一、基于独立分量分析的快速定点算法(论文文献综述)
徐博轩[1](2021)在《基于独立分量分析的混叠信号分离及其FPGA验证》文中提出目前频谱环境愈发拥挤,各类信号发射设备急剧增多,同频同体制信号的混叠也在一些特定场景频繁发生,而目前一些传统信号处理平台难以处理时域频域均混叠的信号。独立分量分析是在信号处理领域中渐渐兴起的一类盲信号分离方法,可以在先验知识极少的情况下实现混叠信号的分离,其中JADE算法是批处理算法中较为出色的经典算法,虽然计算量稍大但仍被广泛使用。目前在信号处理领域中,通常需要的都是面向高速的大数据流的实时处理系统,FPGA作为可快速开发的可编程逻辑器件,具有集成度高、并行架构设计、性能稳定等优点,因此被广泛应用在各类信号处理系统中。在此背景下,本文立足于独立分量分析理论,对基于FPGA的4输入信号解混叠系统的实现进行了研究,具体工作如下:1.研究JADE算法理论并给出了详细步骤,在此基础上依托MATLAB平台对其进行实现与测试分析,测试信号使用在实际场景中经常产生混叠的ADS-B信号。MATLAB仿真测试结果表明JADE算法对于该类信号具有较好的分离效果,并具有工程应用价值。2.本文对JADE算法进行了功能模块划分与硬件实现,并详细介绍了硬件实现中多个关键模块的设计原理。3.提出了一种矩阵联合相似对角化的并行计算方法,有效提高了基于该方法设计的硬件模块的计算速度。设计了一种基于JADE方法的阵列计算结构,采用折叠结构思想与并行设计,在减少硬件资源使用与提高计算速度中取得了较好的平衡。4.首先在Vivado集成开发环境中完成了全部的硬件设计与开发,其次在Modelsim仿真软件中完成了全部模块的功能仿真,最后在Xilinx公司的KC705开发板上完成了板级测试。本文设计的4输入信号解混系统具有100MHz的系统时钟频率,与MATLAB仿真结果相比误差仅在10-5数量级,性能指标PI为0.064,对于16384点测试信号的平均处理时间仅为0.63ms,经验证该系统能较好的完成4通道的信号分离。
李珊珊[2](2020)在《正交频分复用无源光网络物理层安全防护技术研究》文中认为当今世界,信息已成为至关重要的战略资源。日益增长的带宽需求对现有的光网络带来挑战,保障网络安全成为保障国家安全的重要任务。正交频分复用无源光网络(OFDM-PON)因其频谱利用率高、抗色散能力强、资源分配灵活和实现成本低等优势,成为下一代光接入网的优势候选之一。然而,无源光网络的点对多点拓扑结构和下行信号的广播通信方式,使得接入网物理层面临被入侵、窃听和冒充等多种安全威胁。在物理层实施高灵活性、低代价的安全防护措施能够实现对网络信息的全方位保障。研究OFDM-PON物理层安全防护技术,对于推动网络跨层安全机制的协同,实现大容量的安全光接入网系统具有重要意义。论文主要研究成果如下:(1)针对算法安全性与计算复杂度相互制约的问题,提出了基于上下行明文互扰机制的定点数字混沌加密算法。在低精度定点算法约束下,有效改善了数字混沌系统的动力学特性退化效应。设计了对混沌序列进行动态非线性变换的魔方算法,扩大了密钥空间。在计算精度为14比特的定点算法下实现了密钥空间为256×(256!)256≈~10129791的OFDM-PON物理层数据防护机制。(2)针对密钥分发的安全性和信道资源开销问题,提出了基于OFDM混沌导频信号冗余的密钥隐匿分发技术。在不增加额外开销、不影响传输性能的前提下,利用所构造的混沌导频信息的冗余性实现了密钥的安全隐匿传输。实验验证了速率为28.4Mb/s的密钥分发与速率为7.64 Gb/s的16-QAM OFDM数据安全传输协同防护机制。(3)针对传统身份认证协议复杂的问题,提出了基于小波变换和卷积神经网络的硬件指纹识别身份认证技术。将ONU设备容差对传输信号的影响作为硬件指纹,将OFDM导频信号作为指纹载体,在OLT端实现对ONU硬件身份认证;实验验证合法ONU的身份识别准确率可达97.41%,非法ONU的识别准确率可达100%,能够抵御物理层非授权接入、身份欺骗攻击等安全威胁。
靳行[3](2019)在《内燃机车振动噪声源辨识研究》文中研究表明本论文以国内某型号内燃机车司机室降噪工程技术难题为出发点,紧紧围绕振动噪声的源辨识这一科学问题展开研究。为了实现闭环的系统工程分析与高性能数字化综合分析,一个完善信号处理技术与有限元模型是其必不可少的、重要的环节。为此笔者经过六年的努力,开发了一套基于VMD的源辨识信号处理软件,对所研究内燃机车建立了结构、声腔和声振耦合有限元模型。研究过程中,解决了VMD参数选择问题、真实BIMF分量筛选问题、时频分辨率发散问题以及盲源分析中的欠定盲源分离问题。对所研究车辆的型式试验中振动噪声数据,应用VMD方法对车辆结构模态、子系统振动特性、部件振动特性、动力室噪声特性以及司机室噪声源辨识进行深入细致的研究。对科学问题深入研究,最终攻克某型号内燃机车司机室降噪技术难题。主要研究工作如下:1.针对VMD参数设置的问题,研究了罚参数α与层数参量K对信号分解的影响。研究表明,当层数参量K合适的情况下,罚参量α是一个与信号能量相关的值,为了获得VMD最优分解结果,本文提出一种对罚参量α选择的新方法,并给出了公式。当罚参量α确定时,随着层数参量K的变化会导致伪分量,研究表明伪分量的拟合频率会随着层数参量K的变化而变化,但真实分量则与层数参量K的变换无关,因此提出一种基于BIMF特性的VMD参数选择方法,该方法通过观察层数参量K对BIMF分量信号拟合频率与拟合阻尼变化,根据稳态结果选择信号的真分量并剔除伪分量。2.研究了基于VMD稳态参数下的线性与非稳态模态分析方法,通过仿真结果表明,该方法不仅可以有效识别线性模态试验中的模态参数,还可以有效识别非稳态模态试验中的时频特性。3.为了合理分析试验结果,完善了测试车辆结构模态有限元分析、司机室声腔模态有限元分析及声振耦合模态有限元分析,为噪声源辨识与控制建立理论基础。4.详细分析了内燃机车振动源、受迫振动及噪声的时频特性。验证本文提出的VMD稳态参数时频分析法较传统的CWT时频分析法和HHT法具有更好的分辨率,可以更有效的揭示工程应用中噪声与振动信号的时频特性。5.针对盲信号分离中测试信号不足的欠定问题,以及VMD参数选择无法实现自适应的问题,本文提出了一种由数据驱动的VMD参数选择方法QVMD,并在QVMD的基础上,提出采用Fast ICA法和PCA的欠定去噪源分离新方法。该方法不仅能处理平稳与非平稳信号,而且可以通过较少的观测信号实现对较多源信号的溯源分离处理。研究表明,所分析的内燃机车主要噪声源为动力室混响、辅助齿轮箱振动、柴油机振动和车外空气路径噪声。6.结合本文分析方法的结论与有限元仿真,对内燃机车进行了降噪控制设计,通过现场试验研究证明了,识别的噪声源特征准确,实现司机室噪声控制,司机室降噪量达到8.3d BA。该方法有效地解决了主机厂某内燃机车司机室噪声偏大的工程问题。
孟欢欢[4](2019)在《基于FastICA的数字信号盲分离与下变频及其FPGA验证》文中研究说明随着人造地球卫星数量的增多,应用于航天设备上的通信技术日新月异,导致卫星间距越来越小,实际环境中无线电信号日益密集,自然干扰与人为干扰正变得越来越严重,这类干扰信号一般在时域,频域上易发生混叠。在接收机端不知道源信号的先验信息的情况下,分离混合信号,去除干扰是盲分离所探究的内容。本文提出利用盲分离中的独立成分分析(ICA)理论分离频谱混叠信号,该方法可有效分离有用信号与干扰信号,对提高卫星系统的频谱利用率具有很大的研究价值。本文将固定点独立成分分析理论算法(FastICA)分离频谱混叠信号,结合使用直接数字下变频(DDC)技术降低信号采样率,并提出了改进的FastICA(记为M-FastICA)算法。本文首先介绍盲源分离的基础模型,同时主要论述了独立成分分析理论及其分类,重点分析基于负熵的FastICA算法,并使用最速下降法改善原算法对初值敏感的问题,即M-FastICA算法。然后介绍了直接数字下变频技术原理和组成,并且介绍了各子模块的理论与实现。以北斗三号卫星系统中有用信号与干扰信号频谱混叠为例,在MATLAB上实现了 FastICA以及M-FastICA算法的软件仿真,建立了直接数字下变频DDC的Simulink模型以及完成了两者级联的整体系统的仿真与分析。最后,在Vivado 2016.1的仿真平台上利用Verilog语言对M-FastICA算法,DDC以及两者级联系统进行了编程与功能仿真,然后利用Xilinx的Virtex7芯片对整体系统进行了板级验证。同时介绍了 M-FastICA算法中基本数值算法(如基本三角函数的求取,矩阵的奇异值分解等)的理论与实现,以及M-FastICA算法子模块的硬件实现。针对FPGA定点化实现量化误差较大的问题,本文通过优化模块设计将误差控制在10-3左右。DDC的FPGA实现通过调用IP核的方式完成。本文设计的M-FastICA算法及直接数字下变频DDC技术能够实现两通道频谱混叠信号的分离以及采样率的降低,整体系统可在FPGA开发板上实现板级验证并且符合设计指标。
刘缘[5](2019)在《基于FPGA的同频数字通信信号盲源分离算法研究与验证》文中提出移动通信技术的高速发展带来了对有限频谱资源高效利用的极大挑战,为了充分灵活地利用频谱资源,常常会引入通信信号频谱混叠的干扰问题。盲源分离技术需要的先验信息少,并且不占用额外的频谱、功率和时隙资源,使其成为一种解决频谱混叠问题的优选方案。现场可编辑逻辑阵列FPGA适合于需要并行高速处理的场景,可作为盲源分离算法研究与验证的硬件实现平台。本文介绍了盲源分离的系统模型,研究了盲源分离中基于源信号独立性的核心技术-独立成分分析ICA,并重点研究了其中一种基于负熵的快速不动点迭代算法FastICA,对它的去均值和白化预处理模块、迭代模块和求解多个独立成分时所需的正交化模块进行了分析,并介绍了评判分离性能好坏的标准。论述了实现数字下变频DDC的关键模块,将FastICA算法与数字下变频DDC相结合,组成一个能分离出频谱混叠数字通信信号并进行下变频的完整接收系统。针对两个同频同带宽的16QAM调制信号线性瞬时混叠场景,在MATLAB中生成两个源信号并进行混叠,作为整个系统的输入,实现FastICA和DDC两个部分的MATLAB代码,进行整体系统的MATLAB仿真。经过MATLAB的验证之后,在Vivado里编写Verilog代码实现基于定点运算的FastICA和DDC两大模块,完成功能仿真。最后下载电路对应的比特流文件到Xilinx VC707评估板的FPGA芯片里,完成整体系统的板级调试与验证。本文实现的FastICA盲源分离算法可以解决同频数字通信信号频谱混叠的问题,其收敛精度可达0.9997,表征全局传输矩阵与排列矩阵间差异的性能指数PI值小于0.01,分离效果较好,迭代次数一般少于10次,收敛速度快,对于增强通信系统的抗干扰能力具有实际意义。
赵小猛[6](2019)在《电力电缆故障精确定点及其背景降噪技术研究》文中认为生态型城市是现代城市建设的新理念,人们越来越重视空间资源的利用率和美观性,以往经常用来传输电力资源的架空线逐渐被电力电缆所替代,不同之处在于,电力电缆主要敷设在地下,有时会因老化、过负荷或建筑施工误伤等因素而发生故障,从而对严重依赖电力的社会生活和工业生产造成巨大影响,因此,尽快检测出发生故障的地下电力电缆故障点位置具有重要意义。电力电缆故障检测包括预定位和精确定点,本文主要以其中的精确定点为背景,旨在设计电力电缆故障精确定点检测系统,研究对故障检测时所采集到的声音信号进行背景降噪的有效方法。首先研究了电力电缆故障检测技术,阐明电力电缆故障检测的具体步骤,其中精确定点过程通常需要使用高压信号发生器击穿故障电力电缆,根据冲击放电产生的声音和脉冲磁场信号特征,采用合适的方法可以判断出电力电缆路径、检测出故障点位置;接着研究了常用的路径和精确定点检测方法,其中声磁同步法与其它精确定点检测方法相比精度较高,但冲击放电声经常受到检测环境中的噪声干扰,针对传统背景降噪方法难以在兼顾原始冲击放电声音质量的同时有效去除非平稳噪声干扰的问题,结合冲击放电声音信号的特点,提出了一种基于小波变换和独立分量分析(Independent Component Analysis,ICA)的背景降噪技术,并通过MATLAB仿真和现场采集数据测试,验证了该算法可以对带噪冲击放电声音信号进行有效降噪;然后设计了双传感器电力电缆故障精确定点检测系统,完成了硬件电路的设计和软件程序的编写及调试,该系统集声磁同步法和跨步电压法两种精确定点方法于一体,通过两个压电传感器和横、竖放置的两个电磁感应传感器及跨步电压金属探针分别接收声音、磁场和电压信号,经过信号调理电路处理后,利用A/D转换器将其转换成数字量并传送给核心处理器进行数字信号处理,实现电力电缆路径判断,结合所提出的算法背景降噪,声磁时间差与跨步电压大小等信息的计算并输出到耳机及LCD等功能;最后通过现场实验,验证了本文设计的双传感器电力电缆故障精确定点检测系统各部分功能的有效性,表明该系统可以较为准确地查找出故障点所在位置。
米建伟[7](2018)在《电力电缆故障诊断中信号检测与增强技术研究》文中指出随着城市的快速发展,地埋电缆相对架空电缆而言具有较多优势而得到广泛的应用。但随着社会经济的增长,电缆负荷持续增加以及地面野蛮施工等,地埋电缆容易发生故障;加之电网改造、电缆搬迁与修复、地貌变化,原有图纸已不能反映电缆的走向与埋深,地埋电缆的维护和管理问题日益增多。由于地埋电缆跨越地域大,故障点的寻找十分困难,若不能及时修复电缆故障,不仅会浪费大量的人力物力资源,还可能会造成停电事故。因此,快速、准确地定位电缆故障点具有迫切的现实意义。本文首先对电缆故障检测的基本知识如故障类型、产生原因以及检测方法进行分析,阐明电缆故障检测的关键技术在于检测过程中采集信号的滤波与增强处理,并进而综述了电缆故障检测及信号增强的国内外发展现状。其次针对电缆故障检测技术中所存在的问题,旨在研究故障距离预定位、电缆路径寻测、故障位置精定位方法以及在低信噪比非平稳背景噪声下的信号增强技术。研究的主要工作和创新性成果包括:电缆故障距离的预定位需要在较强的背景噪声和干扰信号下提取微弱的有用信号。本文对不同距离电缆故障测试所得到的信号进行分析,研究了基于改进型经验模态分解(Empirical Mode Decomposition,EMD)滤波的电缆故障信号检测技术,首先对信号进行经验模态分解,然后确定本征模态分量中噪声主导分量与有用信号主导分量的分界点,并采用小波变换进一步筛选有用信号,减少滤波误差,以此对发射波波头和反射波波头进行定位,得出时间差,计算故障距离,实现故障点的预定位。针对在电缆路径探测中管线分布错综复杂的环境下,信号间的干扰大大影响探测结果准确性的问题,本文探讨了基于EMD的五阶收敛独立分量分析(Independent Component Analysis,ICA)电缆路径检测信号提取技术。电缆路径检测基于接收信号与发射信号的强相关性、与干扰信号以及噪声频谱的差异性,对信号进行EMD分析,并采用五阶收敛ICA方法使得EMD依次分解出的本征模态分量与剩余信号相互独立,并自动提取与发射信号的频谱具有最大相关性的本征模态分量,作为最终所要求的信号,从而达到去除干扰、增强有用探测信号的目的。声磁同步法是电缆故障精确定位中的常用方法,磁场信号频率高、幅值强,容易检测,但声音信号幅度小,且容易受周围环境噪声的影响。针对故障点检测环境噪声复杂、电缆故障检测定点装置采样的故障点冲击放电声音完全淹没在背景噪声中的问题,本文提出了一种基于小波包变换分解信号、自适应滤波估计噪声与遗传算法寻优重构相结合的声音信号增强算法。结合声磁同步定点法,能够更为准确地计算电力电缆故障点放电声音信号与磁场信号同步传输差值,提高故障点精定位的精度。针对电缆故障检测仪器功能单一、结构固定、不能根据环境的改变而自动变换相应功能,且当软硬件出现问题时不能自修复的问题,本文将硬件演化思想应用于电缆故障检测设备,使得电缆故障检测系统向低功耗、小型化、高可靠性方向发展。选用现场可编程门阵列(Field Programmable Gate Array,FPGA)作为演化硬件并提出一种非持久精英保留策略的趋向型紧凑遗传算法(non-persistent elitism Tendency Compact Genetic Algorithm,ne-TCGA)用以对硬件实现演化,弥补了传统演化算法占用存储空间大与搜索能力不足等缺点,提高演化效率,为最终实现多功能电缆故障检测自演化系统奠定了基础。本文以经验模态分解、小波变换、独立分量分析、优化算法等为理论基础,研究了电缆故障检测过程中的信号增强技术,通过理论分析、仿真验证以及试验应用,有效地解决了非平稳背景噪声下有用信号的提取问题,提高了电缆故障检测信号的信噪比,增加了电缆故障检测准确率。最后将演化思想应用于电缆故障检测,研究新型智能电缆故障检测系统,从而达到电缆发生故障后能够及时准确地检测到故障点并进行修复的目的。
余良驹[8](2016)在《基于独立成分分析算法的语音盲分离优化》文中研究说明独立成分分析(Independent Component Analysis,ICA)算法致力于分离出观测信号中相互独立的不同源分量。其以源信号非高斯性以及信号间独立性作为前提,相较于传统的信号处理技术,ICA技术能更加全面地揭露出数据的本质结构。本文主要研究ICA在语音盲分离中的算法优化。ICA模型的关键在于最大化非高斯性或者信号间独立性。从信息论或者统计学假设检验的角度,几种常见的独立性或非高斯性度量方法是最大似然、最小化互信息、负熵以及非参数似然比等。这几类目标函数一般无法直接根据定义式计算,而是在得到目标函数近似式后,代入信号概率密度估计进行计算。因此根据概率密度函数的不同估算方法,可以将ICA算法分为参数及非参数型两种不同的类型。本文在介绍了ICA算法的定义、常用的目标函数以及优化算法之后,着重讨论了以近似负熵作为目标函数的FastICA算法。FastICA算法是ICA中最常用到的一种快速定点迭代算法,而算法中对分布的假设也使其成为了一种参数型ICA算法。本文在利用度量函数给出了一系列约束条件之后,使用变分法求解得到了满足约束条件且具有最大熵值的密度函数,对分布进行假设后对此密度函数进行了近似,并由此给出了近似负熵的计算式。之后则针对以近似负熵作为目标函数的FastICA算法,描述了度量函数的选择对算法性能的影响。紧接着本文讨论了基于非参数型密度估计的ICA算法。在选用了核密度估计算法后,本文给出了以最小互信息以及非参数似然比作为目标函数的两类非参数型ICA算法。最小互信息是由信息论角度得到的目标函数,而非参数似然比则是从假设检验得出,两者都是衡量转换信号之间的独立性从而对混合信号进行分离且两者之间存在一定的关联性。针对使用了核密度估计的非参数型ICA算法,本文从最小化积分均方误差角度以及计算角度分别讨论了核函数以及平滑参数的选取。对于以最小互信息作为目标函数的NMMI-ICA算法,本文给出了基于Epanechnikov、Gaussian、Laplace这三种核函数的不同算法;而对于以非参数似然比作为目标函数的NLR-ICA算法,则给出了基于Epanechnikov、Gaussian这两种核函数的不同算法,同时简要描述了不同的核函数对于算法产生的不同影响。最后,本文进行了多组语音盲分离仿真实验分析了核函数及平滑参数对于非参数型ICA算法的影响,并针对参数型以及非参数型两类ICA算法,进行了算法性能的对比分析。
赵淼[9](2009)在《基于改进ICA算法和小波变换的胎儿心电信号提取方法研究》文中研究说明胎儿心电信号(FECG)是胎儿心脏活动的源发性信号,直接反映了胎儿在孕期中的成长和健康情况,通过对胎儿心电图的检查,能够尽早发现胎儿生长发育过程中的异常状况,是对胎儿宫内安危状况监测的有效手段。本文针对胎儿心电信号提取问题,提出了一种基于阻尼牛顿法的快速定点独立分量分析(FastICA)的提取方法。本文通过对目前各种FECG信号提取方法进行研究、分析和比较,发现FECG信号的采样点数和采样精度对其提取结果有着重要的影响。好的信号提取效果通常需要很高的采样点数和精度,而这会增加数据长度,进而提高了算法的计算复杂度。这就需要探索一种兼顾提取效果和运算时间的有效算法来提取FECG信号。研究发现,基于独立分量分析方法具有分离效果好、所寻求的分量间满足独立非高斯性等优点,且发展迅速,应用广泛,为此本文将FastICA算法作为研究重点,提出了一种改进的FastICA算法用于提取胎儿心电信号。该算法利用阻尼牛顿法代替原始FastICA算法中的牛顿迭代法,沿牛顿方向增加了一维搜索,克服了牛顿迭代法对初始值选择比较敏感的缺陷,改善了分离信号的质量,提高了收敛速度。通过采用仿真数据和真实数据对该方法进行测试,实验结果表明应用该方法提取胎儿心电信号有较好的适应性和稳定性,且信号的分离效果更好,收敛速度更快。采用改进的FastICA算法对实际心电信号进行分离后,分量中仍然会含有一些噪声干扰,因此本文采用小波阂值去噪方法进一步对实际心电信号分离结果做去噪处理,并针对该方法的阈值处理进行了改进,构造了一种新的阈值函数,采用加权平均将软、硬阈值函数结合起来,通过调整加权因子获得较优的小波系数阈值估计,提高了信号的重构精度。实验结果表明小波去噪后FECG信号的质量得到了明显的改善,心电图波形的细节更加清晰,为后续的临床分析带来便利。最后,对本文的研究工作进行了总结,并对FECG信号提取方法研究的前景进行了展望。
薛云峰[10](2009)在《源信号自适应的独立成分分析算法应用与研究》文中研究表明独立成分分析是信号处理领域在20世纪90年代所发展起来的一个新兴方向,它是解决盲源分离问题最为有效的方法之一.独立成分分析不仅在语音与图像处理方面有着广泛的应用,而且在心电图(electrocardiographic, ECG)、肌电图(electromyography, EMG)、脑电图(electroencephalograms, EEG)、脑磁图(magnetoencephalograms, MEG)等方面得到广泛应用.本文对独立成分分析算法及其应用进行了一些研究,提出了几种自适应独立成分分析算法,并将其应用到语音与图像去噪中.主要研究结果如下.1.在分析了现有ICA算法优缺点的基础上,提出了通过求解梯度方程来解决ICA问题的方法.为求出梯度方程的根,提出了一种牛顿迭代算法,该算法不需要设置学习速率,结构简单,仅需求解一个矩阵方程就可通过迭代方法来得到梯度方程的根.为使算法对源信号具有自适应特性,我们使用非参数方法来估计源信号的统计特征,包括概率密度函数以及其一阶二阶导数.2.为克服标准核密度估计方法对于大样本估计问题运算量大的缺点,提出了改进的核密度方法对源信号的概率密度及其一二阶导数进行自适应估计.该方法将源信号的直方图作为桥梁,直接估计出核函数的各个参数,使得当样本量较大时的算法速度得到了较大提高.3.一般情况下, ICA中的解混合矩阵所在的参数空间并非欧式空间,而是黎曼空间,因此,传统梯度所得到的方向并非最速方向.为得到黎曼空间中的最速方向,我们从自然梯度角度(或相对梯度角度)出发,使用李群不变性这一准则,得到两种形式的自然梯度(或相对梯度),并以此为基础,得到估计方程,通过求解估计方程,并结合不同的自适应概率密度估计方法,得到自适应ICA算法.由于该方法采用自然梯度来获得最速方向,因此,算法具有superefficiency特性,能达到Fisher有效性.4.提出一种自适应定点ICA算法,该方法引入白化预处理,使解混合阵具有正交约束,在此约束下,每次学习后得到的解混合阵必须经过重正交化,使其满足正交约束.该算法计算复杂度小,并且收敛速度快.5.将独立成分分析算法应用到语音与图像去噪中.通过ICA算法得到含噪信号的独立分量,并在独立分量域中使用收缩算法对其进行去噪处理,然后经反变换得到去噪的声音或图像信号.
二、基于独立分量分析的快速定点算法(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:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(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。
三、基于独立分量分析的快速定点算法(论文提纲范文)
(1)基于独立分量分析的混叠信号分离及其FPGA验证(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究的背景与意义 |
1.2 国内外研究现状 |
1.3 本文主要研究内容与结构安排 |
第二章 独立分量分析基础 |
2.1 ICA的一般模型与假设 |
2.1.1 模型建立 |
2.1.2 ICA模型的基本假设 |
2.2 ICA问题的优化判据 |
2.2.1 互信息极小化判据 |
2.2.2 信息极大化判据 |
2.2.3 极大似然判据 |
2.2.4 高阶统计量判据 |
2.3 数据预处理 |
2.3.1 中心化处理 |
2.3.2 球化处理 |
2.4 JADE算法 |
2.4.1 四维累计量矩阵 |
2.4.2 特征矩阵联合近似对角化 |
2.4.3 Jacobi方法与联合对角化 |
2.5 本章小结 |
第三章 解混系统的MATLAB实现与仿真 |
3.1 JADE算法的实现流程 |
3.2 测试信号的产生与仿真 |
3.2.1 案例场景 |
3.2.2 ADS-B测试信号 |
3.3 算法衡量指标 |
3.4 解混系统的实现与仿真 |
3.5 本章小结 |
第四章 基本模块的实现与仿真 |
4.1 基于定点数的FPGA开发 |
4.2 去均值与协方差矩阵计算的实现 |
4.3 矩阵乘法的实现 |
4.4 基于CORDIC算法的计算实现 |
4.4.1 CORDIC算法基础 |
4.4.2 基本函数的实现 |
4.5 矩阵特征值与特征向量计算的实现 |
4.5.1 Jacobi算法的并行计算 |
4.5.2 特征值分解的实现 |
4.6 JADE算法的实现 |
4.6.1 四维累计量矩阵的计算 |
4.6.2 一种矩阵联合相似对角化的并行计算方法 |
4.6.3 一种基于JADE方法的阵列计算结构 |
4.7 本章小结 |
第五章 解混系统的FPGA实现与测试 |
5.1 FPGA开发简述 |
5.2 解混系统的FPGA实现 |
5.3 定点数的限制与改进 |
5.4 FPGA板级测试与分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(2)正交频分复用无源光网络物理层安全防护技术研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 引言 |
1.2 光接入网面临的安全威胁 |
1.3 光接入网安全性增强技术 |
1.4 正交频分复用无源光网络系统 |
1.5 正交频分复用无源光网络物理层安全 |
1.6 主要内容及工作安排 |
2 安全防护技术中的相关理论与安全性评价方法 |
2.1 混沌理论与密码学 |
2.2 基于数字混沌安全防护技术的安全性评价方法 |
2.3 小波变换和卷积神经网络理论基础 |
2.4 基于小波变换和神经网络的身份认证技术安全性评价方法 |
2.5 本章小结 |
3 基于上下行明文互扰机制的定点数字混沌加密 |
3.1 总体方案和基本原理 |
3.2 定点数字混沌系统动力学特性改善 |
3.3 结果分析 |
3.4 基于动态魔方变换的星座图置换安全性增强 |
3.5 结果分析 |
3.6 方案对比与讨论 |
3.7 本章小结 |
4 基于OFDM混沌导频信号的密钥隐匿分发 |
4.1 总体方案和基本原理 |
4.2 基于OFDM导频冗余的密钥隐匿分发 |
4.3 结果分析 |
4.4 方案对比与讨论 |
4.5 本章小结 |
5 基于小波变换和卷积神经网络的硬件指纹识别身份认证 |
5.1 总体方案和基本原理 |
5.2 基于ONU硬件指纹的物理层身份认证 |
5.3 结果分析 |
5.4 方案对比与讨论 |
5.5 本章小结 |
6 总结与展望 |
6.1 论文工作总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录1 攻读博士学位期间发表的论文目录 |
附录2 论文中英文缩写简表 |
(3)内燃机车振动噪声源辨识研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 内燃机车噪声源概况 |
1.2.1 柴油发动机噪声 |
1.2.2 冷却风扇噪音 |
1.2.3 结构振动噪音 |
1.2.4 电机噪音 |
1.2.5 轮轨噪声 |
1.2.6 空压机噪声 |
1.3 时频分析方法概述 |
1.3.1 短时傅里叶变换 |
1.3.2 连续小波变换 |
1.3.3 魏格纳-维尔分布 |
1.3.4 希尔伯特-黄变换 |
1.3.5 Teager能量算子 |
1.3.6 盲源分离方法 |
1.3.7 变微分模态分析 |
1.4 内燃机车振动噪声信号分析面临的问题 |
1.4.1 时频分辨率对比 |
1.4.2 VMD参数的选择 |
1.4.3 内燃机车型式车辆中的时变噪声的识别 |
1.5 本文研究内容 |
第2章 基于VMD的瞬时频率识别方法 |
2.1 变分模态分解基础 |
2.1.1 维纳滤波器 |
2.1.2 希尔伯特变换和信号分析 |
2.1.3 变分模态分解原理 |
2.2 变分模态分解中罚参量的影响 |
2.3 变分模态分解层数参量对稳态的影响 |
2.4 基于结构系统参数的VMD参数选择法 |
2.5 瞬时频率及其计算方法比较 |
2.5.1 希尔伯特谱 |
2.5.2 Teager能量算子法 |
2.5.3 基于VMD参数的时频谱方法 |
2.6 本章小结 |
第3章 参数化时频分析方法研究 |
3.1 时不变参数的理论线性模态分析 |
3.2 时变参数的理论非线性模态分析 |
3.3 数值模型建立与传统分析法 |
3.4 线性结构系统识别 |
3.5 非线性结构系统识别 |
3.6 VMD非线性系统结构瞬时频率的鲁棒性 |
3.7 内燃机车模态有限元分析 |
3.7.1 车体结构模态有限元分析 |
3.7.2 司机室内声腔模态有限元分析 |
3.8 声振耦合分析 |
3.8.1 声振耦合理论及应用 |
3.8.2 声振耦合分析中的系统非线性问题 |
3.9 基于VMD稳态的线性模态参数识别 |
3.10 本章小结 |
第4章 基于VMD时频分析的振动噪声源辨识 |
4.1 内燃机车振动源时频分析 |
4.1.1 辅助变速箱振动信号分析 |
4.1.2 柴油机振动信号分析 |
4.1.3 变速箱振动信号分析 |
4.2 内燃机车受迫振动时频分析 |
4.2.1 座椅振动信号分析 |
4.2.2 司机室端墙振动分析 |
4.3 内燃机车噪声时频分析 |
4.3.1 排气噪声分析 |
4.3.2 司机室耳旁噪声分析 |
4.3.3 变速工况下的司机室时频分析 |
4.4 本章小结 |
第5章 基于VMD的盲信号分离方法与噪声控制方案 |
5.1 主成分分析 |
5.2 快速独立分量分析 |
5.3 二阶统计量盲辨识 |
5.4 二次估计型可变微分模态和主成分分析的欠定去噪源分离 |
5.5 基于BIMF分量相关矩阵的PCA的源数估计 |
5.6 仿真信号分析 |
5.7 适应性与可靠性 |
5.8 内燃机车司机室噪声源识别研究 |
5.9 噪声传播途径控制 |
5.9.1 辅助变速箱噪声控制 |
5.9.2 动力室混响场噪声控制 |
5.10 司机室噪声控制 |
5.11 本章小结 |
结论 |
致谢 |
参考文献 |
附录1 司机室声腔模态分析结果比较 |
附录2 振动测点位置说明与不同工况下有效值与平均值统计结果 |
附录3 不同工况下测点A计权声压级(dBA) |
附录4 术语说明 |
攻读博士学位期间发表的论文及科研成果 |
(4)基于FastICA的数字信号盲分离与下变频及其FPGA验证(论文提纲范文)
摘要 |
Abstract |
缩略语表 |
第1章 绪论 |
1.1 课题背景与意义 |
1.2 研究现状 |
1.3 研究内容与设计指标 |
1.3.1 研究内容 |
1.3.2 案例场景 |
1.3.3 设计指标 |
1.4 论文组织结构 |
第2章 FastICA算法基本原理 |
2.1 盲分离基本原理 |
2.1.1 线性盲分离模型 |
2.1.2 ICA算法分类 |
2.2 ICA算法原理与性质 |
2.2.1 ICA算法原理 |
2.2.2 ICA算法的不确定性 |
2.3 FastICA算法及其改进 |
2.3.1 信号的预处理 |
2.3.2 FastICA算法流程 |
2.3.3 算法初始值敏感问题的改进-M-FastICA算法 |
2.3.4 算法性能参数 |
2.4 本章小结 |
第3章 直接数字下变频(DDC)技术与各模块设计 |
3.1 直接数字下变频(DDC)技术及系统架构 |
3.2 直接数字下变频(DDC)技术原理 |
3.2.1 混频理论基础 |
3.2.2 整数倍抽取 |
3.2.3 数字滤波理论 |
3.3 直接数字下变频DDC各模块设计 |
3.3.1 下变频系统设计要求 |
3.3.2 数控振荡器模块设计 |
3.3.3 CIC滤波器设计 |
3.3.4 半带滤波器设计 |
3.3.5 FIR滤波器设计 |
3.4 本章小结 |
第4章 整体系统的MATLAB仿真 |
4.1 整体系统结构 |
4.1.1 源信号与混合信号的产生 |
4.1.2 整体系统结构 |
4.2 M-FastICA算法的MATLAB仿真 |
4.2.1 FastICA算法的MATLAB仿真 |
4.2.2 M-FastICA算法的MATLAB仿真 |
4.3 直接数字下变频(DDC)的Simulink实现与仿真 |
4.4 整体系统的Simulink仿真 |
4.5 本章小结 |
第5章 整体系统的Verilog编程实现与FPGA验证 |
5.1 FPGA概述 |
5.2 M-FastICA中基本数值算法的实现 |
5.2.1 数据格式 |
5.2.2 数据范围转换 |
5.2.3 Booth补码除法器 |
5.2.4 基于Cordic算法的基本函数实现 |
5.2.5 矩阵乘法的实现 |
5.2.6 矩阵的奇异值的实现 |
5.3 M-FastICA算法的FPGA实现与验证 |
5.3.1 M-FastICA算法的实现流程与架构 |
5.3.2 信号输入模块实现 |
5.3.3 去均值与协方差矩阵的实现 |
5.3.4 白化模块的实现 |
5.3.5 迭代模块的实现 |
5.3.6 M-FastICA算法的FPGA功能验证 |
5.3.7 算法误差分析定位与仿真结果 |
5.4 直接数字下变频(DDC)的FPGA实现 |
5.5 整体系统的FPGA实现 |
5.6 整体系统的FPGA板级验证 |
5.7 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
附录A |
攻读硕士学位期间发表的论文 |
致谢 |
(5)基于FPGA的同频数字通信信号盲源分离算法研究与验证(论文提纲范文)
摘要 |
Abstract |
缩略语表 |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.3 研究内容与设计指标 |
1.3.1 研究内容 |
1.3.2 案例场景 |
1.3.3 设计指标 |
1.4 本论文结构安排 |
第2章 盲源分离的基本理论与方法 |
2.1 引言 |
2.2 盲源分离系统模型 |
2.3 独立成分分析 |
2.3.1 约束条件 |
2.3.2 不确定性 |
2.3.3 估计原理 |
2.4 基于负熵的FastICA算法 |
2.4.1 用负熵度量非高斯性 |
2.4.2 预处理 |
2.4.3 快速不动点算法 |
2.5 估计多个独立成分的ICA |
2.5.1 串行正交化 |
2.5.2 并行正交化 |
2.6 分离性能判断标准 |
2.7 本章小结 |
第3章 数字下变频技术与DDC子系统设计 |
3.1 引言 |
3.2 多速率信号处理技术 |
3.2.1 信号采样理论 |
3.2.2 整数倍抽取 |
3.3 数字下变频DDC子系统各模块设计 |
3.3.1 数字下变频DDC子系统整体结构 |
3.3.2 NCO模块设计 |
3.3.3 FIR滤波器设计 |
3.4 本章小结 |
第4章 基于MATLAB的整体系统仿真 |
4.1 引言 |
4.2 源信号的产生与混合 |
4.3 FastICA算法仿真 |
4.3.1 FastICA算法整体框图 |
4.3.2 分离结果与性能分析 |
4.3.3 信噪比对分离性能的影响 |
4.3.4 源信号间的相关性对分离性能的影响 |
4.4 包含数字下变频的整体系统实现与仿真 |
4.5 本章小结 |
第5章 整体系统的FPGA实现与验证 |
5.1 引言 |
5.2 FastICA算法各模块FPGA实现 |
5.2.1 去均值模块 |
5.2.2 白化模块 |
5.2.3 迭代和并行正交化模块 |
5.3 FastICA模块的FPGA功能仿真与验证 |
5.4 DDC模块的FPGA实现与功能仿真验证 |
5.5 整体系统的FPGA功能验证与资源使用情况 |
5.6 整体系统的FPGA板级验证 |
5.6.1 FastICA模块的FPGA板级验证 |
5.6.2 DDC模块的FPGA板级验证 |
5.6.3 整体系统的FPGA板级验证 |
5.7 本章小结 |
第6章 总结与展望 |
参考文献 |
附录 ADDC系统中等波纹FIR滤波器的系数 |
攻读硕士学位期间发表的论文 |
致谢 |
(6)电力电缆故障精确定点及其背景降噪技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 电力电缆故障精确定点国内外研究现状 |
1.3 背景降噪技术发展状况 |
1.3.1 单传感器背景降噪技术 |
1.3.2 多传感器背景降噪技术 |
1.4 本文研究内容及章节安排 |
第二章 电力电缆故障检测技术 |
2.1 电力电缆故障的起因与类型 |
2.1.1 电力电缆故障的起因 |
2.1.2 电力电缆故障的类型 |
2.2 电力电缆故障检测步骤 |
2.3 电力电缆路径检测方法 |
2.4 电力电缆故障精确定点检测方法 |
2.5 本章小结 |
第三章 基于小波变换和ICA的背景降噪技术 |
3.1 背景降噪方法分析 |
3.1.1 谱减法分析 |
3.1.2 自适应滤波分析 |
3.2 小波变换和独立分量分析 |
3.2.1 小波变换 |
3.2.2 独立分量分析 |
3.3 基于小波变换和ICA的背景降噪技术 |
3.3.1 算法流程图 |
3.3.2 算法原理及实现 |
3.3.3 算法仿真对比与分析 |
3.4 本章小结 |
第四章 双传感器电力电缆故障精确定点检测系统设计 |
4.1 系统硬件原理 |
4.2 系统硬件设计 |
4.2.1 信号调理电路设计 |
4.2.2 A/D转换电路设计 |
4.2.3 数据处理模块 |
4.2.4 数据输出模块设计 |
4.2.5 PCB的设计 |
4.3 系统软件程序设计 |
4.3.1 构建嵌入式软件开发环境 |
4.3.2 驱动程序设计 |
4.3.3 应用程序设计 |
4.4 本章小结 |
第五章 实验结果与分析 |
5.1 系统实物图 |
5.2 电力电缆路径判断实验验证 |
5.3 基于小波变换和ICA的背景降噪技术实验验证 |
5.4 系统声磁同步法实验验证 |
5.5 系统跨步电压法实验验证 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(7)电力电缆故障诊断中信号检测与增强技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题研究背景 |
1.2 电缆故障检测国内外发展状况 |
1.2.1 电缆故障检测 |
1.2.2 电缆故障检测发展趋势 |
1.3 信号增强技术的研究 |
1.3.1 信号增强的目的及意义 |
1.3.2 噪声信号的分类及特性 |
1.3.3 信号增强技术的发展现状 |
1.4 本文研究的意义 |
1.5 本文研究内容 |
第二章 基于EMD滤波的电缆故障信号检测 |
2.1 行波测距理论 |
2.1.1 电缆模型及行波测距 |
2.1.2 行波测距关键问题 |
2.2 数字滤波 |
2.2.1 数字信号分析 |
2.2.2 经验模态分解滤波 |
2.3 故障检测信号的EMD分析 |
2.4 故障检测信号的EMD滤波 |
2.4.1 有用信号与噪声主导信号分界点的确定 |
2.4.2 噪声主导分量中有用信号的提取与重构 |
2.5 实验验证 |
2.6 本章小结 |
第三章 基于EMD的五阶收敛ICA电缆路径检测信号提取技术 |
3.1 电缆路径检测 |
3.1.1 电缆路径检测 |
3.1.2 电缆路径探测仪传感器设计 |
3.1.3 传感器参数仿真 |
3.2 电缆路径检测信号提取 |
3.2.1 数字信号分析 |
3.2.2 独立分量分析 |
3.3 改进的独立分量分析 |
3.3.1 基于收敛因子的独立分量分析 |
3.3.2 基于收敛因子的五阶迭代ICA |
3.4 基于EMD的五阶收敛ICA |
3.5 算法验证 |
3.6 现场实验验证 |
3.6.1 电缆路径仪测电缆埋深实验 |
3.6.2 电缆路径仪判断方向实验 |
3.7 本章小结 |
第四章 基于小波分析及遗传优化的冲击放电增强技术 |
4.1 冲击放电信息的产生 |
4.2 冲击放电信号增强 |
4.2.1 小波分析理论 |
4.2.2 连续小波与离散小波 |
4.2.3 Mallat算法 |
4.2.4 小波包分析 |
4.3 基于小波分析及遗传优化的信号增强技术 |
4.3.1 小波包分解对冲击放电声音信号的提取 |
4.3.2 遗传算法设计 |
4.3.3 基于小波分析及遗传优化的信号增强算法 |
4.4 算法验证 |
4.5 现场实验验证 |
4.6 本章小结 |
第五章 ne-TCGA硬件演化算法 |
5.1 演化硬件与演化算法 |
5.1.1 演化硬件 |
5.1.2 演化算法 |
5.2 ne-TCGA算法 |
5.3 ne-TCGA与 CGA、TCGA的算法验证 |
5.4 ne-TCGA在演化硬件中的应用 |
5.4.1 自演化系统的硬件设计 |
5.4.2 自演化系统的验证 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 主要研究内容 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
(8)基于独立成分分析算法的语音盲分离优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 本文的研究目的及意义 |
1.2 ICA算法的发展阶段及研究现状 |
1.3 ICA算法的应用领域 |
1.4 论文的结构安排 |
第二章 ICA的原理及基本概念 |
2.1 ICA的定义 |
2.2 ICA的说明 |
2.3 ICA的数学模型 |
2.4 ICA的目标函数 |
2.4.1 信息论对比函数 |
2.4.2 非高斯性度量 |
2.4.3 假设检验 |
2.5 ICA的优化算法 |
2.5.1 一般梯度法 |
2.5.2 自然梯度法 |
2.5.3 定点迭代法 |
2.6 ICA预处理 |
2.7 本章小结 |
第三章 度量函数G_v对Fast ICA算法的影响 |
3.1 最大熵原理下基于度量函数的负熵近似 |
3.1.1 最大熵原理 |
3.1.2 基于度量函数的近似密度以及近似负熵 |
3.1.3 度量函数的选择 |
3.2 以近似负熵作为目标函数的串行Fast ICA算法 |
3.3 不同度量函数下的Fast ICA算法仿真 |
3.4 本章小结 |
第四章 非参数型ICA算法的优化 |
4.1 非参数型密度估计算法 |
4.1.1 直方图 |
4.1.2 核密度估计算法 |
4.1.3 最近邻法 |
4.1.4 变核函数密度估计算法 |
4.1.5 最大惩罚似然估计 |
4.2 核密度估计ICA算法 |
4.2.1 以最小互信息作为目标函数的非参数型NMMI-ICA算法 |
4.2.2 以非参数似然比作为目标函数的NLR-ICA算法 |
4.3 核函数以及平滑参数的选取 |
4.3.1 从最小化MISE的角度分析 |
4.3.2 从计算角度分析 |
4.4 NMMI-ICA算法中不同核函数对算法的影响 |
4.4.1 基于Epanechnikov核函数的NMMI-EICA算法 |
4.4.2 基于Gaussian核函数的NMMI-GICA算法 |
4.4.3 基于Laplace核函数的NMMI-LICA算法 |
4.5 NLR-ICA算法中不同核函数对算法的影响 |
4.5.1 基于Epanechnikov核函数的NLR-EICA算法 |
4.5.2 基于Gaussian核函数的NLR-GICA算法 |
4.6 非参数型ICA算法仿真 |
4.6.1 NMMI-ICA算法中不同核函数的对比仿真分析 |
4.6.2 NLR-ICA算法中不同核函数的对比仿真分析 |
4.7 本章小结 |
第五章 Fast ICA与非参数型ICA算法的对比仿真分析 |
5.1 分离性能的衡量指标 |
5.2 参数型及非参数型ICA算法对比仿真 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 全文工作总结 |
6.2 对本课题今后研究方向的预测和展望 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
(9)基于改进ICA算法和小波变换的胎儿心电信号提取方法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要研究内容与论文结构 |
第2章 独立分量分析算法 |
2.1 ICA基本理论及模型 |
2.1.1 统计独立的定义 |
2.1.2 信息论基础 |
2.1.3 独立分量分析模型 |
2.2 ICA原理与估计方法 |
2.2.1 极大化非高斯性的ICA估计方法 |
2.2.2 极大似然估计的ICA估计方法 |
2.2.3 极小化互信息的ICA估计方法 |
2.3 ICA的预处理技术 |
2.3.1 信号的零均值化 |
2.3.2 信号的白化 |
2.4 快速定点独立分量分析算法 |
2.4.1 非高斯性的度量测度及其简化 |
2.4.2 快速定点独立分量分析算法的独立分量提取 |
2.4.3 快速定点独立分量分析算法的优化 |
2.5 本章小结 |
第3章 改进的FastICA算法与FECG信号提取 |
3.1 牛顿迭代法 |
3.1.1 牛顿迭代法的基本思想 |
3.1.2 牛顿迭代法的几何解释 |
3.1.3 牛顿迭代法的优缺点及其改进 |
3.2 基于阻尼牛顿法的FastICA算法 |
3.3 仿真实验 |
3.3.1 已知信号的仿真实验 |
3.3.2 胎儿心电信号仿真实验 |
3.4 本章小结 |
第4章 小波变换去噪在FECG提取中的应用 |
4.1 小波变换理论 |
4.1.1 连续小波变换 |
4.1.2 离散小波变换 |
4.2 小波变换消噪原理 |
4.3 小波阈值去噪方法及其改进 |
4.4 小波阈值去噪方法处理FECG信号 |
4.4.1 小波函数的选取 |
4.4.2 消噪中的阈值选取 |
4.4.3 尺度的选择 |
4.5 仿真实验 |
4.6 本章小结 |
第5章 结论 |
5.1 工作总结 |
5.2 未来展望 |
参考文献 |
致谢 |
(10)源信号自适应的独立成分分析算法应用与研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 引言 |
1.2 独立成分分析问题的提出与历史回顾 |
1.3 国内外研究概况 |
1.3.1 线性ICA |
1.3.2 非线性ICA |
1.3.3 含噪ICA |
1.3.4 欠定ICA |
1.4 ICA 的应用领域 |
1.5 本文的组织结构 |
第二章 基于梯度方程的自适应 ICA 算法 |
2.1 引言 |
2.2 基本ICA 模型及常用对比函数 |
2.2.1 基本的ICA 模型 |
2.2.2 常用的对比函数 |
2.2.3 各对比函数的优缺点及其联系 |
2.3 通过梯度方程求解ICA |
2.3.1 梯度方程的导出 |
2.3.2 梯度方程解的性质 |
2.3.3 梯度方程的求解 |
2.4 使用核密度方法来估计密度函数 |
2.5 算法仿真及对比 |
2.5.1 算法基本性能测试 |
2.5.2 算法对不同类型源信号的分离性能测试 |
2.5.3 关于求解梯度方程算法的讨论 |
2.6 本章小结 |
第三章 基于改进核密度估计的自适应 ICA 算法 |
3.1 引言 |
3.2 标准核密度估计方法计算复杂度的简要分析 |
3.3 使用改进的核密度方法估计概率密度函数及其一二阶导数 |
3.4 算法仿真 |
3.4.1 使用人工源信号 |
3.4.2 使用声音信号作为源信号 |
3.4.3 使用图片信号作为源信号 |
3.4.4 平滑参数h 对分离结果的影响 |
3.5 本章小结 |
第四章 使用估计方程求解 ICA |
4.1 引言 |
4.2 两种形式的自然梯度 |
4.2.1 右乘型自然梯度 |
4.2.2 左乘型自然梯度 |
4.3 两种形式的相对梯度 |
4.3.1 第一种类型的相对梯度 |
4.3.2 第二种类型的相对梯度 |
4.4 两种形式的估计方程及其求解 |
4.5 仿真实验及对比 |
4.5.1 人工源信号 |
4.5.2 使用声音信号作为源 |
4.5.3 使用图片作为源 |
4.5.4 平滑参数h 对分离结果的影响 |
4.6 本章小结 |
第五章 正交约束下的自适应定点 ICA 算法 |
5.1 引言 |
5.2 白化预处理 |
5.3 预白化处理后对解混合矩阵的约束 |
5.4 自适应定点ICA 算法 |
5.4.1 定点ICA 算法的性能分析 |
5.5 仿真实验 |
5.5.1 使用人工源信号 |
5.5.2 使用真实声音信号作为源 |
5.5.3 使用图片作为源信号 |
5.5.4 平滑参数h 对分离结果的影响 |
5.6 定点ICA 算法的优点及局限性 |
5.6.1 定点ICA 算法的优点 |
5.6.2 定点ICA 算法的局限性 |
5.7 本章小结 |
第六章 独立成分分析在语音与图像去噪中的应用 |
6.1 引言 |
6.2 稀疏编码及其去噪原理 |
6.2.1 稀疏编码 |
6.2.2 最大似然方法去噪原理 |
6.3 使用ICA 得到稀疏编码 |
6.3.1 一维信号的ICA 处理 |
6.3.2 二维信号的ICA 处理 |
6.4 仿真实验 |
6.4.1 声音信号去噪实验 |
6.4.2 图像信号去噪实验 |
6.5 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 未来工作的展望 |
参考文献 |
攻读博士学位期间的研究成果 |
致谢 |
答辩决议书 |
四、基于独立分量分析的快速定点算法(论文参考文献)
- [1]基于独立分量分析的混叠信号分离及其FPGA验证[D]. 徐博轩. 电子科技大学, 2021(01)
- [2]正交频分复用无源光网络物理层安全防护技术研究[D]. 李珊珊. 华中科技大学, 2020(01)
- [3]内燃机车振动噪声源辨识研究[D]. 靳行. 西南交通大学, 2019(06)
- [4]基于FastICA的数字信号盲分离与下变频及其FPGA验证[D]. 孟欢欢. 东南大学, 2019(06)
- [5]基于FPGA的同频数字通信信号盲源分离算法研究与验证[D]. 刘缘. 东南大学, 2019(06)
- [6]电力电缆故障精确定点及其背景降噪技术研究[D]. 赵小猛. 西安电子科技大学, 2019(02)
- [7]电力电缆故障诊断中信号检测与增强技术研究[D]. 米建伟. 西安电子科技大学, 2018(07)
- [8]基于独立成分分析算法的语音盲分离优化[D]. 余良驹. 上海交通大学, 2016(03)
- [9]基于改进ICA算法和小波变换的胎儿心电信号提取方法研究[D]. 赵淼. 东北大学, 2009(03)
- [10]源信号自适应的独立成分分析算法应用与研究[D]. 薛云峰. 上海交通大学, 2009(12)