组间测试)。实验结果表明,该算法在扫视EOG信号的识别中呈现了较好的分类性能。(3)提出了一种新的频域约束波达方向估计((Direction of arrival,DOA)算法来解决卷积ICA模型中的排序模糊问题。对于ICA模型,排序模糊是盲源分离(Blind Source Separation,BSS)问题的固有不确定性之一。特别是对于卷积模型,ICA算法将在每个频率点中独立执行,盲分离后需要对各频点的ICA分离结果分别进行匹配,以便将属于同一个源的频域独立分量组合在一起,否则来自不同源的子带信号被错误的拼接在一起,将会降低信号的质量。因此,排序调整对于卷积ICA模型变得非常重要。为了解决多通道排序问题,论文提出了一种约束的DOA算法来解决六通道卷积模型下的排序模糊问题。首先根据经验将盲分离后的不同源信号的角度进行初始化并作为约束条件,然后将计算出的输出角度与每个频点初始化的角度进行比较。在此基础上,对通道顺序进行调整,以便分别根据不同的源信号进行新的输出排序。实验结果表明,使用本文所提排序算法进行排序后,组间测试和组内测试的平均识别率分别达到95.25%和97.30%。相比较排序前的带噪EOG信号,分别提升了 3.03%(组间测试)和4.26%(组内测试),实验结果验证了所提算法的有效性。(本文来源于《安徽大学》期刊2018-02-01）
曹小玲,严良俊[8]（2017）在《一种改进的独立分量分析算法在大地电磁去噪中的应用》一文中研究指出根据大地电磁噪声的特点和独立分量分析(ICA)中M-FastICA算法的优良性能,结合小波分析和盲源分离的相关理论,提出了一种改进的独立分量分析去噪方法。首先对观测信号进行多尺度小波分解,使信号从单道变成多道,以满足独立分量分析对观测信号的数目需求;然后采用M-FastICA算法对小波分解提取的多层高频分量进行独立分量分析以提取有效独立分量和特定独立分量;引入动态自适应因子来限制特定独立分量的权重以减小观测信号信噪比对去噪效果的影响;最后由小波低频分量和M-FastICA算法提取的两种独立分量共同构成恢复信号。模拟信号仿真实验表明,该方法的去噪性能优于传统小波阈值去噪方法。将该方法应用于实际大地电磁观测资料的去噪处理,无论是视电阻率曲线还是相位曲线,都比去噪前更加光滑和稳定,说明改进的独立分量分析算法能有效地去除大地电磁噪声。(本文来源于《石油物探》期刊2017年06期）
张静,李鸿燕[9]（2017）在《融合独立分量分析和视觉显着性的烟雾分割检测算法》一文中研究指出在烟雾前景分离中,针对传统高斯混合模型分离的前景仍存在大量噪声点的问题,将独立分量分析(ICA)应用于分离烟雾前景,对传统烟雾前景分离算法进行改进。算法通过ICA消除烟雾前景和背景间的二阶和高阶相关,降低非烟雾成分的干扰;并通过基于图的视觉显着性(GBVS)来缩减预判的烟雾前景区域,得到较为纯净的烟雾区域。实验结果表明,与基于混合高斯模型的烟雾检测算法相比,该算法提取的烟雾区域小而集中,主观视觉评价以及客观指标均显示算法的识别效果更优。(本文来源于《科学技术与工程》期刊2017年25期）
高略,全海燕[10]（2017）在《基于差分进化算法的重力固体潮信号独立分量分析》一文中研究指出为了提取出重力固体潮信号中的独立谐波成分,基于地球自转与月球、太阳相对于地球轨道变化的正交关系建立一个天体间引潮力的分解模型.为了实现对叁者所产生的潮汐谐波的分解,将差分进化算法用于独立分量分析中,用以提高整个算法的效率,改进实验的观测精度,从而更有效的得到与该模型相一致的独立成分.实验中,对昆明地区的实测信号进行了处理并与理论值进行了对比,结果表明,该方法可以将重力固体潮信号中各潮汐谐波分量间关系揭示出来且与分解模型相对应,各分量所含的频谱信息与理论值相一致,说明该方法是一种有效的、对重力固体潮信号进行独立分量分析的新方法.(本文来源于《华中师范大学学报(自然科学版)》期刊2017年03期）
独立分量分析算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
快速独立分量分析算法是近些年兴起的批量的数据处理方法。利用此方法对混有噪声的数据进行源信号与噪声信号的分离,并且以无噪声信号作为标准。通过对经过快速分量分析算法后的数据与无噪声数据相关系数的比较,证明快速独立分量分析在去除噪声方面的可行性。声学法仓储粮食的温度场检测是通过在粮仓周围布置扬声器与传声器,通过计算两个传声器接收到扬声器发出的声波飞行时间进
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
独立分量分析算法论文参考文献
[1].徐岩,王雷.基于AR模型的变分贝叶斯独立分量分析算法研究[J].铁道学报.2019
[2].白鹤云,颜华.独立分量分析算法在信号去噪中的应用[J].电子世界.2019
[3].李文超.基于独立分量分析的脑电情感识别算法研究[D].安徽大学.2019
[4].康莎莎,周蚌艳,吴小培.独立分量分析和遗传算法相结合的运动想象频带优化[J].安徽大学学报(自然科学版).2019
[5].马向亮,李冰,习伟,陈华,陈财森.基于独立分量技术的类GIFT算法S盒逆向分析[J].计算机研究与发展.2018
[6].陈伟,杨欣蓉,裴喜平,林洁,王林信.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].兰州理工大学学报.2018
[7].张贝贝.基于独立分量分析的眼动信号增强算法研究[D].安徽大学.2018
[8].曹小玲,严良俊.一种改进的独立分量分析算法在大地电磁去噪中的应用[J].石油物探.2017
[9].张静,李鸿燕.融合独立分量分析和视觉显着性的烟雾分割检测算法[J].科学技术与工程.2017
[10].高略,全海燕.基于差分进化算法的重力固体潮信号独立分量分析[J].华中师范大学学报(自然科学版).2017
论文知识图
