收藏本站
《大连理工大学》 2005年
收藏 | 手机打开
二维码
手机客户端打开本文

独立成分分析的若干算法及其应用研究

史振威  
【摘要】:独立成分分析(independent component analysis,ICA)是一种新的数据处理方法,目的在于从未知源信号的观测混合信号中分离(或抽取)相互统计独立的源信号。将ICA用来处理盲源分离问题(blind source separation,BSS)已经引起了广泛的关注,并已成功地应用于语音信号处理、通信、人脸识别、图像特征提取、神经计算和医学信号处理等众多领域。本论文就独立成分分析、盲源分离的若干算法及其应用进行了一些研究。本文的概要如下: 第一章对独立成分分析的算法和应用,国内外的发展状况作了较详细的介绍,并阐述了本文的主要工作。 第二章对标准的ICA进行了研究。国际上应用最广的是FastICA算法(Fixed-Point算法)和极大似然的自然梯度法(Infomax算法或Lee et al.的ExtICA算法),它们各有优缺点。FastICA收敛速度快,但分离精度上逊于ExtICA算法;而ExtICA算法的收敛速度较慢。针对这种情况,我们提出一种新的不动点算法,该算法综合了FastICA算法和ExtICA算法各自的优势,能够盲分离超高斯和亚高斯分布源的混合信号。与FastICA算法和ExtICA算法比较,该算法在分离的精度上较高且算法收敛速度较快。将该算法应用到大规模的生物医学信号fMRI(功能磁共振成像)的数据处理中,得到了不错的结果,从时间动力学的角度来看,该算法优于FastICA算法。进一步针对ICA对于幅度和排序的不确定性,提出一种基于投影方法的约束独立成分分析算法,使分离出的信号能按某种统计量来进行排序。 第三章针对源信号的个数多于混合信号个数时的盲分离问题,即超完备的独立成分分析(overcomplete ICA)进行了研究。我们提出用两阶段方法来求解该问题,即先估计混合矩阵,当估计出混合矩阵后,再估计源信号。首先,提出用广义指数混合模型(或稀疏混合模型)来估计混合矩阵,这同时适用于无噪和低噪声模型的情况。估计出混合矩阵后,对于无噪的情况,通过解大规模的线性规划来估计源信号;对于低噪声的情况,可通过MAP方法来估计源信号。将算法用于自然语音信号的盲分离中,取得了较好的结果。 第四章研究具有时间结构的独立成分分析。当源信号具有时间结构时,从信息论的观点出发,提出复杂性寻踪的不动点算法,来寻找数据投影最易编码的方向。这个观点可能与大脑的信息处理原理有联系。与一般的只利用非高斯性或只利用时间结构的ICA算法不同,该算法有效结合了数据的非高斯性和时间结构信息,能够最大限度的挖掘数据的信息,来获得更好的结果。这个算法与一般的神经梯度算法相比有优势,如收敛速度快,不用选择学习率,这些特点使得该算法能够有效应用到实际问题的处理中,能够解决标准的ICA算法所不能解决的问题。我们还对算法进行了收敛性分析。有趣的是,当源信号不具有时间结构时,该算法即是著名的FastICA算法。该算法能够分 大连理工大学博士学位论文 离出具有相同自协方差的信号(包括两个以上的高斯信号),这对于一般的盲分离算法是 相当艰巨的任务.将该算法用于自然图像的盲分离中,取得了较好的效果.这是标准 的ICA算法难以完成的任务,因为通常自然图像之间并不是统计独立的,具有一定的相 关性,结合它们内在的时间结构信息,复杂性寻踪的不动点算法能够较好的完成这个任 务. 第五章针对脱m(功能磁共振成像)数据的空间独立成分分析,提出了两个算法: Orth-Infomax算法和新的牛顿型算法. 到目前为止,国际上常用两个ICA算法来执行仆度RJ数据的空间独立成分分析: Infomax算法和F议ed一Point算法(F蚀stICA算法).本章提出独立成分分析的一个改进 的梯度学习算法,简称正交信息极大化算法(orthogonal Infomax,orth一Infomax). 这个算法综合了I刘romax算法和F议ed-Point算法的优点.我们从语音信号和几度RJ信 号两方面来比较这三个算法.就语音信号的分离准确度来说,Ort卜Infomax算法具有 较好的分离精度.对于真实的几在RJ数据来说,orth-1刘romax算法具有最佳的估计脑内 激活的时间动力学准确性.这说明该算法是对大规模几度Rl信号进行空间独立成分分析 的有效算法. 另外,我们采用独立成分分析的一种新的牛顿型算法来提取口匹班信号中的各种独 立成分(包括与实验设计相关的成分以及各种噪声).与FbstICA相比,该算法减少了运 算量,提高了运算速度,而且能够很好地分离出各个独立成分.我们对算法进行了收敛 性分析,在较弱的条件下,算法具有收敛快速的特点. 第六章总结本文的主要研究成果,同时对独立成分分析和盲分离算法的发展进行了 展望. 关键词:独立成分分析;盲源分离;盲信号处理;不动点算法;非监督学习;极大似然估 计;极大后验估计;功能磁共振成像
【学位授予单位】:大连理工大学
【学位级别】:博士
【学位授予年份】:2005
【分类号】:TN911

【相似文献】
中国期刊全文数据库 前10条
1 何涛;汪杭军;计智伟;;模糊支持向量机与独立成分分析在木材识别中的应用[J];林业实用技术;2011年09期
2 郭倜颖;邓鑫阳;邓松;;基于ICA的“歌—曲”分离[J];数字技术与应用;2011年06期
3 孙娟红;李文举;冯宇;韦丽华;;基于独立成分分析和模糊支持向量机的车标识别新方法[J];微型机与应用;2011年13期
4 李文举;孙娟红;韦丽华;李侠;;基于2DPCA-ICA和SVM的车标识别新方法[J];辽宁师范大学学报(自然科学版);2011年02期
5 陆宁云;王磊;姜斌;;基于时延SDG和ICA的多工况过程故障预测方法[J];控制工程;2011年04期
6 毋文峰;陈小虎;苏勋家;王旭平;姚春江;;基于峭度的ICA特征提取和齿轮泵故障诊断[J];机械科学与技术;2011年09期
7 林庆;马伟阳;单平平;詹永照;梁军;;眼镜遮挡下的正面人脸识别[J];计算机科学;2011年08期
8 袁莉芬;刘辉;程俊;;基于独立成分分析技术的语音除噪系统[J];湖南师范大学自然科学学报;2011年03期
9 吴永龙;符茂胜;罗斌;;基于关联图谱的视频片段聚类[J];计算机工程;2011年18期
10 汤辉;王殊;;基于去噪盲分离的多个直扩信号参数估计[J];系统工程与电子技术;2011年08期
中国重要会议论文全文数据库 前10条
1 刘春红;李峰;李素芳;张高燕;杨志;董杰;王传跃;;抑郁症及其健康同胞静息状态下默认网络的独立成分分析[A];中华医学会精神病学分会第九次全国学术会议论文集[C];2011年
2 李强伟;;独立成分分析及其在两相流信号处理中的应用[A];第二十七届中国控制会议论文集[C];2008年
3 王桂安;余先川;方李根;张婷;;快速独立成分分析及其在矿产预测中的应用[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年
4 王国庆;彭杨;孙晓丽;董春红;;基于AKICA-UV的大黄炮制过程监控及终点确定[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
5 徐仔波;陈文超;高静怀;;基于独立成分分析的改进SVD算法研究[A];中国地球物理学会第二十四届年会论文集[C];2008年
6 杜一平;张明锦;;ICA-ULDA方法用于蛋白质组学质谱数据分析及潜在生物标记物探寻[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
7 吴新杰;陈跃宁;石玉珠;蒋秋莉;;空间滤波和独立成分分析在速度测量中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年
8 刘文思;耿艳峰;赵丹;于光金;张允宁;姜威;;ICA技术在两相流检测中的应用研究[A];第十五届中国海洋(岸)工程学术讨论会论文集(中)[C];2011年
9 谢元芳;张正国;;两导心电信号的独立成分分析[A];中国生物医学工程学会第六次会员代表大会暨学术会议论文摘要汇编[C];2004年
10 王桂安;余先川;方李根;张婷;;独立成分分析研究综述[A];第七届全国数学地质与地学信息学术会议论文摘要汇编[C];2004年
中国博士学位论文全文数据库 前10条
1 史振威;独立成分分析的若干算法及其应用研究[D];大连理工大学;2005年
2 王志阳;约束独立成分分析及其在滚动轴承故障诊断中的应用[D];上海交通大学;2011年
3 何峰;胃电检测方法的研究及相关数据分析[D];天津大学;2009年
4 钟明军;独立成分分析算法研究及其在功能核磁共振成像中的应用[D];大连理工大学;2004年
5 陈华富;磁共振响应信号的模型与脑功能定位的磁共振方法研究[D];电子科技大学;2004年
6 许燕斌;基于电阻成像技术的水平管气液两相流研究[D];天津大学;2009年
7 李章勇;心电和诱发电位的现代提取和分析技术研究[D];重庆医科大学;2004年
8 王宏漫;人面部的代数特征与几何特征的提取及识别[D];大连理工大学;2003年
9 郭振华;面向统计过程控制的成分提取技术研究与应用[D];华中科技大学;2005年
10 曾翎;功能磁共振成像数据处理方法与应用研究[D];电子科技大学;2008年
中国硕士学位论文全文数据库 前10条
1 罗起祥;独立成分分析与人脸识别[D];浙江大学;2010年
2 武振华;独立成分分析及其在脑高级功能研究中的应用[D];大连理工大学;2004年
3 马建;基于独立成分分析的说话人识别技术研究[D];电子科技大学;2005年
4 王贻源;基于CPF的90纳米低功耗独立成分分析处理器的设计与物理实现[D];电子科技大学;2011年
5 权松民;独立成分分析方法在儿童镇静状态下视觉刺激fMRI中的应用[D];中国医科大学;2006年
6 陈玉山;基于独立成分分析的数字水印算法研究[D];厦门大学;2007年
7 张伟伟;独立成分分析及其在脑功能磁共振成像中的应用[D];大连理工大学;2006年
8 祁涛;基于L_1-模的独立成分分析[D];山东大学;2009年
9 罗竞佳;基于PCA/ICA的多数据流关联及模式发现[D];大连理工大学;2009年
10 胡月;基于主成分分析和独立成分分析的人脸识别研究[D];吉林大学;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026