多类型噪声中的独立成分分离算法

发布时间：2018-08-14 20:12

【摘要】：该文将一般的噪声独立成分分离算法扩展到多类型噪声混合环境。为了识别观测数据中的多类型噪声成份,利用基于S估计原理的非多项式函数,对观测数据进行投影分析,给出脉冲噪声阈值估计及噪声去除和重构信号方法。此外,结合独立噪声分析算法,提出了一种针对多类型噪声的快速独立成份分离算法。该算法解决了传统噪声ICA在多类型噪声环境,特别是脉冲噪声时的失效性问题,极大地提高了噪声ICA算法的分离性能。仿真分析验证了该方法的有效性。
[Abstract]:In this paper, the general noise independent component separation algorithm is extended to multiple noise mixing environments. In order to identify the multi-type noise components in the observed data, using the non-polynomial function based on the S estimation principle, the projection analysis of the observed data is carried out, and the methods of impulse noise threshold estimation, noise removal and signal reconstruction are given. In addition, a fast independent component separation algorithm for multiple types of noise is proposed by combining the independent noise analysis algorithm. The algorithm solves the problem of failure of the traditional noise ICA in multi-type noise environments, especially the impulse noise, and greatly improves the separation performance of the noisy ICA algorithm. Simulation results show that the proposed method is effective.
【作者单位】： 电子科技大学电子工程学院;
【基金】：国家自然科学基金(11176005)
【分类号】：TN912.3

【相似文献】

相关期刊论文 前10条

1 龚丹丹;刘国庆;;独立成分分析算法及其在脑电图中的应用[J];计算机仿真;2010年11期

2 高全学,潘泉,程咏梅,张洪才,王勇;基于肤色和独立成分的人脸检测[J];计算机应用研究;2004年12期

3 李春蔚;;一种改进的独立成分分析算法的计算机仿真研究[J];电脑知识与技术;2013年32期

4 尧德中,曾敏,陈华富,S.Becker,卓彦,陈霖;一种新的fMRI数据处理方法:邻域独立成分相关法及其初步应用[J];中国科学E辑:技术科学;2002年05期

5 王法松,李宏伟,何水明;基于自适应评价函数的独立成分分析算法[J];系统仿真学报;2005年09期

6 万俊;张晓晖;饶炯辉;胡清平;;一种结合信噪比的独立成分分析算法[J];控制与决策;2012年09期

7 张金霞;基于ICA Fixed-Point算法的信号图像分析[J];青海大学学报(自然科学版);2005年05期

8 王法松;李宏伟;李睿;;非参数GKNN估计的高效独立成分分析算法[J];西安电子科技大学学报;2008年04期

9 汪太月;李宏伟;;基于GGD模型独立成分分析算法的局部稳定性分析[J];吉林大学学报(理学版);2012年04期

10 ;[J];;年期

相关会议论文 前2条

1 高全学;张洪才;潘泉;;肤色和独立成分相结合的人脸检测[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

2 汪太月;李宏伟;;基于GGD模型独立成分分析算法的局部稳定性分析[A];中国光学学会2011年学术大会摘要集[C];2011年

相关博士学位论文 前2条

1 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

2 薛云峰;源信号自适应的独立成分分析算法应用与研究[D];上海交通大学;2009年

相关硕士学位论文 前8条

1 于涵;脑机接口技术中的ICA研究[D];南京邮电大学;2014年

2 阮蓓;独立成分的汉英对比研究[D];华中师范大学;2006年

3 张杨;基于粒子群优化的工业过程独立成分分析方法研究与应用[D];东北大学;2010年

4 赵陶钰;独立成分分析算法在fMRI数据中的应用[D];太原理工大学;2012年

5 刁兴光;独立成分算法在GPU上的实现[D];大连理工大学;2012年

6 周达和;独立成分分析算法与支持向量机在不良图片识别中的应用[D];华南理工大学;2010年

7 刘芳;ICA及其多层扩展算法的研究[D];中国海洋大学;2013年

8 贾玉红;视觉注意机制及其在场景分类中的应用[D];华东师范大学;2012年

，

本文编号：2183992